China ya tiene centros de datos comerciales bajo el mar: así resuelve el problema de refrigeración que está ahogando a la industria de la IA

Un centro de datos normal gasta hasta el 40% de toda su electricidad solo en mantener los servidores fríos. Es un problema tan grande que ya cubrimos aquí cómo la disponibilidad de energía —no los chips— se convirtió en el verdadero límite de cuánto puede crecer la IA en 2026. La respuesta de China a ese problema no fue construir plantas nucleares más rápido ni negociar más megavatios: fue hundir los servidores directamente en el mar y dejar que el océano haga el trabajo de refrigeración gratis.

La empresa china Highlander puso en operación comercial —no como prototipo, como negocio real con clientes pagando— el primer centro de datos submarino del mundo a 35 metros de profundidad frente a la costa de Sanya, en la isla de Hainan. Cada cabina sellada contiene 24 racks con capacidad para hasta 500 servidores, empaquetados en módulos de 1.400 toneladas que se depositan en el lecho marino. El principio físico detrás es simple: el agua de mar absorbe el calor de forma mucho más eficiente que el aire, así que en vez de gastar electricidad en aires acondicionados industriales, el propio océano funciona como disipador térmico pasivo. El resultado medido en pruebas es un PUE (la métrica estándar de eficiencia energética de un centro de datos) de 1,076 — para dar contexto, un centro de datos terrestre bien optimizado ronda 1,2 o 1,3, así que esta cifra está entre las más bajas (mejores) reportadas en la industria. Según la empresa, la reducción en costos de refrigeración frente a una instalación equivalente en tierra llega al 90%.

La idea de meter servidores bajo el agua no es nueva —Microsoft ya lo probó entre 2018 y 2020 frente a las islas Orcadas, en Escocia, con su proyecto Natick, y confirmó que técnicamente funcionaba—, pero ese experimento nunca pasó a operación comercial continua. La diferencia con el proyecto chino es justamente esa: dejó de ser una prueba de laboratorio para convertirse en infraestructura que ya factura. Los clientes reportados incluyen a China Telecom y a SenseTime (una de las empresas de IA más grandes de China), usando la capacidad específicamente para cargas de trabajo de IA de alta densidad, el tipo de procesamiento que más calor genera y más electricidad consume para enfriar.

El proyecto no se queda en un solo módulo aislado. En paralelo, China está desarrollando una instalación similar frente a Shanghái con una inversión de 1.600 millones de yuanes (unos 235 millones de dólares), conectada directamente a un parque eólico marino de 200 MW con más de 50 turbinas — la fase piloto arrancó en 2,3 MW con planes de escalar a 24 MW completos, y la proyección oficial es ahorrar 61 millones de kWh al año gracias a que más del 95% de la energía que usa viene de fuentes renovables. El plan declarado para Hainan apunta a escalar hasta 100 módulos en la región.

Nada de esto está libre de complicaciones. Sellar herméticamente un centro de datos para que resista presión marina constante y la corrosión del agua salada durante años es un desafío de ingeniería serio, y cuando algo falla, no puedes simplemente entrar caminando a cambiar un disco duro — hay que sacar el módulo completo a la superficie, lo que vuelve cualquier mantenimiento una operación logística mucho más cara y lenta que en un centro de datos terrestre. Es una apuesta que cambia un problema conocido (electricidad y refrigeración) por otro distinto (acceso físico y mantenimiento), no una solución sin costos.

Para la industria del hosting fuera de China, este proyecto importa menos como algo replicable de inmediato —pocos proveedores medianos van a poder hundir servidores en el mar— y más como evidencia de hacia dónde está empujando la crisis energética de la IA: cualquier ventaja de eficiencia térmica, por exótica que suene, ya vale la pena intentarla cuando la electricidad es el recurso más escaso de la cadena. Mientras eso llega a escala fuera de China, la eficiencia sigue siendo terrestre y mucho más simple: dimensionar bien la carga, no sobredimensionar el hardware, y elegir infraestructura que ya está pensada para cargas de IA en vez de adaptar sobre la marcha un servidor genérico.