Científicos rusos proponen refrigeración para centros de datos de AI con una reducción de hasta el 22% en el consumo eléctrico

Investigadores rusos han propuesto un nuevo enfoque para el enfriamiento de centros de datos donde racks de servidores de alta densidad operan para tareas de inteligencia artificial. En lugar de simplemente eliminar el exceso de calor hacia afuera, el sistema lo reutiliza y puede reducir el consumo de energía de refrigeración hasta en un 22%.

Cómo funciona el sistema

La idea principal es que el calor de los servidores de IA no se vea como un efecto secundario que debe eliminarse a cualquier costo, sino como un recurso útil. El enfoque se basa en refrigeración por adsorción utilizando estructuras basadas en gel de sílice mesoporoso. Este material tiene una superficie interna bien desarrollada y es adecuado para procesos donde la capacidad de unir y liberar eficientemente el fluido de trabajo en el ciclo de refrigeración es importante. Esto lo convierte en un candidato interesante para sistemas de ingeniería energéticamente eficientes.

Para simplificar, el sistema funciona así: los racks de servidores de alta densidad generan una cantidad significativa de calor, que se dirige a un circuito de enfriamiento y ayuda a mantener el ciclo de adsorción. Esto reduce la carga en los elementos de refrigeración más intensivos en energía de la infraestructura tradicional. Para centros de datos con aceleradores de IA, esto es particularmente relevante, porque el enfriamiento es cada vez más uno de los principales factores en los gastos operacionales. Cuanto más densa sea la ubicación del equipo, más notable será el efecto de cualquier optimización de ingeniería.

De dónde proceden los ahorros

Los sistemas de enfriamiento tradicionales en centros de datos a menudo requieren costos significativos de electricidad, porque deben remover continuamente el calor de los servidores y mantener una operación estable del equipo. En el nuevo sistema, parte de la energía no se gasta nuevamente, sino que se extrae del calor ya acumulado dentro del objeto mismo. Según el estudio, es precisamente este cambio de lógica — de "descartar calor" a "reutilizar calor" — lo que ofrece el potencial de ahorros de hasta el 22%. Esto es especialmente importante donde la carga térmica se mantiene a un nivel alto casi constantemente.

• Reutilización del calor residual de los racks de servidores
• Reducción de la carga en elementos de refrigeración basados en compresores tradicionales
• Mayor eficiencia en escenarios con colocación densa de equipos de IA
• Reducción potencial en los costos operacionales de electricidad

Dicho esto, la cifra del 22% no es una garantía universal para cualquier centro de datos. La eficiencia final dependerá de la densidad de los racks, la arquitectura de los sistemas de ingeniería, la temperatura del ambiente externo y de qué tan profundamente el nuevo sistema se integre en la infraestructura existente. Pero incluso el orden de magnitud del ahorro muestra por qué el mercado busca cada vez más no solo chips más potentes, sino también nuevas formas de gestionar su disipación de calor. Para los operadores, esto ya no es un tema teórico, sino una cuestión de economía de escala.

Dónde es aplicable

Este desarrollo es más interesante para plataformas donde está creciendo la proporción de computación para entrenamiento y ejecución de modelos de IA. Los servidores GPU y otros aceleradores crean una carga térmica muy alta por unidad de área, por lo que los enfoques estándar de enfriamiento comienzan a alcanzar los límites de costo de operación. Si parte de este problema puede resolverse mediante materiales y circuitos que reutilizan el calor interno, la economía de nuevas instalaciones y racks se vuelve notablemente más atractiva. Esto es especialmente importante para proyectos donde cada megavatio adicional de potencia rápidamente se convierte en un gasto permanente.

También es importante notar que aún no se trata de un producto listo para el mercado masivo que pudiera implementarse en cualquier sala de servidores mañana, sino de un enfoque tecnológico confirmado por investigación. Lo que típicamente sigue son implementaciones piloto, pruebas de confiabilidad bajo carga continua, evaluación de costos de mantenimiento y comparación con alternativas como enfriamiento líquido o enfriadores más eficientes. Pero la dirección se ve práctica: aborda puntos problemáticos reales en la infraestructura de IA, no ofreciendo optimización abstracta por causa de presentación. Si los pilotos confirman los cálculos, el interés en tales sistemas rápidamente se extenderá más allá de los laboratorios.

Lo que significa

A medida que crecen los centros de datos de IA, el enfriamiento se convierte en una parte tan importante de la estrategia computacional como la selección de GPU o la arquitectura de red. Si tecnologías como el enfriamiento por adsorción basado en gel de sílice mesoporoso confirman su efecto reclamado en operación en el mundo real, los operadores podrán construir instalaciones más densas y económicas sin aumentos proporcionales en los recibos de electricidad. Para el mercado, esta es una señal: la lucha por la eficiencia de la IA ya no es solo a nivel de modelos y chips, sino también a nivel de infraestructura de ingeniería.