“Carrera sucia”: La IA disparará un 33 % las emisiones de los chips para 2030
Alerta climática: La fabricación de chips para IA generará más CO₂ que países enteros este decenio.
La obsesión global por multiplicar la producción de memorias para inteligencia artificial no solo redefinirá la tecnología, sino que acelerará la huella de carbono de la industria de semiconductores a niveles récord, según un informe de TechInsights Inc. (Ottawa). El costo ambiental se disparará por tres factores clave: mayor volumen de producción, chips cada vez más complejos y energívoros, y la ubicación de nuevas plantas en países cuya electricidad depende de combustibles fósiles como China y Corea del Sur.
Las proyecciones son contundentes: las emisiones del sector crecerán un 33 % para 2030, alcanzando 247 millones de toneladas de CO₂ equivalente —una cifra que supera las emisiones anuales de Argelia en 2024 y equivale a sumar las de docenas de naciones pequeñas. Este salto contaminante, advierten los analistas, complicará los esfuerzos globales por frenar el cambio climático, incluso cuando las empresas tecnológicas prometen neutralidad carbono.
Memorias DRAM y HBM: Los villanos ocultos de la IA
Mientras los chips lógicos (como los aceleradores de IA de Nvidia) siguen siendo los mayores emisores, el verdadero punto de inflexión vendrá de la mano de las memorias DRAM —esenciales para servidores y computadoras— y, en especial, de los chips HBM (High Bandwidth Memory). Estos últimos, diseñados para manejar enormes flujos de datos en tiempo real, consumen hasta cinco veces más energía por gigabyte que las memorias estándar, según Silicon Analysts.
El problema radica en su fabricación: requieren más materiales críticos, procesos de grabado con gases fluorados (potentes contaminantes climáticos) y obleas de silicio de mayor pureza. “El auge de las HBM y otras memorias avanzadas, impulsado por la IA, incrementará las emisiones absolutas del sector”, explica Stephen Russell, investigador senior de TechInsights. “Aunque los fabricantes ganen eficiencia, el volumen de producción crece más rápido”, añade. Un círculo vicioso: a mayor demanda de IA, más servidores; a más servidores, más memorias HBM; y a más HBM, más carbono.
Este escenario ya tiene consecuencias tangibles. Empresas como Microsoft admitieron que sus emisiones totales aumentaron un 25 % desde 2020, en parte por la expansión de centros de datos y la IA. Mientras, la demanda eléctrica global vinculada a estos sistemas podría crecer entre un 3 % y 5 % anual en esta década, según estimaciones de la Agencia Internacional de Energía (AIE).
Gigantes en la cuerda floja: Samsung, SK Hynix y Micron
Las tres empresas que dominan el mercado de memorias HBM —Samsung Electronics, SK Hynix y Micron Technology— enfrentan una paradoja: expandir su capacidad fabril para satisfacer la demanda de IA, mientras prometen reducir emisiones. Sus estrategias, sin embargo, chocan con realidades técnicas y económicas.
SK Hynix asegura haber reducido en un tercio la intensidad de emisiones (Alcance 1 y 2) por gigabyte entre 2021 y 2024, gracias a depuradores de alta eficiencia. Pero el desafío persiste: instalar estos sistemas en cada línea de producción cuesta entre cientos de miles y miles de millones de dólares, según Pallav Purohit, del Instituto Internacional de Análisis de Sistemas Aplicados. Samsung, por su parte, apuesta por tratar gases de proceso y desarrollar materiales alternativos, aunque su expansión en Corea del Sur —donde el 40 % de la electricidad aún proviene del carbón— limita el impacto de estas medidas.
Micron es la única que ha fijado una meta concreta: reducir un 42 % las emisiones de Alcance 1 para 2030 (respecto a 2020). Sin embargo, su confianza en cumplirla contrasta con un dato incómodo: el 60 % de su producción de memorias avanzadas se concentra en regiones con matrices eléctricas contaminantes, como China y Malasia.
China: El elefante en la habitación
El gigante asiático añade otra capa de complejidad. Su plan para lograr autosuficiencia en chips —y así reducir la dependencia de EE.UU. y sus aliados— ha acelerado la construcción de plantas de semiconductores, muchas enfocadas en memorias para IA. Empresas locales como Huawei, SMIC y Changxin Memory invierten miles de millones en fabricar HBM y DRAM de última generación, pero lo hacen en provincias donde el 70 % de la energía aún proviene de centrales a carbón.
“La mitigación avanza, pero no al ritmo necesario”, resume Russell. La ecuación es brutal: aunque cada chip nuevo sea un 10 % más eficiente que su predecesor, si la producción se multiplica por tres o cuatro (como proyectan los analistas), las emisiones netas seguirán subiendo. Un ejemplo histórico lo ilustra: entre 2010 y 2020, la eficiencia energética de los centros de datos mejoró un 20 %, pero su consumo total se disparó un 180 % por el aumento de la demanda.
Mientras las Big Tech —Alphabet, Amazon, Meta y Microsoft— destinan cientos de miles de millones este año a infraestructura de IA, la pregunta incómoda persiste: ¿Estamos dispuesto a pagar el precio ambiental de una revolución tecnológica que, paradójicamente, promete optimizar recursos en otros sectores? La respuesta, advierten los expertos, no está en la tecnología, sino en políticas globales que obliguen a internalizar el costo real del carbono.
El precedente ignorado: Cómo la industria del bitcoin ya advirtió este colapso ambiental en 2017
Mientras los gigantes de los semiconductores prometen eficiencia energética para 2030, la historia reciente ofrece un espejo incómodo: el auge del bitcoin entre 2017 y 2021. En solo cuatro años, la minería de criptomonedas pasó de consumir 0.1 % de la electricidad global a devorar el 0.5 % —equivalente a las necesidades anuales de Suecia—, según datos de la Universidad de Cambridge. El paralelo con la IA es inquietante: ambos fenómenos comparten una demanda exponencial de hardware especializado, una concentración geográfica en regiones con energía sucia (como la provincia china de Sichuan, donde el 80 % de la electricidad provenía de carbón en 2019) y promesas incumplidas de sostenibilidad.
El caso más revelador es el de Bitmain, el mayor fabricante de chips ASIC para minería. En 2018, la empresa anunció que migraría sus operaciones a Canadá y Noruega para usar energías renovables, pero para 2020, el 65 % de su capacidad seguía en China, donde el costo del carbón era un 40 % más barato que el de las renovables. El resultado: las emisiones de la red bitcoin alcanzaron 60 millones de toneladas de CO₂ en 2021 —similares a las de Grecia—, según el Índice de Consumo de Electricidad de Cambridge. Hoy, los mismos patrones se repiten con los chips HBM: Samsung y SK Hynix han inaugurado plantas en Vietnam y Malasia, donde el 55 % de la electricidad proviene de gas natural y carbón, a pesar de sus compromisos verdes.
La lección no aprendida radica en la ley de los rendimientos decrecientes: aunque la eficiencia por chip mejore, el crecimiento del volumen anula los avances. En 2017, cada transacción de bitcoin consumía 30 kWh; para 2021, pese a chips un 30 % más eficientes, el consumo por transacción se disparó a 1,200 kWh por la explosión de la demanda. TechInsights advierte que el sector de memorias para IA podría seguir el mismo camino: incluso si las HBM reducen su huella un 15 % anual, la producción prevista para 2030 —cuadruplicando la actual— llevaría las emisiones a 310 millones de toneladas de CO₂, un 25 % más que las proyecciones actuales.
¿Repetirá la IA los errores del bitcoin?
La diferencia crítica está en la escala: mientras la minería de criptomonedas era un nicho, la IA es una prioridad geopolítica. Países como EE.UU. (con su CHIPS Act) y la UE (con el European Chips Act) ya destinaron $120,000 millones en subsidios a fábricas de semiconductores, pero ninguno de estos fondos exige métricas vinculantes de emisiones. Sin regulaciones que penalicen el carbono incorporado en cada chip —como el impuesto fronterizo de la UE para el acero—, la historia del bitcoin no será una advertencia, sino un guion repetido. La pregunta ya no es si habrá un colapso ambiental, sino qué gobierno tendrá el valor de frenar la máquina cuando los beneficios económicos —y militares— de la IA sean demasiado tentadores.