Gas natural para IA: hyperscalers arriesgan costos que podrían triplicarse en 2026

El riesgo energético que los hyperscalers subestiman

Las grandes tecnológicas como Amazon, Google, Meta y Microsoft están apostando fuertemente por el gas natural para alimentar sus centros de datos de IA, pero un nuevo informe de la firma de investigación energética Noreva advierte que podrían enfrentar aumentos de hasta el triple en los precios del combustible en los próximos años. Según el CEO de Noreva, Peter Gardett, «todo el mundo en los mercados energéticos ha sido adormecido con la sensación de que los precios del gas no pueden subir», pero la aritmética simple muestra un mercado mucho más ajustado que hace solo unos años.

Las apuestas billonarias de los hyperscalers

En marzo de 2026, Meta anunció la construcción de una planta de gas natural de 7,5 gigavatios en Louisiana para alimentar su centro de datos Hyperion. Pocos días después, Microsoft y Google revelaron planes para construir sus propias plantas de gas a escala de gigavatios en Texas. Amazon no quiso quedarse atrás y planea una planta de 7,6 gigavatios también en Texas.

Estas inversiones representan un cambio radical para empresas que históricamente han evitado grandes gastos de capital en infraestructura física. Según Gardett, al menos un inversor con el que habló estaba «sorprendido» por la cantidad de riesgo de precio del gas natural que los hyperscalers están dispuestos a asumir. «Están haciendo cosas que no son normales para un comprador de energía», señaló.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El pronóstico que preocupa

Noreva espera que los precios del gas natural se disparen por encima de 10 dólares por millón de BTU en ciertos centros de distribución, mientras que hoy oscilan entre 2 y 4,50 dólares, con el Henry Hub de Louisiana cotizando en justo por debajo de 3 dólares. El combustible representa aproximadamente la mitad del costo de la electricidad de una gran planta de energía, por lo que una duplicación o triplicación de los precios del gas natural podría hacer que los centros de datos de IA «trae tu propia energía» sean mucho más caros de operar.

Según Gardett, los precios estables del gas natural han sido posibles gracias a años de demanda relativamente plana y la adición constante de nuevos suministros, pero esto está cambiando. «Lo que está cambiando el número es que finalmente estamos conectando el mercado interno de gas con el mercado global de gas», explicó. «Y lo segundo es la demanda de IA».

El impacto en el ecosistema startup

Cómo afectará a los costos de computación en la nube

Para las startups que dependen de servicios de IA en la nube como AWS, Azure o Google Cloud, este escenario podría traducirse en aumentos significativos en los costos de procesamiento. Según el informe de Green Gas Turbines, el consumo global de electricidad de los centros de datos podría más que duplicarse para 2030, impulsado principalmente por las cargas de trabajo de entrenamiento e inferencia de IA. La Agencia Internacional de Energía estima que los centros de datos podrían consumir más de 1.000 TWh anuales para 2030, aproximadamente igual al consumo total de electricidad de Japón.

La alternativa del hidrógeno

Una solución emergente son las turbinas de gas listas para hidrógeno, que ofrecen a los hyperscalers un puente creíble hacia la descarbonización: gas natural hoy, mezcla de hidrógeno para 2028-2030 e hidrógeno verde al 100% a medida que aumenta la oferta. Según el análisis de Green Gas Turbines, este enfoque por fases es mucho más práctico que esperar una solución «totalmente renovable» que no pueda ofrecer la fiabilidad del 99,995% requerida para los centros de datos de nivel IV.

Qué significa esto para tu startup

1. Diversifica tus proveedores de infraestructura

No dependas exclusivamente de un solo hyperscaler. Considera estrategias multi-cloud que te permitan mover cargas de trabajo según la competitividad de precios. Los aumentos en los costos energéticos probablemente se trasladarán a los precios de los servicios de IA, y tener flexibilidad será crucial.

2. Optimiza tus modelos de IA

Invierte en técnicas de optimización de modelos que reduzcan el consumo computacional. Modelos más pequeños y eficientes, cuantización y pruning pueden reducir significativamente tus costos operativos. Según el análisis de Green Gas Turbines, un solo entrenamiento de modelo de lenguaje grande en un clúster de decenas de miles de GPUs puede consumir 50-100 MW continuamente durante 3-6 meses.

3. Considera soluciones edge computing

Para cargas de trabajo específicas, evalúa si el procesamiento en el edge podría ser más eficiente que depender de centros de datos centralizados. Esto reduce la dependencia de la infraestructura cloud y puede ofrecer ventajas de latencia.

4. Monitorea los contratos de energía a largo plazo

Si tu startup opera infraestructura física, considera contratos de energía a largo plazo para protegerte de la volatilidad de precios. Los hyperscalers están haciendo precisamente esto, y las startups con necesidades energéticas significativas deberían seguir su ejemplo.

5. Prepara tu estrategia de sostenibilidad

La presión regulatoria y social sobre el consumo energético de la IA solo aumentará. Desarrolla métricas claras de eficiencia energética y considera cómo comunicarás tu impacto ambiental a inversores y clientes.

El futuro de la energía para la IA

Según el análisis de Green Gas Turbines, la tendencia de las turbinas de gas para centros de datos no es temporal. Incluso a medida que crece la adquisición de energías renovables, la brecha de intermitencia y la enorme escala de la demanda de energía de IA significan que la generación firme y despachable seguirá siendo esencial para los estándares de fiabilidad de nivel III y IV.

Para la industria de las turbinas de gas, los centros de datos representan la mayor fuente de crecimiento de nuevos pedidos en una década. Para los operadores de centros de datos, las turbinas de gas listas para hidrógeno representan la única tecnología que puede ofrecer simultáneamente fiabilidad, velocidad, escala y un camino creíble hacia las cero emisiones netas.

Conclusión

Los hyperscalers están navegando por aguas desconocidas al apostar fuertemente por el gas natural para alimentar sus ambiciones de IA. Mientras que los precios actuales parecen estables, la convergencia de la creciente demanda de IA, la disminución del crecimiento de la oferta y el aumento de las exportaciones de GNL podría crear un escenario donde los costos se tripliquen en algunas regiones.

Para las startups, esto significa que la eficiencia energética se convertirá en una ventaja competitiva aún más crítica. Aquellas que puedan hacer más con menos consumo computacional no solo reducirán costos, sino que también se posicionarán mejor frente a clientes e inversores cada vez más conscientes del impacto ambiental de la tecnología.