Una red de carga para autos eléctricos quiere instalar 100.000 GPUs Nvidia junto a sus estaciones

Construir un data center de inteligencia artificial suele comenzar con un problema lento y poco glamoroso: conseguir suficiente electricidad y esperar la conexión a la red. Xeal cree haber encontrado un atajo peculiar. La empresa ya opera infraestructura para cargar autos eléctricos y quiere utilizar la capacidad energética que permanece ociosa para instalar hasta 100.000 GPUs Nvidia.

Xeal afirma que cuenta con más de 1.600 ubicaciones y unos 200 MW de infraestructura eléctrica permitida e instalada. Su propuesta es colocar pequeños módulos de cómputo llamados Latient Pods junto a esos sitios y convertirlos en una red distribuida para inferencia de IA.

La idea ataca precisamente un problema que venimos siguiendo. En Ohzom ya explicamos que los data centers de IA en Estados Unidos enfrentan una brecha eléctrica estimada de 32 GW hasta 2028. Xeal intenta aprovechar capacidad que ya fue conectada a la red, pero que una estación de carga no utiliza todo el tiempo.

Cada módulo puede llevar hasta 48 GPUs

Los Latient Pods están diseñados como gabinetes autónomos instalables en exteriores. Cada uno puede incorporar hasta 48 GPUs Nvidia Hopper o Blackwell Ultra, con refrigeración independiente y sin necesidad de conexión de agua.

La empresa afirma que pueden instalarse y quedar operativos en horas, algo muy distinto a los años que puede tomar construir un campus completo de data centers y asegurar nueva capacidad de red.

La clave está en que las estaciones usan menos energía de la que tienen reservada

Según Xeal, muchos de sus sitios utilizan normalmente menos de 10% de la capacidad eléctrica permitida. Una estación debe estar preparada para momentos de alta demanda, pero esa infraestructura queda infrautilizada durante muchas horas.

El plan es usar parte de ese margen para cómputo cuando esté disponible, transformando una conexión eléctrica ya construida en un activo que pueda generar ingresos adicionales.

Esto no sería un reemplazo para los grandes data centers

Una red de pequeños pods no tiene la misma escala ni eficiencia operativa que un campus diseñado específicamente para entrenar modelos gigantes.

Xeal apunta principalmente a inferencia: ejecutar modelos ya entrenados para responder consultas, procesar imágenes o realizar tareas cerca del usuario. Esa carga puede beneficiarse de estar distribuida por ciudades en vez de concentrada a cientos de kilómetros.

La empresa promete latencias inferiores a 20 milisegundos

Xeal llama Metro Edge a la idea de repartir los pods dentro de áreas metropolitanas. Según la empresa, esa cercanía podría ofrecer tiempos de respuesta inferiores a 20 ms frente a workloads alojados en data centers distantes.

La ventaja tendría sentido para aplicaciones sensibles a latencia, aunque el rendimiento real dependerá de red, carga de trabajo, disponibilidad energética y cómo se coordinen miles de GPUs distribuidas.

El plan también plantea preguntas bastante terrenales

Instalar decenas de GPUs de altísimo valor dentro de gabinetes junto a estacionamientos obliga a pensar en seguridad física, mantenimiento, temperatura, conectividad y ruido.

Xeal dice que los módulos tendrán envolvente NEMA 4 para resistir exteriores, refrigeración propia y operación por debajo de 65 dB. Aun así, administrar una red de miles de pequeños nodos es un desafío diferente al de concentrar servidores dentro de un edificio vigilado.

La carrera de IA está buscando electricidad donde ya existe

La propuesta de Xeal es interesante aunque nunca llegue exactamente a 100.000 GPUs. Muestra un cambio de mentalidad: cuando construir nueva capacidad eléctrica toma demasiado tiempo, las empresas empiezan a buscar infraestructura ya conectada y preguntar cuánto de ella permanece ociosa.

Una estación de carga para autos eléctricos y un cluster de IA parecían mundos separados. La escasez de energía está haciendo que compartan algo esencial: ambos quieren el mismo megawatt, y ahora alguien intenta hacer que lo usen por turnos.