Google y Nvidia dieron el primer paso para probar data centers en órbita para IA: paneles solares arriba, chips abajo… y frío cósmico como aliado. Un giro que busca romper el cuello de botella energético en tierra.
Primero, las noticias. El 4 de noviembre de 2025, Google presentó públicamente Project Suncatcher, una investigación para montar constelaciones de satélites con procesadores de IA (TPUs), enlazados entre sí por láser y alimentados directamente por el Sol. El plan, aún exploratorio, dibuja prototipos modulares y perfila un primer equipo de pruebas rumbo a órbita a partir de 2027, con la ambición de escalar cómputo sin pelear megavatios con las ciudades.
Casi en paralelo, Nvidia empezó a poner hardware de centro de datos en el espacio. De la mano de la startup Starcloud (y con aliados como Crusoe para la capa cloud), anunció y realizó el envío de GPUs H100 (que son utilizadas actualmente en los datacenter de IA) para ensayos en órbita baja: la primera vez que una GPU de clase data center se prueba así, con la promesa de medir rendimiento, radiación, disipación térmica y enlaces de datos. La narrativa: llevar cómputo donde la energía solar abunda y el “frío” se gestiona por radiación. Lea también IA e imparcialidad judicial: ¿un veredicto sin sesgos es posible?
¿Y por qué esto importa? Hoy el crecimiento de la IA choca con dos límites terrestres: energía y refrigeración. Cada salto de modelo exige más vatios y más agua o aire frío; los parques eólicos y solares no siempre están a tiro de fibra, y adaptar redes eléctricas es carísimo. De ahí que la órbita prometa dos ventajas: energía solar directa (sin líneas de transmisión) y gestión térmica por radiación (menos gasto en enfriamiento), justo lo que Suncatcher y los vuelos de prueba con H100 buscan validar técnicamente.
Ahora, pasemos a los pros de esta apuesta espacial:
- Energía donde está el Sol. Arriba no hay nubes ni noches largas (en LEO
hay ciclos rápidos de luz/sombra), y los paneles rinden de forma muy predecible. Si demuestran buen factor de capacidad, reduces presión sobre las redes eléctricas en tierra. Para una industria que ya mira gigavatios, eso suena a música. - Menos enfriamiento activo. En el vacío no hay convección, pero con radiadores y orientación puedes disipar calor de forma eficiente sin plantas de agua helada. Eso atacaría el segundo gran gasto operativo de un centro de datos moderno. Los pilotos buscarán justamente esa curva de aprendizaje térmica.
- Resiliencia y soberanía distribuida. Constelaciones repartidas reducen riesgos de fallos locales (olas de calor, apagones, inundaciones). Además, podrías segmentar cargas por regiones con enlaces ópticos entre satélites y “bajadas” programadas, abriendo nuevas arquitecturas de nube híbrida.
- Eficiencia “del dato al valor”. Mucho dato nace en el cielo (imágenes, radar, IoT satelital). Procesar y filtrar en órbita —inferir, comprimir, sintetizar— ahorra ancho de banda hacia tierra: envías conocimiento, no ruido.
Pero no todo es un paseo en chalupa; hay contras serios:
- Latencia y ancho de banda. Entrenar modelos gigantes exige miles de chips “hablando” a terabits por segundo con latencias bajísimas. Aun con enlaces láser intersatélite, la ida y vuelta a estaciones terrenas añade retrasos. Por eso, lo primero que veremos arriba será inferencia programada y lotes más que entrenamiento masivo.
- Radiación y mantenimiento. Rayos cósmicos y ciclos térmicos castigan la electrónica. Calificar GPU/TPU para años de servicio sin “manita de gato” es complejo; por eso Starcloud/Nvidia enfocan pruebas tempranas: medir errores, blindajes y degradación real.
- Economía del kilogramo. Lanzar cada kilo cuesta. Aunque el precio por kilo cae, la cuenta de CAPEX/OPEX incluye repuestos, reabastecimiento y fin de vida (desorbitado). El modelo de negocio deberá cerrar contra centros de datos con energía renovable en tierra que siguen bajando costos.
- Marco legal y basura espacial. A mayor densidad en LEO, más riesgo de colisiones. Cualquier “nube” orbital necesita planes estrictos de mitigación de desechos y normas claras de datos transfronterizos procesados sobre terceros países.
- Actualizaciones rápidas. En tierra cambias un servidor en semanas; en el espacio, piensas módulos plug-and-play y cadencias de lanzamiento. Las generaciones de chips avanzan anual o bianualmente; la arquitectura orbital tendrá que asumir obsolescencia planificada.
¿Qué podemos esperar en el corto plazo? Un híbrido: pruebas en órbita baja con cargas acotadas (inferencias, compresión, distilación de modelos, procesamiento de imágenes) y, si los números térmicos/energéticos dan, constelaciones piloto a finales de década. Google, desde Suncatcher, empuja el diseño de sistema (láseres intersatelitales, clusters modulares de TPUs); Nvidia, con Starcloud y socios, pone a prueba la electrónica de alto rendimiento en el ambiente real. Cada vuelo añade datos que decidirán si la “nube” despega más allá del PowerPoint. Le puede interesar:Adiós teclado y mouse: la nueva era ya empezó
Al final, esta carrera hacia los data centers en órbita puede parecer lejana, pero las piezas se están alineando: chips que rinden más sin tragarse la red eléctrica y modelos de IA cada vez más compactos, hechos para trabajar donde no sobra ni un vatio. Es una combinación que encaja con la lógica del espacio y que, si los experimentos de Google y Nvidia prosperan, terminará dibujando una nueva capa de infraestructura alrededor del planeta. Y aunque desde Cartagena miremos al cielo más por el clima que por los satélites, no estamos fuera del mapa: puertos, cables submarinos y talento digital son puntos de apoyo reales para esa nube que, poco a poco, empieza a subir de nivel. Lo que hoy suena a apuesta futurista puede convertirse mañana en parte silenciosa —pero crucial— del mundo conectado que usamos sin pensarlo, como la brisa que se cuela sin permiso por las calles del Centro.