Assessing the Carbon Emissions and Energy Consumption of U.S. Hyperscale Data Centers

Resumen Técnico: Evaluación de las Emisiones de Carbono y el Consumo de Energía de los Centros de Datos de Hiperescala en EE. UU.

Planteamiento del Problema
La rápida proliferación de los centros de datos de hiperescala (HDC, por sus siglas en inglés) en los Estados Unidos, impulsada en gran medida por la adopción de la inteligencia artificial (IA), ha generado una preocupación significativa respecto a su huella ambiental. Si bien los centros de datos son la columna vertebral de la infraestructura digital moderna, su naturaleza intensiva en energía —derivada de la potencia computacional y los requisitos de refrigeración— ha provocado un aumento en la demanda de electricidad y las emisiones de gases de efecto invernadero asociadas. La literatura existente presenta una variedad de estimaciones para el uso de energía de los centros de datos, pero los estudios revisados por pares que examinan específicamente las emisiones de las instalaciones de hiperescala son escasos. Las estimaciones previas, como las de Siddik et al. (17) para 2018, están desactualizadas dado el aumento en la demanda de las cargas de trabajo de IA y la minería de criptomonedas (la cual se excluye de este análisis). Además, existe una falta de datos a nivel de instalación que integre fuentes heterogéneas, valide la infraestructura mediante imágenes satelitales y atribuya las emisiones a plantas de energía específicas utilizando los datos de red más recientes.

Metodología
Los autores desarrollaron un flujo de trabajo escalable y basado en datos para estimar el consumo de electricidad y las emisiones de CO2 atribuibles de 403 centros de datos de hiperescala en EE. UU. que operaron entre mayo de 2024 y abril de 2025. La metodología consta de cinco pasos clave:

1. Recopilación y Validación de Datos: El estudio compiló un conjunto de datos de 675 posibles HDC de proveedores privados (Baxtel). Este conjunto de datos fue rigurosamente validado mediante imágenes satelitales de alta resolución (Esri World Imagery) y datos de la huella de los edificios de OpenStreetMap (OSM). A través de la verificación manual y la geocodificación, los autores confirmaron la ubicación e identidad de 403 instalaciones, obteniendo los datos de superficie para todas ellas.
2. Estimación de la Capacidad de Potencia: Para las 6 instalaciones que carecían de capacidad de potencia reportada, se entrenó un modelo de Árbol de Regresión de Potencia Gradiente (GBRT) para imputar los valores faltantes. El modelo utilizó la superficie del edificio, el tipo de clima (clasificación Köppen-Geiger) y la región de la autoridad de equilibrio como predictores. El modelo alcanzó un $R^2$ de 0.807 en una división de validación aleatoria de 85/15, confirmando su utilidad como herramienta de imputación en lugar de un modelo predictivo general para nuevos emplazamientos mediante esquemas de validación agrupados.
3. Modelado del Consumo de Electricidad: El consumo anual de electricidad se estimó multiplicando la capacidad eléctrica total de la instalación (incluyendo TI, refrigeración y gastos generales) por las horas de operación anuales (8,760) y un coeficiente de carga de la instalación ($u$). Reconociendo la incertidumbre al traducir la capacidad nominal a la carga operativa real, los autores reportaron resultados a través de cuatro escenarios motivados físicamente:
   • Carga baja ($u=0.48$): Servidores convencionales, diseño de capacidad máxima nominal.
   • Central ($u=0.58$): Servidores convencionales, diseño de capacidad medida, consistente con el modelado de flujo de potencia de base y verificaciones independientes implícitas de PUE.
   • Intermedia-alta ($u=0.663$): Utilización efectiva a nivel de servidor aplicada a la capacidad de la instalación (mantenida para dar continuidad a estudios previos).
   • Alta ponderada por IA ($u=0.70$): Reflejando una mayor utilización para instalaciones especializadas en IA.
4. Modelado de Emisiones Atribucionales: Cada HDC fue geolocalizado a su correspondiente autoridad de equilibrio (BA). Se aplicó un modelo de atribución ponderado por generación de energía (EGW), asumiendo que, dentro de cada BA, la demanda total de electricidad de los HDC se distribuye entre las plantas de energía en proporción a su generación neta anual de electricidad. Este enfoque utiliza los datos de la planta EPA eGRID2023 (la versión completa más reciente al momento de la revisión) para asignar mezclas de combustible y factores de emisión.
5. Cálculo de la Intensidad de Carbono: El estudio calculó la intensidad de carbono promedio ponderada (gCO2/kWh) para los HDC agregando las emisiones y la carga atribuidas a las plantas de energía suministradoras, comparando estas métricas con el promedio nacional de la red de EE. UU.

Contribuciones Clave

• Conjunto de Datos Exhaustivo: La creación de un conjunto de datos validado a nivel de instalación de 403 HDC en EE. UU., que representa una huella de electricidad de hiperescala nacional estimada entre el 56% y el 82%.
• Marco Atribucional: La aplicación de un método de contabilidad atribucional transparente que vincula centros de datos específicos con la mezcla de generación física de sus autoridades de equilibrio, distinguiendo este trabajo de los enfoques consecuenciales (marginales).
• Estimación Basada en Escenarios: La provisión de un rango de estimaciones (68–99 TWh de electricidad; 3–54 Mt de CO2) en lugar de una estimación de punto único, contabilizando explícitamente las incertidumbres en los factores de carga de las instalaciones y la cobertura incompleta.
• Herramienta Pública: El desarrollo de una plataforma web de acceso público que permite a los usuarios explorar las huellas de carbono, las cargas de electricidad y las mezclas de combustible a nivel de estado y de autoridad de equilibrio.

Resultados

• Consumo de Electricidad: Bajo el escenario central ($u=0.58$), los 403 HDC consumieron aproximadamente 82 TWh de electricidad, lo que representa cerca del 1.8% del consumo total de electricidad de EE. UU. En todos los escenarios, el consumo osciló entre 68 y 99 TWh (1.5–2.2% del total nacional).
• Emisiones de Carbono: Las emisiones de CO2 asociadas oscilaron entre 37 y 54 millones de toneladas métricas (Mt), con una estimación central de 45 Mt. Esto es aproximadamente de 3.5 a 5 veces mayor que los 10.5 Mt estimados para los HDC en 2018.
• Distribución Geográfica: Virginia albergó la mayor cantidad de HDC (142) y el mayor consumo agregado (~21 TWh), seguida de Oregón, Ohio e Iowa. Juntos, estos cuatro estados representaron más del 50% del consumo total de electricidad de los HDC en la muestra.
• Mezcla de Combustible e Intensidad de Carbono: Aproximadamente el 53.9% de la electricidad atribuida a los HDC fue suministrada por combustibles fósiles (38.2% gas natural, 15.2% carbón), el 20.9% por energía nuclear y el 25.3% por energías renovables. La intensidad de carbono promedio ponderada por la electricidad de los HDC fue de aproximadamente 545 gCO2/kWh, lo cual es un 48% superior al promedio nacional de la red de EE. UU. contemporánea de 370 gCO2/kWh. Notablemente, el 90% de la demanda de electricidad de los HDC se localiza en autoridades de equilibrio con intensidades de carbono por encima del promedio nacional.

Significancia y Reivindicaciones
El artículo afirma proporcionar una herramienta atribucional robusta para evaluar la huella ambiental de los centros de datos de hiperescala utilizando los datos de planta eGRID2023 de la EPA más recientes. Los autores enfatizan que su enfoque ofrece una evaluación estadísticamente sólida debido a la visibilidad distintiva y la infraestructura bien documentada de los HDC. Argumentan que sus hallazgos resaltan la concentración desproporcionada de centros de datos en regiones con redes de alta intensidad de carbono, un factor crítico que a menudo se pasa por alto en los análisis sectoriales más amplios. El estudio subraya la urgencia de la toma de decisiones basada en datos para informar políticas destinadas a mitigar el impacto ambiental de los centros de datos, particularmente a medida que la adopción de la IA impulsa una mayor expansión. Los autores señalan explícitamente que sus estimaciones son cifras basadas en escenarios acotados en lugar de límites inferiores estrictos, reconociendo limitaciones como la cobertura incompleta de las instalaciones y la falta de datos de PUE a nivel de instalación. Posicionan su trabajo como un paso necesario para reconocer a los centros de datos como un sector económico relevante que requiere atención política específica, distinguiendo su atribución a nivel de instalación de las proyecciones de emisiones de nivel de servidor o específicas de IA encontradas en otra literatura.