Meta prepara dos supercentros de IA de hasta 5 gigavatios

El 14 de julio de 2025, Mark Zuckerberg describió Prometheus y Hyperion como parte del despliegue de grandes clústeres de Meta. La fuente original sostiene el núcleo documental del hecho; la potencia anunciada es una capacidad futura de diseño, no energía entregada ni cómputo útil medido.

La magnitud no es un detalle técnico. Un gigavatio equivale a 1.000 megavatios de potencia eléctrica: es una escala propia de grandes instalaciones industriales y, en algunos casos, de una central eléctrica. Meta quiere convertir esa energía en la capacidad de cálculo necesaria para entrenar y operar sus próximos modelos de IA. Documento que sostiene la cifra.

Prometheus llegará en 2026; Hyperion crecerá después

Prometheus estará situado en New Albany, Ohio, y Meta prevé que alcance 1 GW de capacidad en 2026. Zuckerberg lo ha presentado como uno de los primeros centros de datos de IA de esa escala bajo control de una tecnológica. Documento que sostiene la cifra.

El proyecto más ambicioso es Hyperion. Estará en Luisiana, previsiblemente en Richland Parish, donde Meta ya había anunciado una inversión de 10.000 millones de dólares para construir un centro de datos. La compañía espera poner en marcha 2 GW de capacidad allí para 2030 y aumentar posteriormente el complejo hasta 5 GW. Documento que sostiene la cifra.

Zuckerberg ha afirmado que el recinto ocupará una parte considerable de una superficie comparable a Manhattan. Esa comparación ilustra el tamaño físico del plan, pero conviene distinguirla de la potencia anunciada: Hyperion no dispondrá de 5 GW desde su apertura, sino que es el techo de una expansión prevista para varios años. Documento que sostiene la cifra.

La inversión tampoco se limita a una cifra concreta para estos dos proyectos. El consejero delegado ha escrito que Meta invertirá cientos de miles de millones de dólares en capacidad de cálculo para construir superinteligencia, el término con el que la empresa se refiere a sistemas que superarían ampliamente las capacidades humanas en muchas tareas. Es un compromiso de inversión, no un presupuesto cerrado de Hyperion y Prometheus.

El cálculo se convierte en una ventaja competitiva

Los modelos de IA de frontera requieren enormes grupos de chips, redes de alta velocidad, sistemas de almacenamiento y refrigeración. A esa combinación se la suele llamar cluster; cuando alcanza dimensiones excepcionales, las empresas hablan de supercluster.

Meta no parte de cero. La empresa ya desarrolla la familia de modelos abiertos Llama y cuenta con una de las mayores infraestructuras de centros de datos del sector. Pero su anuncio llega después de una ofensiva para reforzar Meta Superintelligence Labs, su nueva división de IA avanzada. En las últimas semanas fichó a Alexandr Wang, hasta entonces consejero delegado de Scale AI, y a Daniel Gross, cofundador de Safe Superintelligence.

La lógica es directa: contratar investigadores de primer nivel es más fácil si pueden trabajar con la capacidad informática que necesitan. OpenAI, Google DeepMind y Anthropic también dependen de recursos de cálculo cada vez mayores, mientras que xAI ha desarrollado su superordenador Colossus y OpenAI impulsa Stargate junto a Oracle y SoftBank.

Esta carrera está cambiando el criterio con el que se mide la fortaleza de una compañía de IA. Ya no basta con publicar un modelo competitivo: hay que poder entrenar la siguiente generación y servirla a millones de personas sin que los costes de computación se disparen.

La electricidad y el agua pasan a ser parte del debate sobre IA

El reverso de estos anuncios es energético. Un centro de datos de varios gigavatios consume una cantidad de electricidad comparable a la de una gran área urbana, y necesita además infraestructura de red, generación disponible y sistemas de refrigeración que pueden requerir grandes volúmenes de agua.

La presión ya es visible en algunas comunidades estadounidenses. The New York Times informó este lunes de que un proyecto de Meta en Newton County, Georgia, ha coincidido con problemas de suministro de agua en viviendas cercanas. No demuestra por sí solo que todos los centros de datos vayan a producir el mismo efecto, pero sí anticipa el tipo de conflicto local que pueden provocar instalaciones de esta escala.

El Departamento de Energía de Estados Unidos estimó a finales de 2024 que los centros de datos podrían representar entre el 6,7% y el 12% del consumo eléctrico nacional en 2028, frente al 2,5% de 2022. La IA es una de las razones de ese salto, junto con la expansión de la computación en la nube. Documento que sostiene la cifra.

La Administración Trump ha respaldado el despliegue de infraestructura para IA y defiende ampliar la generación eléctrica mediante fuentes como la nuclear, el gas natural, la geotermia y el carbón. Para Meta, disponer de energía será tan decisivo como comprar chips. Para Luisiana y Ohio, la cuestión será bajo qué condiciones llega esa inversión: quién paga las ampliaciones de red, de dónde procede la electricidad y cómo se protege el acceso de las comunidades al agua.

Prometheus será la primera prueba tangible en 2026. Hyperion plantea una ambición mayor: que un solo complejo de Meta pueda crecer hasta una potencia que obligue a planificar la IA como un asunto de política industrial y energética, no solo de software.

Cómo convertir el titular en una comprobación

La potencia de placa no es cómputo útil. Entre la conexión eléctrica y un modelo funcionando hay subestaciones, refrigeración, redes, memoria, almacenamiento, software y disponibilidad de equipos. la potencia anunciada es una capacidad futura de diseño, no energía entregada ni cómputo útil medido. El anuncio se convierte en capacidad solo cuando cada eslabón tiene fecha, responsable y medición.

Comparar sistemas exige fijar la carga. Entrenamiento, ajuste e inferencia usan memoria, comunicación y precisión de manera distinta. Una cifra máxima del fabricante puede depender de formatos, software o modelos que no coinciden con el trabajo real. Para valorar cómo leer un centro de datos como cadena de potencia, red, refrigeración, utilización y fecha, se ejecuta el mismo conjunto con versiones y consumo registrados.

La utilización revela la distancia entre inventario y resultado. Equipos instalados pueden esperar datos, red o reparaciones. Una ficha útil registra horas disponibles, trabajo completado, fallos, energía total y retrasos. También distingue una primera fase operativa de la escala final anunciada; mezclar ambas convierte el futuro en presente.

Qué debe quedar registrado

El coste físico se mide, no se deduce de una sola magnitud. Importan origen y horario de la electricidad, refrigeración, agua, construcción, redundancia y vida útil. La evaluación debe publicar el perímetro y evitar compensaciones vagas. Ese inventario permite comparar opciones y preguntar qué capacidad se obtiene por el recurso consumido.

Una ficha de evidencia separa cuatro columnas: lo que afirma la fuente, lo que muestra, lo que no midió y qué tendría que ocurrir para cambiar la conclusión. Esa disciplina evita que una ausencia se convierta en promesa y que una condición desaparezca al resumir. También permite actualizar la pieza sin reescribir la historia desde el resultado posterior.

Conviene incluir un caso negativo antes de decidir. Se busca una situación donde el sistema, norma, operación o estudio no resuelva la necesidad y se anota la señal que obligaría a parar. Los éxitos seleccionados muestran que algo puede ocurrir; el caso negativo revela el límite y reduce el coste de descubrirlo después del despliegue.

La capacidad que sobrevive al anuncio

La comparación válida conserva denominador y eje. No enfrenta una cifra puntual con un promedio, una capacidad futura con una instalada ni una predicción con una observación. Cuando dos fuentes usan palabras parecidas, se reconstruye qué contaron y durante qué periodo. Si no coinciden, se publican como medidas distintas en vez de fabricar una clasificación.

El registro debe sobrevivir al cambio de versión. Guarda URL, fecha de consulta, documento, configuración y decisión tomada. Al aparecer nueva evidencia, se añade con su fecha y se explica qué modifica. Esa trazabilidad protege contra dos errores opuestos: mantener una conclusión caducada o fingir que un dato posterior ya se conocía el día del hecho.