Del silicio al rack completo: AMD adelanta su hoja de ruta 20×30 mientras la energía se convierte en uno de los principales límites para escalar infraestructura de IA. AMD estima que la eficiencia energética de sus configuraciones de IA a escala de rack mejoró aproximadamente 4 veces entre 2024 y mediados de 2026, superando el objetivo intermedio de 3x. La compañía busca alcanzar una mejora de 20x para entrenamiento e inferencia en 2030 tomando 2024 como año base.

Aspectos clave

• AMD estima una mejora de 4x en eficiencia energética de IA entre 2024 y mediados de 2026.
• La compañía había proyectado aproximadamente 3x para este punto de la hoja de ruta, por lo que informa estar adelantada respecto de su objetivo.
• La meta 20×30 busca multiplicar por 20 la eficiencia energética a escala de rack para entrenamiento e inferencia entre 2024 y 2030.
• La métrica compara performance-per-watt, no solamente consumo eléctrico bruto.
• AMD incluye CPU, GPU, memoria, almacenamiento, networking y componentes internos de refrigeración dentro de sus configuraciones de rack.
• La metodología no incluye la energía utilizada externamente para producir o suministrar aire o agua de refrigeración al rack; por tanto, no equivale a medir el consumo energético total del data center.
• AMD proyecta que aproximadamente dos racks en 2030 podrían proporcionar el mismo cómputo que 570 racks de referencia de 2024 para un workload representativo de entrenamiento.
• En ese escenario modelado, AMD calcula una reducción de 20x en electricidad durante la fase de uso y 28x en intensidad de carbono.
• La IEA estima actualmente que el consumo eléctrico de data centers podría crecer de unos 485 TWh en 2025 a cerca de 950 TWh en 2030, mientras los centros orientados específicamente a IA triplicarían su consumo.
• Por ello, mejorar eficiencia por unidad de cómputo no garantiza necesariamente que disminuya el consumo eléctrico absoluto del sector.

La energía comienza a convertirse en una métrica de rendimiento

Lima, Perú, 19 de agosto de 2026.— A través de buena parte de la historia de la computación de alto rendimiento, la conversación estuvo dominada por una pregunta: ¿cuánto más rápido puede procesar un sistema? La expansión de la inteligencia artificial introduce otra: ¿cuánto cómputo puede producir con la electricidad disponible? AMD anunció que estima haber conseguido una mejora de aproximadamente 4x en eficiencia energética de IA entre 2024 y mediados de 2026, frente al incremento de 3x contemplado originalmente para esta etapa de su hoja de ruta. La compañía sostiene además que ese ritmo supera en más del doble la tendencia histórica utilizada como referencia. La cifra es relevante porque AMD pretende llegar en 2030 a una mejora de 20x a escala de rack para workloads tanto de entrenamiento como de inferencia. Pero el cambio importante no está únicamente en el número. Está en qué se está midiendo. Fuente: https://newsroom.amd.com/news/amd-tracks-ahead-of-rack-scale-ai-energy-efficiency-goal/

Del chip eficiente al sistema eficiente

AMD ya había desarrollado previamente su objetivo denominado 30×25. Aquella meta buscaba mejorar 30 veces entre 2020 y 2025 la eficiencia energética de nodos acelerados utilizados para entrenamiento de IA y HPC. AMD terminó reportando una mejora aproximada de 38,5x, equivalente según sus cálculos a alrededor de 97% menos energía para obtener el mismo rendimiento respecto del sistema base de 2020. Pero aquel indicador operaba principalmente a nivel de nodo. 20×30 cambia el enfoque. Ahora la unidad es: el rack completo. La metodología presentada por AMD ante la SEC incorpora configuraciones que incluyen:

• GPU;
• CPU;
• DRAM;
• almacenamiento;
• comunicaciones;
• refrigeración interna;
• consumo y rendimiento del conjunto.

Esto responde a una realidad de la infraestructura moderna de IA. Una GPU más eficiente no resuelve el problema si mover información hacia ella consume demasiado tiempo y energía.

Mover datos también consume energía

Los grandes modelos necesitan alimentar continuamente a sus aceleradores con enormes cantidades de información. Por eso la eficiencia empieza a depender tanto de: cómputo, ancho de banda de memoria, y
ancho de banda de interconexión. AMD identifica precisamente esas tres dimensiones como variables fundamentales de su modelo. Memorias HBM con mayor ancho de banda, caches más grandes y conexiones más estrechas entre memoria y cómputo pueden reducir movimientos innecesarios de información. Y cada movimiento evitado representa también energía que no necesita consumirse. A medida que un workload deja de ejecutarse sobre una única GPU y empieza a distribuirse entre cientos o miles de aceleradores, la red interna deja de ser solamente una vía de comunicación y pasa a formar parte de la ecuación energética.

Training e inference no necesitan exactamente lo mismo

AMD tampoco evalúa de forma idéntica entrenamiento e inferencia. La metodología publicada en su proxy statement 2026 asigna diferentes pesos a cómputo, HBM e interconexión. Para entrenamiento:

• FLOPS: 70%
• ancho de banda HBM: 10%
• scale-up bandwidth: 20%

Para inferencia:

• FLOPS: 45%
• HBM: 32,5%
• scale-up bandwidth: 22,5%.

Después, AMD pondera entrenamiento e inferencia al 50% cada uno para obtener la estimación agregada de progreso hacia 20x. Esto muestra por qué una única cifra como “TOPS” o “FLOPS” resulta cada vez menos suficiente para explicar eficiencia de IA. La arquitectura debe alimentar, conectar y coordinar el cómputo.

4x no significa simplemente consumir cuatro veces menos

Esta es probablemente la precisión más importante. Cuando AMD habla de una mejora de eficiencia de 4x, se refiere esencialmente a más performance por unidad de potencia comparando sus configuraciones de rack con la referencia 2024. Eso puede utilizarse de dos maneras. Con una cantidad determinada de energía: obtener más cómputo. O para una cantidad determinada de cómputo: necesitar menos energía. Pero una organización que aumente simultáneamente diez veces su demanda de inferencia puede consumir más electricidad en términos absolutos incluso utilizando hardware mucho más eficiente. Ese fenómeno es especialmente relevante porque la demanda mundial continúa creciendo. La Agencia Internacional de Energía calcula que el consumo eléctrico de data centers podría prácticamente duplicarse hasta 950 TWh en 2030, mientras el consumo de instalaciones específicamente orientadas a IA podría triplicarse entre 2025 y el final de la década. La eficiencia es, por tanto, una parte de la solución al problema energético de la IA, no una garantía automática de reducción del consumo global.

Dos racks frente a 570: cómo interpretar la proyección

La cifra más espectacular del anuncio probablemente sea esta: 2 racks en 2030 = capacidad de cómputo equivalente a 570 racks de 2024. AMD la presenta como una proyección para un workload representativo de entrenamiento de IA, basada en sus configuraciones futuras previstas, desempeño y características de potencia. El número no significa que la eficiencia energética sea 285 veces mayor. Son métricas diferentes. La reducción del número de racks refleja el fuerte aumento esperado en densidad de cómputo por rack, mientras la eficiencia energética se mide como rendimiento por vatio. De acuerdo con AMD, para el mismo volumen de cómputo, esa configuración permitiría: 20x menos electricidad en fase de uso y 28x menor intensidad de carbono. Por tanto: 570 → 2 racks = consolidación física proyectada. 20x = mejora energética proyectada. No deben utilizarse como cifras intercambiables.

28x menos intensidad de carbono no procede solamente del silicio

La proyección de carbono utiliza un workload representativo y fuentes públicas, entre ellas escenarios energéticos de la International Energy Agency. Esto significa que la reducción proyectada de 28x en intensidad de carbono incorpora no solamente mejoras del hardware, sino supuestos sobre cómo puede evolucionar la electricidad que alimentará esos sistemas. Por eso: 20x performance-per-watt está mucho más directamente asociado con la ingeniería del sistema AMD. 28x intensidad de carbono depende además de condiciones futuras del sistema energético. Esta diferencia es importante para no confundir eficiencia energética con descarbonización.

ROCm también forma parte de la ecuación

Hardware más eficiente puede desperdiciar parte de su ventaja si el software no utiliza bien los recursos disponibles. AMD incluye su stack ROCm, optimizaciones de software, estándares abiertos y colaboración con desarrolladores dentro del enfoque utilizado para mejorar despliegues de IA. El objetivo 20×30, sin embargo, está orientado a aquello que AMD considera directamente atribuible a sus mejoras de hardware y diseño de sistema. La compañía distingue ese objetivo de los posibles avances adicionales provenientes de:

• mejores algoritmos;
• cuantización;
• precisiones numéricas menores;
• optimización de modelos;
• técnicas futuras de software.

AMD considera que, combinados con el objetivo 20x, esos factores podrían potencialmente elevar hasta 100x la eficiencia general de determinados modelos hacia 2030. Es una proyección, no una meta garantizada del hardware AMD.

La precisión numérica también se convierte en herramienta energética

Los modelos históricamente utilizaron representaciones como FP32. La IA actual puede ejecutar cada vez más cargas mediante formatos de menor precisión cuando la aplicación lo permite. Al reducir la cantidad de bits utilizados para representar determinados valores, un sistema puede: procesar más operaciones, mover menos información, y consumir menos ancho de banda y energía. La propia metodología 20×30 supone progreso continuo en el aprovechamiento de formatos matemáticos de menor precisión, tanto para entrenamiento como para inferencia. Es otro ejemplo de cómo la eficiencia ya no procede de un único transistor. Resulta de hardware + memoria + algoritmos + formatos numéricos + software.

La refrigeración importa, pero la metodología tiene un límite

AMD incorpora dentro de su modelo los ventiladores y bombas que forman parte del rack. Pero existe una frontera importante: no incluye la energía externa necesaria para producir o suministrar aire o agua de refrigeración hacia esos racks. Esto significa que 20×30no es una métrica de eficiencia energética de todo el data center. No es equivalente a PUE. No contabiliza toda la planta de refrigeración, transformación eléctrica ni otras cargas auxiliares de una instalación. Esto es particularmente relevante en la era de racks de IA de alta densidad, donde refrigeración líquida, distribución eléctrica y sistemas auxiliares representan una parte creciente del diseño. Por eso resulta más correcto precisar: “eficiencia energética a escala de rack” y no: “20x más eficiencia del data center”.

La red eléctrica está entrando en la conversación de la IA

La necesidad de eficiencia tampoco es únicamente ambiental. Está empezando a ser una limitación de expansión. La IEA estima que alrededor del 20% de los proyectos de data centers actualmente planificados podría sufrir retrasos si no se solucionan determinadas restricciones de red y suministro energético. Su reporte Electricity 2026 proyecta además que los data centers podrían representar aproximadamente la mitad del crecimiento de la demanda eléctrica de Estados Unidos hasta 2030. En ese escenario, mejorar performance-per-watt tiene tres implicaciones simultáneas: capacidad: colocar más cómputo dentro de una potencia disponible, economía: reducir electricidad y refrigeración por unidad de trabajo, infraestructura: disminuir presión sobre alimentación, UPS, distribución y cooling para un determinado volumen de cómputo. Ahí la eficiencia deja de ser una métrica ESG secundaria. Puede convertirse en una variable de capacidad de negocio.

Sam Naffziger: la eficiencia depende de cooptimizar todo el sistema

Sam Naffziger, Senior Vice President y Corporate Fellow de AMD, resume el principio de diseño indicando que:

La próxima ola de eficiencia de IA dependerá de una cooptimización más estrecha entre silicio, memoria, interconexiones, software y diseño a escala de rack”.

AMD atribuye el avance 2026 precisamente a ese enfoque conjunto. El mensaje representa un cambio importante respecto de la competencia histórica por procesadores individuales: la unidad competitiva empieza a ser el sistema.

Del 30×25 al 20×30: son objetivos distintos

Puede producirse fácilmente una confusión. AMD afirmó en 2025 que había superado su anterior meta 30×25 y obtenido aproximadamente 38,5x de mejora. Ahora habla de 4x. ¿Significa que retrocedió? No. Estamos comparando métricas y años base diferentes. 30×25

• base: 2020;
• meta: 2025;
• nivel: nodo acelerado;
• workload: entrenamiento de IA + HPC.

20×30

• base: 2024;
• meta: 2030;
• nivel: rack completo;
• workloads: entrenamiento + inferencia.

Por eso el 4x de 2026 constituye el progreso inicial de una nueva métrica, no una sustitución del resultado 38,5x anterior.

Responsabilidad corporativa: tres nuevos indicadores requieren atribución temporal

AMD Perú acompañó el anuncio con resultados de su nuevo Corporate Responsibility Report 2025-26. Según la información remitida por la agencia, AMD reporta para 2025:

• 30% de reducción de emisiones operativas de GEI respecto de 2020;
• 58% de su electricidad global procedente de fuentes renovables;
• 99% de las instalaciones de proveedores manufactureros auditadas bajo RBA o un estándar equivalente.

La cadena de suministro también cuenta

AMD mantiene un modelo de negocio fabless, por lo que una parte significativa de su impacto industrial se encuentra fuera de sus propias instalaciones. La compañía utiliza el código de la Responsible Business Alliance —RBA— como código de conducta para proveedores, cubriendo trabajo, salud y seguridad, medio ambiente, ética y sistemas de gestión. Las auditorías pueden generar hallazgos de diferentes niveles y obligar al proveedor a implementar planes correctivos. En 2024, por ejemplo, AMD reportó auditorías iniciales sobre instalaciones manufactureras y procedimientos de cierre de no conformidades. Por eso el porcentaje de proveedores auditados es útil. Pero la métrica más importante a largo plazo será qué problemas se detectan, cómo se corrigen y cuánto mejora el desempeño después de las auditorías.

Más contexto

4x es una estimación

AMD señala expresamente que la cifra 2026 combina resultados medidos con estimaciones modeladas en los casos donde todavía no existía información final.

20×30 mide rendimiento por vatio

La meta compara performance-per-watt de configuraciones de rack frente a una base 2024. No equivale a afirmar que todo data center reducirá 95% o 20x su consumo total.

La infraestructura externa de refrigeración queda fuera

La metodología incorpora bombas y ventiladores internos, pero no la energía requerida para suministrar aire o agua desde sistemas externos.

570 racks frente a 2 es una proyección

Está basada en un workload representativo de entrenamiento, roadmap futuro de AMD, características proyectadas y fuentes públicas. No es un resultado experimental obtenido actualmente.

28x en carbono no equivale a 28x de eficiencia del hardware

La proyección de intensidad de carbono incorpora también escenarios relacionados con la energía utilizada.

38,5x y 4x no se contradicen

El primero corresponde al objetivo 30×25 con base 2020 y medición a nivel de nodo; el segundo pertenece a 20×30, con base 2024 y medición a escala de rack.

Eficiencia no garantiza reducción absoluta del consumo

La IEA sigue proyectando un fuerte crecimiento del consumo eléctrico de data centers debido al aumento del volumen total de cómputo.

Datos citables

• 4x: mejora estimada de eficiencia energética de IA de AMD entre 2024 y mediados de 2026.
• 3x: progreso que AMD había proyectado originalmente para esta etapa.
• 20x: meta de mejora a escala de rack para entrenamiento e inferencia entre 2024 y 2030.
• 2 racks frente a 570: equivalencia de capacidad proyectada por AMD para un workload representativo de entrenamiento en 2030 frente a 2024.
• 20x menos electricidad: proyección de AMD para el mismo cómputo dentro de ese escenario modelado.
• 28x menor intensidad de carbono: estimación asociada al mismo escenario.
• 38,5x: resultado final del objetivo anterior 30×25 a nivel de nodo.
• 950 TWh: consumo eléctrico de data centers proyectado globalmente por la IEA para 2030.
• 3x: crecimiento previsto por la IEA para el consumo de centros de datos específicamente orientados a IA entre 2025 y 2030.
• Aproximadamente 20% de proyectos de data centers planificados podrían enfrentar retrasos si persisten determinadas restricciones de integración energética, según la IEA.

Preguntas y respuestas para comprender la eficiencia energética de IA

¿Qué significa que AMD haya mejorado 4x su eficiencia energética?

Significa que AMD estima aproximadamente cuatro veces más rendimiento por unidad de potencia frente a su configuración base 2024, según su metodología a escala de rack. No significa necesariamente que cualquier workload consuma exactamente cuatro veces menos electricidad.

¿Qué significa performance-per-watt?

Es una relación entre la cantidad de trabajo computacional obtenido y la energía o potencia necesaria para producirlo. Cuanto mayor sea, más cómputo útil puede obtenerse por vatio.

¿Por qué AMD mide ahora racks en lugar de chips?

Porque los grandes workloads dependen simultáneamente de GPU, CPU, memoria, networking, almacenamiento y refrigeración. El rendimiento energético del sistema depende de cómo interactúan todos estos componentes.

¿Qué papel cumple HBM?

La memoria de alto ancho de banda ayuda a suministrar datos rápidamente a los aceleradores. Mejorar su ancho de banda y eficiencia puede reducir esperas y movimientos innecesarios de información.

¿Por qué las interconexiones afectan al consumo?

Porque modelos distribuidos necesitan mover datos entre numerosos aceleradores. Una red lenta o ineficiente obliga a mantener recursos esperando y aumenta el costo energético de mover información.

¿El objetivo incluye la refrigeración del data center?

Solo parcialmente. AMD incluye ventiladores y bombas internas al rack, pero no la energía utilizada por sistemas externos para proporcionar aire o agua de refrigeración.

¿20x más eficiencia significa que la IA consumirá menos electricidad en 2030?

No necesariamente. La eficiencia puede disminuir el consumo por unidad de cómputo, mientras la demanda total de IA aumenta mucho más rápidamente. La IEA proyecta que el consumo eléctrico total de data centers prácticamente se duplicará hacia 2030.

Knowledge Layer | Glosario

• Performance-per-watt: cantidad de rendimiento computacional obtenido por unidad de potencia consumida.
• Rack-scale computing: arquitectura donde numerosos nodos, aceleradores, memoria, redes y otros componentes se diseñan y evalúan como un sistema integrado a escala de rack.
• TCO —Total Cost of Ownership—: costo completo de poseer y operar una infraestructura durante su vida útil, incluyendo adquisición, energía, refrigeración, mantenimiento y operación.
• FLOPS —Floating Point Operations per Second—: medida de capacidad de cálculo en operaciones de punto flotante por segundo.
• HBM —High Bandwidth Memory—: memoria de gran ancho de banda utilizada junto a aceleradores de IA y HPC para mover grandes cantidades de datos con alta velocidad.
• Scale-up interconnect: interconexión de alta velocidad que permite que múltiples aceleradores dentro de un sistema trabajen de manera estrechamente coordinada.
• Inferencia: etapa en la que un modelo ya entrenado procesa nuevas entradas y produce resultados, como texto, imágenes o predicciones.
• Entrenamiento: proceso mediante el cual un modelo ajusta sus parámetros a partir de grandes conjuntos de datos y cómputo intensivo.
• Intensidad de carbono: cantidad de emisiones asociadas a una unidad de actividad, energía o cómputo; puede variar según la fuente eléctrica utilizada.
• ROCm: plataforma de software abierta de AMD para computación acelerada y workloads de IA y HPC.

¿Por qué es importante?

La capacidad para construir infraestructura de IA ya no está limitada únicamente por disponibilidad de GPU. Electricidad, refrigeración, redes y capacidad física del data center empiezan a determinar cuánto cómputo puede realmente desplegarse. Mejorar performance-per-watt permite extraer más valor de cada megavatio disponible y puede reducir simultáneamente costos e infraestructura necesaria.

Visión Estratégica

La carrera de la inteligencia artificial está entrando en una etapa donde el megavatio puede convertirse en una unidad competitiva tan importante como el FLOP. Los aceleradores seguirán evolucionando, pero la ventaja se desplazará hacia arquitecturas capaces de coordinar silicio, HBM, interconexiones, software, energía y refrigeración como un único sistema. El objetivo 20×30 de AMD refleja esa transición: del chip optimizado hacia el rack co-diseñado. Sin embargo, una IA 20 veces más eficiente puede seguir consumiendo más electricidad en términos absolutos si su utilización aumenta cien veces. El verdadero desafío será combinar eficiencia tecnológica con disponibilidad energética, economía del cómputo y decisiones responsables sobre qué workloads justifican utilizar esa capacidad.

Acerca de AMD

Advanced Micro Devices desarrolla CPU, GPU, aceleradores, networking y software para computación personal, data centers, HPC e inteligencia artificial. AMD confirma que sus acciones cotizan en Nasdaq bajo el símbolo AMD.

Tu Opinión Importa

La IA necesita cada vez más capacidad computacional, pero la electricidad no puede escalar con la misma facilidad que el software. Eso está convirtiendo performance-per-watt, refrigeración y disponibilidad energética en factores estratégicos para el futuro de los data centers.

¿Crees que la eficiencia energética debería convertirse en una métrica tan importante como el rendimiento bruto al comparar plataformas de inteligencia artificial?

Si los sistemas de IA se vuelven veinte veces más eficientes pero su utilización crece mucho más rápido, ¿dónde debería ponerse el límite: en la tecnología, en la energía disponible o en el valor real del workload que queremos ejecutar?

Comparte tu perspectiva con la comunidad de IT/USERS® Magazine:

#ItusersAwards2026 #SuperFan

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457