La conversación sobre centros de datos en América Latina cambió de temperatura. Durante años, el enfriamiento fue una capa crítica pero silenciosa de la infraestructura: una condición para operar, no necesariamente el centro de la estrategia. La llegada de cargas de inteligencia artificial, clusters de GPU, mayor densidad por rack y nuevas exigencias de eficiencia energética modificó ese orden. Hoy, el cooling define si un datacenter puede recibir cargas de alta densidad, cuánto le costará sostenerlas y qué margen tendrá para crecer sin comprometer continuidad.
En ese escenario, la mirada de Evelin Torres, de Grupo Salinas México, resume muy bien el pulso de los usuarios regionales: ‘Hoy nos interesa mucho el enfriamiento para nuestros centros de datos, es un gran tema. Y Liquid Cooling creemos que es la gran solución, nos estamos empapando lo más que podemos sobre su evolución y cómo conviene implementarlo’. La frase no habla de una moda tecnológica, sino de una búsqueda concreta: entender cuándo el enfriamiento líquido deja de ser una promesa lejana y pasa a ser una arquitectura aplicable, medible y operable en centros de datos reales.
El punto es clave porque la región no parte de cero, pero tampoco está en una etapa de adopción masiva. América Latina combina nuevos proyectos de colocation, expansión de hyperscalers, presión de IA, costos energéticos relevantes, restricciones de potencia en determinados hubs y una infraestructura brownfield que no siempre fue diseñada para soportar racks de 40, 60, 80 o más de 100 kW. Por eso, liquid cooling aparece como la solución más esperada, pero también como una de las más delicadas de implementar: no alcanza con reemplazar aire por líquido, hay que rediseñar energía, operación, mantenimiento, monitoreo, seguridad y roadmap de capacidad.
Del aire optimizado al límite físico
Durante buena parte de la historia del datacenter moderno, el aire fue suficiente. Con buenas prácticas de contención, pasillos fríos y calientes, CRACs o CRAHs eficientes, sensores, mejoras de flujo y disciplina operativa, muchos centros de datos lograron sostener cargas empresariales tradicionales sin necesidad de cambios radicales. Esa lógica funcionaba razonablemente bien para virtualización, bases de datos, aplicaciones corporativas, ERP, correo, almacenamiento general y workloads distribuidos en densidades moderadas.
La IA empuja otra física. Los procesadores gráficos y aceleradores concentran consumo eléctrico y calor en menos espacio, lo que obliga a remover mucha más energía térmica desde zonas muy específicas del rack. Uptime Institute viene señalando que la refrigeración líquida se concentra especialmente en aplicaciones de alta densidad, donde el aire deja de ser una alternativa práctica para infraestructura orientada a entrenamiento de IA, HPC y hardware de alto rendimiento. La distinción es importante: liquid cooling no reemplaza al aire en todo el datacenter, sino que aparece donde la densidad lo exige y donde el retorno técnico empieza a justificar la complejidad operativa.
Esa diferencia física explica por qué la discusión ya no es solo eficiencia, sino viabilidad. Si una organización quiere montar cargas de IA intensivas en un datacenter existente, debe preguntarse primero si su arquitectura térmica puede recibirlas. En racks de baja o media densidad, el aire optimizado todavía tiene recorrido. En zonas de alta densidad, el aire puede transformarse en cuello de botella: más ventiladores, más ruido, más consumo, más riesgo de hotspots y menor margen para escalar. Liquid cooling entra justamente en ese punto, cuando seguir estirando el aire se vuelve más caro y menos confiable que incorporar una arquitectura híbrida o líquida.
IA, energía y capacidad regional
En América Latina, la adopción de liquid cooling está vinculada a tres presiones simultáneas: el crecimiento de la IA, la disponibilidad de energía y la necesidad de eficiencia. La región viene expandiendo su capacidad de datacenter, con Brasil, México, Chile y Colombia como mercados especialmente activos, pero esa expansión no ocurre en el vacío. Los proyectos compiten por potencia, permisos, conectividad, terrenos, equipamiento y personal especializado. En ese contexto, cada kW que se desperdicia en enfriamiento ineficiente reduce margen para alojar cómputo útil.
El documento base del informe plantea que el mercado latinoamericano de refrigeración líquida alcanzó USD 241,1 millones en 2025 y se proyecta a USD 920,5 millones en 2033, con una tasa anual compuesta cercana al 17,9%. La cifra ubica a América Latina como un mercado todavía pequeño frente a otras regiones, pero con una trayectoria de fuerte crecimiento impulsada por IA, machine learning y HPC. A nivel global, Grand View Research estima que el mercado de liquid cooling para data centers pasará de USD 6,65 mil millones en 2025 a USD 29,46 mil millones en 2033, lo que muestra que la región se está incorporando a una tendencia que ya dejó de ser experimental.
Brasil aparece como el caso más adelantado, tanto por escala de mercado como por disponibilidad de energía renovable, ecosistema de colocation y madurez de infraestructura. México se consolida como hub por cercanía con Estados Unidos, expansión en Querétaro y demanda de cloud y nearshoring. Chile mantiene atractivo por conectividad, inversiones cloud y discusión de sostenibilidad. Colombia avanza con nuevos proyectos y Argentina mantiene oportunidades en segmentos corporativos, banca, telco y proveedores locales, aunque con menos casos públicos de liquid cooling a escala. El patrón regional no es uniforme: liquid cooling avanza primero donde hay densidad, inversión y presión de IA; después baja gradualmente hacia otros segmentos.
Las tecnologías que ordenan la decisión
La refrigeración líquida no es una sola tecnología. En términos prácticos, los equipos de datacenter suelen evaluar tres grandes familias: direct-to-chip, inmersión y rear door heat exchanger. Cada una responde a un problema distinto, con niveles diferentes de madurez, complejidad, costo, mantenimiento y compatibilidad con instalaciones existentes. La decisión no debería tomarse por novedad, sino por densidad esperada, tipo de carga, diseño del sitio, skills internos y horizonte de crecimiento.
Direct-to-chip, también llamado direct liquid cooling, es hoy la opción más madura para muchas arquitecturas de IA. El sistema utiliza cold plates sobre los componentes de mayor generación térmica, como CPU, GPU o aceleradores, y hace circular un fluido que absorbe calor en el punto más crítico. Su ventaja está en que permite intervenir los focos de mayor temperatura sin transformar por completo la lógica de operación del datacenter. En una región donde los skills especializados son escasos y donde muchos operadores trabajan con infraestructura mixta, esa continuidad importa.
La inmersión líquida, en cambio, implica sumergir servidores o componentes en fluidos dieléctricos. Puede ofrecer una capacidad térmica muy alta y reducir la necesidad de airflow interno, pero también introduce desafíos de operación, manipulación de equipos, compatibilidad de hardware, gestión del fluido, mantenimiento y regulación. Por eso aparece con fuerza en HPC, pilotos, entornos muy específicos o casos donde la densidad extrema justifica rediseñar por completo la manera de operar los equipos.
La tercera familia es rear door heat exchanger, o intercambiadores de calor en puerta trasera. Su atractivo está en el retrofit: puede ayudar a retirar calor del rack usando circuitos de agua o sistemas hidráulicos existentes, con menor disrupción que una arquitectura líquida plena. No siempre alcanza para las densidades más extremas, pero puede funcionar como puente en brownfield, especialmente cuando se quiere aumentar capacidad en zonas puntuales del datacenter sin rediseñar toda la sala desde el inicio.
Brasil como laboratorio regional
El caso más concreto de la región es Elea Data Centers en Brasil. En 2024, la compañía anunció un acuerdo con Vertiv para entregar cientos de CDUs destinadas a soportar liquid cooling para aplicaciones de IA en sitios de São Paulo, como parte de una primera fase de inversión de USD 300 millones en data centers preparados para inteligencia artificial. La iniciativa fue presentada como uno de los primeros despliegues relevantes de liquid cooling para IA a escala en América Latina, con entrega inicial prevista para 2025.
El caso es relevante por varias razones. Primero, porque lleva la discusión a escala regional y no solo a prueba de laboratorio. Segundo, porque vincula liquid cooling con colocation e hyperscale, dos segmentos que marcan el ritmo de inversión en Brasil. Tercero, porque combina la narrativa de IA con sostenibilidad: Elea informó que sus sitios están alimentados con energía 100% renovable y que la nueva infraestructura busca sostener aplicaciones de alta densidad con mayor eficiencia térmica.
También es un caso interesante porque reconoce la dimensión de capacitación. Directivos y especialistas de Elea participaron en entrenamientos técnicos de Vertiv, lo que muestra que el cambio tecnológico no se limita a comprar CDUs. Liquid cooling exige nuevos procedimientos, nuevas competencias y nuevas rutinas de operación. En la práctica, el conocimiento del equipo puede ser tan determinante como la tecnología instalada.
Brownfield: el verdadero campo de batalla
Los proyectos greenfield pueden diseñarse preparados para liquid cooling desde el origen: plantas térmicas adecuadas, espacio para CDUs, rutas hidráulicas, sensores, redundancia, pisos, distribución eléctrica y capacidad modular. Pero gran parte del desafío de América Latina está en los brownfield. Muchas empresas no van a construir un nuevo datacenter para IA; van a intentar adaptar infraestructura existente, con limitaciones de espacio, potencia, distribución, mantenimiento y continuidad.
En brownfield, el error más común es pensar que liquid cooling se puede agregar como un accesorio. Antes de incorporar líquido hay que revisar la cadena completa: potencia disponible por rack, UPS, PDUs, peso, espacio, compatibilidad de servidores, rutas de cañerías, detección de fugas, tratamiento de fluidos, temperatura de suministro, capacidad de rechazo de calor, redundancia y protocolos de intervención. Un diseño mal integrado puede resolver un hotspot y crear tres problemas nuevos en operación.
Por eso, para muchas empresas, la estrategia más razonable será gradual. Primero, medir densidad actual y proyectada. Después, identificar zonas donde el aire empieza a quedar al límite. Luego, diseñar un piloto con racks o pods específicos, preferentemente con direct-to-chip o rear door según el caso. Finalmente, escalar solo si las métricas prueban mejora en estabilidad, capacidad, eficiencia y costo operativo. El objetivo no es adoptar liquid cooling por moda, sino convertirlo en una herramienta de crecimiento controlado.
Eficiencia, sustentabilidad y agua
Uno de los argumentos más fuertes a favor de liquid cooling es la eficiencia energética. Al capturar calor más cerca de la fuente, reducir ventiladores y permitir temperaturas de operación más altas, el sistema puede disminuir la energía destinada al enfriamiento. En cargas de alta densidad, esa mejora puede traducirse en más cómputo útil por metro cuadrado, menor presión sobre sistemas de aire y mayor capacidad para alojar infraestructura de IA sin multiplicar la superficie física del datacenter.
La sustentabilidad, sin embargo, debe analizarse con cuidado. Liquid cooling puede mejorar eficiencia, pero no todos los diseños tienen el mismo impacto sobre agua, fluidos, mantenimiento o huella ambiental. En regiones con sensibilidad hídrica, como Chile, el tipo de sistema elegido y la forma de rechazar calor pueden tener implicancias regulatorias y reputacionales. En otras zonas, la disponibilidad de energía renovable puede potenciar el beneficio, especialmente cuando se combina con menor PUE, recuperación de calor o free cooling.
El desafío será no vender sustentabilidad como una etiqueta. Un proyecto de liquid cooling debería medir PUE, TUE, WUE, consumo de bombas, energía de chillers, uso de agua, temperatura de suministro, calor reutilizable, fallas, mantenimiento y disponibilidad. La eficiencia real surge del sistema completo, no de una ficha técnica aislada. En ese sentido, los DC managers van a necesitar métricas más finas que el PUE tradicional para evaluar qué tan bien funciona la arquitectura térmica frente a cargas de IA.
Implementar sin sobreactuar
Una buena estrategia de liquid cooling empieza con una pregunta simple: qué problema concreto se quiere resolver. Si el objetivo es alojar algunos racks de mayor densidad en una sala existente, tal vez alcance con rear door, contención mejorada, airflow optimizado y un piloto direct-to-chip en cargas específicas. Si el objetivo es montar una plataforma de IA de alta densidad sostenida, el diseño debe ir mucho más profundo. Si el objetivo es atraer clientes hyperscale, la infraestructura debe nacer con una propuesta térmica, eléctrica y operativa mucho más robusta.
La segunda pregunta es qué densidad se espera. No es lo mismo operar 15 kW por rack que proyectar 40, 60 o más de 100 kW. La diferencia cambia el tipo de cooling, el layout, la redundancia, el costo y el riesgo. Uptime Institute advierte que liquid cooling no se volverá universal en el corto plazo para todas las aplicaciones críticas, precisamente porque muchas cargas no necesitan densificarse y porque todavía existen desafíos operativos y de resiliencia. Esa cautela es sana: liquid cooling debe aplicarse donde mejora el caso, no donde solo agrega complejidad.
La expectativa de Evelin Torres refleja una actitud correcta: estudiar la evolución y entender cómo conviene implementarlo antes de saltar a una adopción apresurada. Esa prudencia no significa demorar decisiones; significa evitar que liquid cooling repita errores de otras olas tecnológicas, donde el mercado compró primero y ordenó después. En IA, esa improvisación puede ser especialmente costosa porque la infraestructura física tiene tiempos, obras, permisos y dependencias que no se ajustan con un cambio de configuración.
La refrigeración líquida no elimina todos los problemas del datacenter, pero cambia la frontera de lo posible. Permite pensar en densidades que el aire no puede sostener de manera eficiente, reduce ciertos consumos, mejora estabilidad térmica y abre una ruta para cargas de IA más exigentes. Su adopción, sin embargo, exigirá método. En la región, la diferencia no estará solo entre quienes tengan liquid cooling y quienes no, sino entre quienes lo integren como arquitectura y quienes lo traten como un accesorio para seguir empujando infraestructura vieja más allá de sus límites.