Mini data centers de IA en casas: SPAN propone nodos XFRA con GPUs Nvidia Blackwell
La startup de San Francisco SPAN ha presentado una propuesta para llevar mini data centers de IA en casas mediante nodos laterales instalados junto a viviendas, con el objetivo de acelerar el despliegue de capacidad de cómputo para AI workloads sin depender de los plazos y costes de construir data centers tradicionales a gran escala. La compañía afirma que ya está en fase de pilotos y que prepara un ensayo con 100 hogares durante 2026.
El proyecto, denominado XFRA, plantea una red de “distributed data center” compuesta por miles de nodos con GPUs refrigeradas por líquido. SPAN sostiene que el enfoque aprovecha capacidad eléctrica residencial “sobrante” para alimentar infraestructura de inferencia de IA y servicios como cloud gaming o streaming, y que además compensaría a los residentes con subsidios de electricidad e Internet y una batería de respaldo.
Qué son los mini data centers de IA en casas según SPAN
SPAN describe los nodos XFRA como unidades discretas y de bajo ruido que se colocarían en el exterior de las casas, acompañadas de un smart panel de SPAN y una batería. El mensaje central es reducir el “speed-to-power gap”: el cuello de botella para desplegar compute no sería solo el hardware, sino el acceso rápido a potencia eléctrica y permisos para nuevas instalaciones.
Según la información publicada por la compañía, cada nodo integraría GPUs Nvidia RTX Pro 6000 Blackwell Server Edition y CPUs AMD EPYC, orientado a cargas de inferencia y servicios cercanos al usuario final. SPAN también menciona operación con refrigeración líquida para contener temperatura y acústica.
Modelo operativo: energía, conectividad y compensación al residente
Para los residentes, SPAN plantea asumir el pago de la electricidad y la conectividad del hogar, ofreciendo a cambio una tarifa fija de servicios (se menciona como ejemplo 150 dólares) o incluso coste cero en algunos escenarios, mientras la empresa opera el nodo y monetiza el compute. La compañía indica que aún está definiendo detalles concretos sobre planes de Internet doméstico y condiciones finales de servicio.
En el plano eléctrico, SPAN sostiene que el diseño se basa en viviendas con servicio de 200 A (común en hogares modernos de EE. UU.) y fija un máximo de consumo por nodo de 80 A, describiéndolos como “always-on loads” dentro de capacidad residencial verificada. Para gestionar picos poco frecuentes, el sistema usaría primero la batería y, si fuese necesario, reduciría cargas flexibles no críticas como la carga de vehículos eléctricos, con la promesa de que el usuario pueda priorizar qué consumos pueden recortarse.
El esquema incluye una batería de 16 kWh y software propietario (PowerUp) para orquestar consumos y resiliencia. La compañía argumenta que, ante eventos como cortes de suministro o demand response, el workload se movería a otros nodos antes de apagar el equipo afectado, mientras el residente podría usar la batería para mantener circuitos del hogar activos.
Escalado: de un piloto a decenas de miles de nodos
SPAN proyecta que, a partir de 2027, podría escalar hasta 80.000 nodos XFRA en Estados Unidos y superar 1 GW de “distributed compute”. La tesis no es reemplazar los hyperscalers (Google, Microsoft y otros) en entrenamiento masivo, sino complementar con infraestructura más adecuada para inference y servicios de baja latencia cerca de áreas residenciales.
La compañía también sugiere, en documentación técnica, que en el futuro podría haber retrofits en viviendas existentes y configuraciones mayores para clientes comerciales, aunque el enfoque inicial estaría en viviendas de nueva construcción, con equipamiento financiado y operado por SPAN.
Impacto en red eléctrica y por qué la inferencia es la apuesta
El argumento a favor del edge computing para inference es conocido: muchas tareas de inferencia pueden distribuirse mejor que el entrenamiento a gran escala y, en algunos casos, acercarse al usuario reduce latencia y presión sobre backbones. Expertos citados en el informe original señalan que la inferencia puede requerir menos GPUs que el entrenamiento (que escala a miles en clústeres), lo que hace más plausible una red distribuida, aunque con una alta dependencia de conectividad y orquestación robusta.
Dicho esto, también se advierte que la agregación de varios nodos en una misma zona residencial podría exigir ajustes en la gestión local de la red: si múltiples hogares “maximizan” consumo para compute, el flujo de potencia a ese tramo de distribución podría convertirse en un punto de tensión operativa para utilities.
Riesgos: seguridad física, ciberseguridad y gobernanza local
Un despliegue de mini data centers de IA en casas abre riesgos que no existen, o se mitigan mejor, en instalaciones centralizadas. Desde la perspectiva de seguridad, una red suburbana puede ser más vulnerable a amenazas que dependen de proximidad física, y también a robos: el hardware de GPU tiene alto valor de reventa. El diseño deberá demostrar controles de hardening, telemetría, detección de manipulación y cadena de custodia del equipo en entornos no industriales.
Además, el componente social y regulatorio no es menor: despliegues en barrios y urbanizaciones suelen cruzarse con normas locales, permisos, y potencial oposición comunitaria, incluso si el sistema pretende ser discreto. La aceptación real del mercado probablemente dependa de cómo se formalicen contratos, SLA, condiciones de acceso al equipo, responsabilidades ante incidencias y transparencia sobre consumo y priorización energética.
Qué cambia para la industria
El planteamiento de SPAN busca convertir el hogar en un “micro-site” de infraestructura, trasladando parte del modelo de data center hacia el borde de la red eléctrica y de Internet. Si el piloto prospera, el enfoque podría convertirse en una nueva capa de infraestructura para inferencia y servicios latentes, aunque su viabilidad dependerá de costes reales de operación, fiabilidad, seguridad y del encaje con utilities y normativa local.
En el corto plazo, el próximo hito será la validación del piloto con 100 hogares y la capacidad de demostrar que los mini data centers de IA en casas pueden operar de forma estable (energía, red, acústica, mantenimiento) sin generar fricción con residentes y sin introducir un nuevo vector de riesgos físicos y digitales. Para más contexto técnico del anuncio, SPAN ha publicado detalles en su comunicado corporativo: SPAN (XFRA).
