Data centers que treinam modelos de IA consomem eletricidade e água em escala industrial, e a conta cresce com a popularização dos chatbots.
Toda pergunta feita a um chatbot — até um simples “bom dia” — passa por servidores que consomem eletricidade. Na maioria dos casos, essa infraestrutura também usa água para resfriamento, o que torna esse consumo hídrico um dos principais pontos de tensão sobre a sustentabilidade da IA.
De acordo com a Agência Internacional de Energia (IEA), os data centers consumiram cerca de 415 terawatt-hora (TWh) em 2024, perto de 1,5% de toda a eletricidade do planeta, com previsão de dobrar até 2030.
Mas o que mais preocupa é que boa parte dos data centers já opera em regiões com estresse hídrico, aumentando a pressão sobre um recurso escasso e mal distribuído.
Confira a seguir por que os modelos de IA consomem tanta energia e água, como funcionam os data centers por trás dessa tecnologia e quais soluções as empresas testam para reduzir esse impacto.
Por que a inteligência artificial consome tanta energia?
O principal motivo do consumo elevado é o processamento paralelo em escala industrial. Treinar um modelo de linguagem exige milhares de GPUs operando simultaneamente por semanas, analisando volumes massivos de dados até ajustar bilhões de parâmetros.
Mas o consumo não termina com o treinamento. Cada nova pergunta feita a um chatbot ativa esse modelo novamente — e são bilhões dessas consultas por dia, sustentando uma demanda contínua por eletricidade.
Funcionamento constante gera calor, que precisa ser dissipado por sistemas de resfriamento. É por isso que, além da energia, o consumo de água também entra na equação dos data centers.
A MIT Technology Review estima que treinar o GPT-4 consumiu cerca de 50 gigawatt-hora, energia suficiente para abastecer a cidade de São Francisco durante três dias inteiros.
Mas esse gasto de treinamento é pontual — a fase de uso diário, chamada de inferência, responde por entre 80% e 90% de toda a capacidade computacional da IA hoje, segundo pesquisadores ouvidos pela publicação.
O papel das GPUs no processamento
As GPUs (unidades de processamento gráfico) — aquelas mesmas usadas para renderizar gráficos em videogames — ganharam com a IA um novo papel. Elas conseguem realizar milhões de cálculos ao mesmo tempo, algo essencial para treinar e executar os sofisticados modelos de linguagem.
Hoje, chips avançados, como o H100 da Nvidia, são projetados especificamente para esse tipo de tarefa intensiva; consomem grandes quantidades de energia e exigem sistemas robustos de refrigeração para evitar o superaquecimento.
Em data centers de grande porte, é comum encontrar mais de 10 mil GPUs funcionando em conjunto. Quanto maior o modelo de IA, mais chips são necessários — e maior o consumo total de eletricidade.
Por que a IA também consome água?
Como os servidores esquentam absurdamente, boa parte dos data centers usa água para resfriá-los o tempo todo e evitar falhas por superaquecimento. Outros, porém, dependem só de resfriamento a ar, sem uso de água.
O consumo acontece de três formas: diretamente, no resfriamento dos data centers; indiretamente, na geração da eletricidade que os abastece; e também na fabricação dos componentes eletrônicos que sustentam a IA.
Essa escala só tende a crescer. Um levantamento da aliança projeta que o uso global de água pela IA pode saltar de 1,1 bilhão para 6,6 bilhões de metros cúbicos até 2027 — mais da metade do consumo anual do Reino Unido.
Como funciona o resfriamento dos data centers
Data centers removem o calor dos servidores por meio de dois métodos principais. O primeiro é o resfriamento a ar, que usa ar-condicionado industrial para direcionar o ar gelado pela frente dos computadores e coletar o ar quente pelo corredor traseiro dos equipamentos.
O segundo é o resfriamento líquido, que fixa placas com canais de água tratada diretamente sobre os processadores, ou mergulha os próprios servidores em tanques com óleo dielétrico (que não conduz eletricidade), enviando o fluido aquecido a torres externas, onde é resfriado.
O uso de água para controlar a temperatura dos servidores
Análises recentes divulgadas pelo Lincoln Institute of Land Policy estimam que um data center de médio porte consome tanta água quanto uma pequena cidade. Já instalações de grande escala chegam a gastar até 19 milhões de litros por dia, segundo o centro de pesquisa.
No Texas, um levantamento da Houston Advanced Research Center projeta que os data centers da região vão consumir 399 bilhões de galões de água em 2030, o equivalente a 1,51 bilhão de metros cúbicos.
O que são os data centers e por que eles importam tanto?
Espécie de “cérebros” da internet, os data centers são instalações físicas que abrigam computadores, servidores e sistemas de armazenamento de uma organização para guardar e processar dados.
No contexto da IA, a importância dos data centers explodiu com a chegada dos complexos de hiperescala (Hyperscale), que revolucionaram a infraestrutura física ao trocar processadores comuns (CPUs) por superchips (GPUs e TPUs) focados em cálculos massivos.
O superaquecimento sem precedentes gerado por esses superchips exigiu a troca do ar-condicionado tradicional por sistemas de resfriamento líquido direto no chip. Mas quem realmente empurra o consumo elétrico a um patamar monstruoso são os próprios chips — a ponto de empresas de tecnologia estarem comprando e reativando usinas nucleares dedicadas para dar conta da demanda.
Nesse cenário, essas estruturas gigantescas se tornaram o epicentro de uma corrida geopolítica por infraestrutura e capacidade computacional, em que o grande desafio é garantir respostas em tempo real e, ao mesmo tempo, conter a demanda por energia.
Infraestrutura necessária para executar modelos de IA
A operação de um modelo de IA depende de uma cadeia de equipamentos interligados. Entre os principais estão:
- Servidores com GPUs e CPUs: processam e armazenam os dados dos modelos;
- Sistemas de armazenamento: guardam dados de treinamento e backups;
- Equipamentos de rede: conectam os servidores entre si e à internet;
- Sistemas de resfriamento: mantêm a temperatura sob controle e evitam falhas;
- Geradores e baterias de emergência: garantem funcionamento contínuo durante quedas de energia.
Quais são os impactos ambientais da IA — e o que as empresas estão fazendo?
A IA gera impactos ambientais concretos, como emissões de carbono, consumo excessivo de água e lixo eletrônico, enquanto empresas de tecnologia testam soluções que ainda não resolvem completamente o problema.
Segundo a Penn State University, o crescimento dos data centers amplia as emissões de gases de efeito estufa, uma vez que boa parte da eletricidade usada ainda vem de fontes fósseis.
As iniciativas das empresas ainda não cobrem todos os riscos potenciais e efetivos.
Principais riscos ambientais:
- Emissões de carbono ligadas à eletricidade de origem fóssil;
- Estresse hídrico em regiões que já enfrentam escassez de água;
- Geração de lixo eletrônico pela vida útil curta das GPUs;
- Uso de geradores a diesel como reforço energético, poluindo o ar local.
Iniciativas para reduzir o impacto:
- Resfriamento por imersão ou circuito fechado, que economiza água;
- Contratos de energia sem emissão de carbono, como o acordo da Microsoft com a usina nuclear de Three Mile Island;
- Metas de “zero água” para resfriamento assumidas por grandes empresas de tecnologia;
- Modelos de IA menores e mais eficientes, treinados para tarefas específicas.
Mesmo com os avanços, pesquisadores do Lincoln Institute of Land Policy afirmam que a falta de transparência das empresas dificulta medir o real impacto ambiental da IA no mundo.
O futuro da inteligência artificial será mais sustentável?
A resposta a essa pergunta ainda é um grande ponto de interrogação: soluções em desenvolvimento podem reduzir o consumo por tarefa de IA, mas a demanda por data centers cresce mais rápido do que qualquer refinamento conseguiria compensar.
Pesquisadores da Penn State University apontam que, sem mudanças, data centers podem responder por até 20% do consumo elétrico global entre 2030 e 2035, pressionando redes já sobrecarregadas.
A eficiência energética por watt tem melhorado a cada nova geração de chips, reduzindo a energia gasta em cada cálculo — mas não no ritmo necessário para compensar o crescimento da demanda. Modelos de IA menores, treinados para tarefas específicas, também ajudam a evitar desperdício de capacidade.
Para tornar o setor mais transparente, a União Europeia exige, desde 2024, que data centers reportem o consumo de energia e água à Comissão Europeia. Contudo, o primeiro ciclo de relatórios mostrou falhas: só cerca de um terço das instalações enviou dados, e os números de consumo de água seguem pouco confiáveis.
As perspectivas apontam que, mantido o ritmo atual, a IA tende, sim, a se tornar mais eficiente — mas não necessariamente mais sustentável.
O grande problema da IA não é apenas quanto cada sistema consome, mas quantas vezes ele é usado: quanto mais pessoas recorrem a chatbots e geradores de imagem, maior a pressão sobre recursos naturais já escassos.
Formulada assim, a pergunta certa é: até que ponto a conveniência de uma resposta instantânea da IA vale o custo ambiental por trás dela — e quem deve pagar essa conta?
Fonte: TecMundo
