Toda a 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 arrefecimento, o que torna esse consumo hídrico um dos principais pontos de tensão sobre a sustentabilidade da IA.
De acordo com o relatório de eletricidade da Agência Internacional de Energia (IEA), os centros de dados consumiram cerca de 415 terawatt-hora (TWh) em 2024, perto de 1,5% de toda a eletricidade do planeta, com previsão de duplicar até 2030.
Mas o que mais preocupa é que boa parte dos centros de dados já opera em regiões com stresse hídrico, aumentando a pressão sobre um recurso escasso e mal distribuído.
Vejamos a seguir por que razão os modelos de IA consomem tanta energia e água, como funcionam os centros de dados por trás desta tecnologia e quais as soluções que as empresas testam para reduzir este impacto.
Por que razão 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 a operar simultaneamente durante semanas, analisando volumes massivos de dados até ajustar mil milhões de parâmetros.
Mas o consumo não termina com o treino. Cada nova pergunta feita a um chatbot ativa esse modelo novamente - e são mil milhões dessas consultas por dia, sustentando uma procura contínua por eletricidade.
O funcionamento constante gera calor, que precisa de ser dissipado por sistemas de arrefecimento. É por isso que, além da energia, o consumo de água também entra na equação dos centros de dados.
Uma análise publicada pela 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 treino 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 investigadores ouvidos pela publicação.
O papel das GPUs no processamento
As GPUs (unidades de processamento gráfico) - aquelas mesmas usadas para renderizar gráficos em jogos de vídeo - 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 este tipo de tarefa intensiva; consomem grandes quantidades de energia e exigem sistemas robustos de refrigeração para evitar o sobreaquecimento.
Em centros de dados de grande porte, é comum encontrar mais de 10 mil GPUs a funcionar em conjunto. Quanto maior o modelo de IA, mais chips são necessários - e maior o consumo total de eletricidade.
Por que razão a IA também consome água?
Como os servidores aquecem absurdamente, boa parte dos centros de dados usa água para os arrefecer o tempo todo e evitar falhas por sobreaquecimento. Outros, porém, dependem apenas de arrefecimento a ar, sem uso de água.
O consumo acontece de três formas: diretamente, no arrefecimento dos centros de dados; indiretamente, na geração da eletricidade que os abastece; e também na fabricação dos componentes eletrónicos que sustentam a IA.
Esta escala só tende a crescer. Um levantamento divulgado pela aliança GDSA projeta que o uso global de água pela IA pode saltar de 1,1 mil milhões para 6,6 mil milhões de metros cúbicos até 2027 - mais da metade do consumo anual do Reino Unido.
Como funciona o arrefecimento dos centros de dados
Os centros de dados removem o calor dos servidores por meio de dois métodos principais:
- Arrefecimento a ar: usa ar condicionado industrial para direcionar o ar gelado pela frente dos computadores e recolher o ar quente pelo corredor traseiro dos equipamentos.
- Arrefecimento líquido: 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 para torres externas, onde é arrefecido.
O uso de água para controlar a temperatura dos servidores
Uma análise do Lincoln Institute of Land Policy sobre o impacto hídrico e territorial dos data centers estima que um centro de dados de médio porte consome tanta água quanto uma pequena cidade. Já instalações de grande escala chegam a gastar até 19 milhões de litros (5 milhões de galões) por dia, segundo o centro de investigação.
No Texas, um estudo do Houston Advanced Research Center (HARC) projeta que os centros de dados da região vão consumir 399 mil milhões de galões de água em 2030, o equivalente a 1,51 mil milhões de metros cúbicos.
O que são os centros de dados e por que razão importam tanto?
Espécie de "cérebros" da internet, os centros de dados são instalações físicas que albergam computadores, servidores e sistemas de armazenamento de uma organização para guardar e processar dados.
No contexto da IA, a importância dos centros de dados 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 sobreaquecimento sem precedentes gerado por estes superchips exigiu a troca do ar condicionado tradicional por sistemas de arrefecimento líquido direto no chip. Mas quem realmente empurra o consumo elétrico para um patamar monstruoso são os próprios chips - a ponto de empresas de tecnologia estarem a comprar e a reativar centrais nucleares dedicadas para dar conta da procura.
Neste cenário, estas estruturas gigantescas tornaram-se o epicentro de uma corrida geopolítica por infraestrutura e capacidade computacional, na qual o grande desafio é garantir respostas em tempo real e, ao mesmo tempo, conter a procura 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 treino e backups;
- Equipamentos de rede: conectam os servidores entre si e à internet;
- Sistemas de arrefecimento: mantêm a temperatura sob controlo e evitam falhas;
- Geradores e baterias de emergência: garantem funcionamento contínuo durante cortes de energia.
Quais são os impactos ambientais da IA - e o que estão as empresas a fazer?
A IA gera impactos ambientais concretos, como emissões de carbono, consumo excessivo de água e lixo eletrónico, enquanto as empresas de tecnologia testam soluções que ainda não resolvem completamente o problema.
Segundo um artigo de investigação da Penn State University, o crescimento dos centros de dados amplia as emissões de gases de efeito de 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;
- Stresse hídrico em regiões que já enfrentam escassez de água;
- Geração de lixo eletrónico pela vida útil curta das GPUs;
- Uso de geradores a gasóleo como reforço energético, poluindo o ar local.
Iniciativas para reduzir o impacto:
- Arrefecimento por imersão ou circuito fechado, que poupa água;
- Contratos de energia sem emissão de carbono, como o acordo assinado pela Microsoft para reativar a central nuclear de Three Mile Island;
- Metas de "zero água" para arrefecimento assumidas por grandes empresas de tecnologia;
- Modelos de IA menores e mais eficientes, treinados para tarefas específicas.
Mesmo com os avanços, investigadores 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 esta pergunta ainda é um grande ponto de interrogação: as soluções em desenvolvimento podem reduzir o consumo por tarefa de IA, mas a procura por centros de dados cresce mais rápido do que qualquer refinação conseguiria compensar.
Investigadores da Penn State University sobre eficiência energética e IA apontam que, sem mudanças, os centros de dados 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 ao ritmo necessário para compensar o crescimento da procura. Modelos de IA menores, treinados para tarefas específicas, também ajudam a evitar o desperdício de capacidade.
Para tornar o setor mais transparente, a União Europeia exige, desde 2024, através do regulamento de monitorização da Comissão Europeia, que os centros de dados comuniquem o seu consumo de energia e água. Contudo, o primeiro ciclo de relatórios mostrou falhas: apenas cerca de um terço das instalações enviou dados, e os números do consumo de água continuam pouco fiáveis.
As perspectivas apontam que, mantido o ritmo atual, a IA tende, sim, a tornar-se mais eficiente - mas não necessariamente mais sustentável.
O grande problema da IA não é apenas quanto cada sistema consome, mas quantas vezes é utilizado: quanto mais pessoas recorrem a chatbots e geradores de imagem, maior é 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?
Sem comentários:
Enviar um comentário