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.
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.
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
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.
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:
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.
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?