⚡IA vai precisar de mais energia do que os EUA conseguem gerar
Um relatório do Bank of America jogou um balde de água fria (ou quente, no caso) na euforia da IA: os Estados Unidos devem enfrentar um déficit de mais de 100 gigawatts de energia entre 2026 e 2030. Para ter ideia, a demanda projetada é de 230 GW, mas a capacidade que as distribuidoras conseguem entregar fica em torno de 93 GW. --- O principal vilão é o consumo dos data centers, os enormes galpões de computadores que fazem a IA funcionar. Só nos EUA, eles devem demandar 125 GW de energia nova, empurrados pela evolução do hardware da Nvidia. Os racks (as estantes de servidores) do chip H100 consumiam 35 kilowatts cada. Na próxima geração, chamada Feynman, a estimativa é de 600 kilowatts por rack, um salto de 17 vezes. --- O resultado prático: a IA está esbarrando num limite físico. Não adianta ter o melhor modelo do mundo se não tem tomada para ligá-lo. Empresas já estão recorrendo a motores a gás como solução emergencial, o que levanta questões sérias sobre sustentabilidade.
Um relatório do Bank of America jogou um balde de água fria (ou quente, no caso) na euforia da IA: os Estados Unidos devem enfrentar um déficit de mais de 100 gigawatts de energia entre 2026 e 2030. Para ter ideia, a demanda projetada é de 230 GW, mas a capacidade que as distribuidoras conseguem entregar fica em torno de 93 GW.
— @pequityresearch View on X
A inteligência artificial está prestes a esbarrar em um limite físico intransponível: a capacidade de geração de energia elétrica. Um relatório do Bank of America projeta que os Estados Unidos enfrentarão um déficit superior a 100 gigawatts entre 2026 e 2030, enquanto a demanda projetada para data centers de IA deve atingir 230 GW contra uma capacidade disponível de apenas 93 GW.
O consumo exponencial dos data centers
A principal pressão sobre a rede elétrica americana vem da evolução acelerada do hardware de processamento. Os data centers, responsáveis por abrigar a infraestrutura de computação em nuvem e treinamento de modelos de machine learning, devem demandar 125 GW de capacidade energética nova nos próximos anos.
A densidade de consumo por rack de servidores ilustra o problema:
- Geração atual (Nvidia H100): 35 quilowatts por rack
- Próxima geração (Feynman): 600 quilowatts por rack
Esse salto de 17 vezes na demanda unitária representa um desafio não apenas de abastecimento, mas de refrigeração e engenharia elétrica. Não adianta possuir os GPUs mais avançados se a infraestrutura local não suporta a carga.
Implicações para builders e o cenário brasileiro
Para desenvolvedores e arquitetos de software brasileiros, o gargalo energético norte-americano sinaliza uma mudança estratégica no mapa da computação em nuvem. Com operadores já recorrendo a motores a gás como solução emergencial — comprometendo metas de sustentabilidade —, o Brasil surge como alternativa viável para hospedagem de data centers, beneficiando-se de uma matriz energética majoritariamente renovável.
A escassez projetada também afeta o custo de computação. À medida que a energia se torna recurso escasso nos principais hubs tecnológicos, latência e eficiência energética passam a ser variáveis críticas no design de aplicações de IA. Builders precisarão otimizar modelos para consumo reduzido ou considerar distribuição geográfica em regiões com excesso de capacidade elétrica, como certas áreas da América do Sul.
O limite físico imposto pela infraestrutura energética impõe uma realidade técnica: o crescimento da IA nos próximos anos será ditado não pela disponibilidade de capital ou algoritmos, mas pela engenharia elétrica e pela capacidade de expansão de redes de transmissão.