O Verdadeiro Garrafa de AI: Energia, Refrigeração e a Física de Escala

A inteligência artificial avançou a um ritmo extraordinário nas últimas décadas. GPUs mais rápidas, clusters maiores e arquiteturas revolucionárias desbloquearam avanços que antes pareciam impossíveis. No entanto, à medida que a indústria se move em direção a modelos de trilhões de parâmetros e fábricas de AI em larga escala, a próxima barreira não tem nada a ver com algoritmos. O verdadeiro gargalo hoje é físico: energia, refrigeração e a infraestrutura necessária para sustentar o cálculo em escala planetária.

A pergunta não é mais quantos chips você pode fabricar, mas se você pode fornecer os gigawatts, água e linhas de transmissão necessárias para operá-los. A infraestrutura, e não o silício, é o que definirá o ritmo da IA nos anos que se seguem.

Gigawatts sobre Gigaflops

O projeto “Stargate” da OpenAI, que está sendo construído com a Oracle (ORCL ) e a SoftBank, tem como objetivo alcançar quase 7 gigawatts de capacidade em campi nos EUA — comparável a várias usinas nucleares. Nessa escala, o principal desafio não é produzir GPUs, mas garantir usinas de energia e subestações para mantê-las em funcionamento.

A demanda da Microsoft (MSFT ) é igualmente impressionante. As cargas de trabalho de IA da empresa devem requerer tanta eletricidade quanto a região inteira de Nova Inglaterra até 2030. Isso ajuda a explicar por que a empresa investiu dezenas de bilhões em projetos de energia renovável e também está perseguindo opções mais experimentais, como a fusão nuclear e reatores nucleares avançados.

A dinâmica está se espalhando para a política energética. Na PJM Interconnection, a organização regional de transmissão que gerencia a rede para mais de 65 milhões de pessoas em 13 estados e Washington, D.C., as utilidades estão explorando mecanismos de redução para centros de dados durante a demanda de pico. Grandes empresas de tecnologia estão fazendo lobby contra tais restrições, mas o fato de os reguladores estarem considerando isso mostra como a IA se tornou central na planejamento da rede.

O Desafio de Refrigeração

Fornecer eletricidade é apenas metade do problema. Uma vez que a energia chega às prateleiras, o próximo desafio é o calor. Cada GPU de alta qualidade consome cerca de 700 watts, e com prateleiras que abrigam centenas de GPUs, as densidades estão atingindo 100 a 600 kilowatts por prateleira. A refrigeração por ar, o padrão da indústria por décadas, se torna inviável além de aproximadamente 40 kilowatts por prateleira devido a ineficiências de fluxo de ar e recirculação.

A refrigeração líquida, portanto, passou de nicho para mainstream. As plataformas Blackwell líquidas da NVIDIA (NVDA ) são projetadas para clusters de IA em larga escala e oferecem 25 vezes mais eficiência energética e 300 vezes mais eficiência de água do que as prateleiras resfriadas por ar. A empresa também se associou à Vertiv em uma arquitetura de referência que pode lidar com mais de 130 kilowatts por prateleira, tornando implantações de GPU densas viáveis.

As startups também estão inovando. A Corintis, uma empresa suíça que incorpora microcanais diretamente nos substratos de chips, recentemente levantou $24 milhões em financiamento e já conta com a Microsoft entre seus clientes. A equipe de pesquisa da Microsoft demonstrou canais microfluídicos gravados na embalagem do chip, reduzindo as temperaturas de pico da GPU em até 65% e triplicando a eficiência em comparação com placas frias convencionais. Essas tecnologias tornam possível manter as GPUs em funcionamento total sem derreter o centro de dados.

Água como uma Variável Estratégica

A refrigeração líquida introduz outra variável: consumo de água. Sistemas de água evaporativa e resfriada podem exigir volumes enormes quando dimensionados para campi de centenas de megawatts. Em Phoenix, clusters de centros de dados podem exigir centenas de milhões de galões de água por dia, levantando preocupações em regiões atingidas pela seca.

Isso estimulou o desenvolvimento de sistemas de refrigeração sem água e fechados. A IEEE Spectrum documentou estratégias como banhos de imersão dielétrica selados, resfriadores secos e resfriadores de água livre que cortam o uso de água potável para quase zero. Enquanto isso, alguns operadores estão experimentando a reutilização de calor residual. Projetos como Aquasar e iDataCool mostraram como loops de refrigeração quente podem alimentar sistemas de aquecimento de edifícios ou chillers de absorção, reciclando grande parte da energia que de outra forma seria perdida.

A troca é frequentemente entre água e eletricidade: sistemas fechados ou secos consomem mais energia, enquanto projetos evaporativos economizam energia, mas consomem grandes quantidades de água. Em regiões com estresse hídrico, a política está cada vez mais favorecendo a conservação de água, mesmo que isso signifique maior consumo de energia.

Infraestrutura e a Rede

Mesmo com soluções de energia e refrigeração em vigor, o gargalo final é a infraestrutura. As decisões de localização agora determinam os vencedores e perdedores na corrida de IA.

O campus Fairwater da Microsoft, de US$ 80 bilhões, ilustra como a localização estratégica se tornou importante. O local abrange 315 acres, abriga centenas de milhares de GPUs e foi escolhido por sua proximidade com subestações, linhas de fibra e água subterrânea. O design também enfatiza a refrigeração fechada para minimizar o impacto da água.

Para apoiar sua carga crescente, a Microsoft assinou um acordo de marco com a Brookfield para adicionar 10,5 gigawatts de capacidade renovável até 2030. Ao mesmo tempo, apoiou projetos mais experimentais, como uma usina de fusão nuclear em construção pela Helion Energy, programada para alimentar centros de dados em 2028, e um acordo de 20 anos para reabrir a usina nuclear de Three Mile Island na Pensilvânia.

A Amazon (AMZN ) e o Google (GOOGL ) estão seguindo passos semelhantes, garantindo locais próximos a usinas nucleares e desenvolvendo suas próprias carteiras de energia limpa. Na Irlanda, onde centros de dados já consomem mais energia do que todos os lares combinados, os reguladores congelaram novas aprovações até pelo menos 2028, enfatizando como a política e a permissão podem interromper mesmo os projetos mais bem financiados.

Operação mais Inteligente: IA Gerenciando IA

Interessantemente, a própria IA está sendo usada para gerenciar a carga de infraestrutura. O aprendizado por reforço foi implantado em centros de dados de produção para otimizar sistemas de refrigeração, produzindo economias de energia de 14 a 21 por cento sem comprometer a segurança. Gêmeos digitais e modelagem preditiva também estão sendo usados para antecipar pontos quentes, pré-resfriar equipamentos e transferir cargas de trabalho para horas mais frias ou períodos de suprimento renovável.

O Google já demonstrou como a aprendizagem de máquina pode reduzir as necessidades de refrigeração de centros de dados em 40 por cento, e outros operadores estão adotando sistemas semelhantes. À medida que os custos de energia e refrigeração aumentam, essas economias operacionais estão se tornando uma vantagem competitiva essencial.

A Perspectiva Estratégica

A trajetória é clara. A demanda de IA deve dobrar o consumo de eletricidade dos centros de dados em todo o mundo até 2030, com as cargas de trabalho de IA sozinhas representando uma parcela de um dígito único dos gastos totais de energia globais até 2050. Embora a NVIDIA e outros fabricantes de chips continuem a impulsionar o desempenho do silício, a fronteira prática da IA será definida pela rapidez com que as utilidades podem construir nova geração, transmissão e infraestrutura de refrigeração.

Para as empresas que constroem produtos de IA, isso significa que os planos de negócios estão cada vez mais ligados a onde a capacidade existe. Para os investidores, as jogadas mais valiosas podem ser as utilidades, os desenvolvedores de transmissão e as startups de refrigeração, e não apenas os fornecedores de GPU. E para os formuladores de políticas, o debate sobre a IA está mudando de questões de ética e governança de dados para questões de megawatts, água e modernização da rede.

O futuro da IA não será decidido apenas nos laboratórios de pesquisa e nas fábricas de chips, mas também nas subestações, loops de refrigeração e usinas de energia. A física de escala — e não apenas a matemática dos algoritmos — é o que determinará a velocidade e o escopo da inteligência artificial na década que se segue.