O próximo gargalo de energia da IA estará dentro das cidades

Nos últimos anos, e ainda em crescimento, o mercado de infraestrutura de IA dedicou muito tempo e dinheiro (próximo de $7 trilhões de investimento em data centers até 2030, segundo estimativa da McKinsey) aprendendo a construir grandes data centers onde houver energia disponível. “Onde houver” é a palavra‑chave, pois a localização não era muito importante. Um cluster de treinamento simplesmente precisa de acesso a energia suficiente. Mas a localização está começando a se tornar cada vez mais relevante hoje, à medida que o uso da IA se expande além de interfaces de chat para máquinas, sistemas de voz, vídeo e aplicações que interagem com o mundo físico. Essas operações exigem poder computacional mais próximo dos centros urbanos onde essas interações ocorrem para reduzir a latência. Enquanto ferramentas como chatbots podem tolerar um atraso de meio segundo, aplicações de serviço automatizado, como robôs de entrega supervisionados remotamente, assistentes de voz ao vivo ou sistemas de fulfillment automatizados podem precisar reagir em milissegundos.

Este é o novo desafio para as empresas de IA. Como encontrar blocos menores de energia confiável dentro e ao redor de grandes áreas metropolitanas? E mesmo depois que os locais forem identificados, como lidar com a reação negativa que até mesmo data centers remotos estão enfrentando?

A demanda por IA nos centros urbanos está crescendo

Há uma demanda crescente dentro da esfera urbana por IA que vai além do uso pessoal de chatbots ou de qualquer obsessão por robôs. Um documento de trabalho do FMI estima que o consumo de eletricidade de data centers e IA já havia atingido 400–500 TWh globalmente em 2023, e o consumo impulsionado por IA pode potencialmente chegar a 1.500 TWh até 2030. A automação necessária para tornar operações simples mais eficientes — seja no processamento de documentos ou na arquivação de vídeos — requer muita energia em escala.

As cidades estão na linha de frente disso, conforme observado em uma revisão da OCDE de 250 cidades em 78 países. Ela constatou que 56% já estavam usando IA ativamente, enquanto outros 35% estavam em fase piloto ou planejando implantações. Para ilustrar um caso de uso simples, vamos considerar as câmeras de vigilância na cidade. IHS Markit estimou há alguns anos que o número de câmeras de vigilância no mundo ultrapassaria um bilhão. Embora sejam usadas principalmente para gravação, agora também são empregadas em tarefas mais exigentes computacionalmente, por exemplo, rastrear objetos em uma rede ou pesquisar grandes arquivos de vídeo usando linguagem natural. Esses processos não podem ser realizados em cada câmera com o processamento de IA atual. Elas deveriam ser enviadas para fora da cidade, para um data center distante, para processar? Isso é impraticável devido às regulamentações de dados e ao custo de mover volumes tão grandes de tráfego.

Uma pesquisa recente da Gallup mostra que cerca de 30% dos funcionários do setor privado e público utilizam IA em suas funções, e os números estão crescendo. Esses setores — seja bancário, hospitais ou organizações do setor público — enfrentam os mesmos problemas. Eles desejam infraestrutura de IA dentro de sua própria jurisdição e fisicamente próxima o suficiente para controlar. Seus sistemas de voz interativos e aplicações de vídeo degradam à medida que a latência da rede aumenta. Mesmo que o problema possa ser inicialmente contornado mantendo um operador humano para a primeira geração de sistemas autônomos, essa supervisão por si só não tolera bem a latência. Por exemplo, robôs de entrega e robôs domésticos supervisionados por conexão de vídeo exigem um loop de comunicação completo que deve permanecer abaixo de aproximadamente 80 milissegundos, conforme medido em um estudo de teleoperação robótica remota. Carros autônomos, curiosamente, são a exceção: a condução permanece a bordo por razões de segurança, e os operadores remotos da Waymo trabalham com um atraso de um quarto de segundo, alguns deles de outro continente. O que a cidade herda das frotas autônomas são seus dados, não o volante.

O mercado de data centers está subestimando esse aumento na demanda. O Banco Mundial publicou um documento mostrando como municípios em países como Argentina, Índia e Etiópia, entre outros, adotaram IA em áreas de justiça, combate à corrupção, alfândega, administração pública e melhoria de serviços. Isso não é um caso local. É uma transformação global. Na Teravolt, nossa estimativa é que uma área metropolitana de 10 a 15 milhões de habitantes poderia suportar aproximadamente de 6 a 13 MW de carga de IA sensível à latência de forma contínua até 2030, antes que robôs de uso geral sejam implantados em massa. Pode‑se argumentar que não é um número tão grande pelos padrões de hiperescalas, mas encontrá‑lo no local correto é bem mais difícil do que parece. Até 2036, a mesma área metropolitana passará a 22 a 50 MW de carga sensível à latência — e a 60 a 100 MW se a indústria automobilística começar a produzir robôs em escala automotiva. A economia da demanda é implacável da melhor forma: algumas centenas de dólares por ano de custo de servidor em uma máquina que substitui de $30,000 a $60,000 de mão de obra é uma demanda que não negocia preço.

Adicionando um Quarto Nível à Computação

Atualmente, o poder computacional para IA existe em três níveis. A camada superior consiste em gigafábricas usadas para treinar modelos. Sua localização importa aos desenvolvedores apenas na medida em que garante grandes quantidades de energia a um preço aceitável. Em seguida, vêm as instalações regionais de IA, tipicamente entre 20 e 200 MW, onde grande parte da a demanda recorrente de inferência em grandes operações de nuvem e empresariais ocorre. Por fim, temos o poder de computação incorporado diretamente no dispositivo ou no robô.

Parece haver uma lacuna entre as duas últimas camadas que eu identifico como a camada urbana — a lacuna responsável pelos problemas de latência. Elas precisariam estar localizadas dentro ou muito próximas de grandes cidades. Precisariam ser medidas em megawatts de um dígito ou poucos dígitos duplos, posicionadas em áreas metropolitanas e conectadas a fibra de alta qualidade. O ponto de partida poderia ser em torno de 2 MW se o local tiver energia garantida. Para ilustrar a praticidade, considere um robô de entrega. Ele lida com diferentes solicitações e nem todas podem ser processadas no próprio dispositivo. Embora seja treinado na gigafábrica, seria necessário um auxílio mais avançado em tempo real, processado por uma instalação urbana próxima, em vez de enviá‑lo a uma instalação regional a cada vez.

O Problema do Tráfego Bidirecional

Os centros de dados urbanos não serão apenas pontos intermediários de recebimento de dados de centros de treinamento, mas também gerarão grandes volumes de dados que serão enviados de volta ao longo da cadeia.

Cada máquina autônoma e cada sistema rico em sensores acumulará informações que precisarão ser processadas e enviadas de volta para serem integradas ao treinamento. Frotas de robôs que retornam aos seus pontos de carregamento após um turno enviarão enormes informações úteis sobre casos extremos e operações diárias que os centros de dados precisam para melhorar suas funções. Imagine todo esse tráfego sendo enviado de uma só vez na mesma direção. Isso criará um gargalo. É aqui que o centro de dados urbano se torna útil, pois pode processar parte da carga antes que ela sobrecarregue a instalação de computação regional. Ele pode identificar e descartar dados errôneos enquanto comprime e encaminha as partes úteis.

Essencialmente, o centro de dados urbano fornece outra camada de filtragem às duas camadas que o precedem, tornando o fluxo de dados ainda mais organizado.

O Futuro será um Servidor em Cada Quarteirão?

Embora eu apresente servidores urbanos como uma solução, também é simplesmente caro demais resolver problemas de latência com uma proliferação desenfreada. Não importa o tamanho, um centro de dados ainda requer conexão à rede elétrica, transformadores, refrigeração, segurança, rede e equipe. Esses custos não diminuem proporcionalmente com a carga de TI. Para colocar em perspectiva, uma instalação de 0,5 MW ainda tem muitos dos mesmos custos fixos de um site muito maior.

Em nossos projetos, vimos que um centro de dados urbano autônomo se torna economicamente viável em torno de 5 a 8 MW. Mesmo assumindo que vários locais possam compartilhar um centro de operações de rede, o limite cai apenas para 1,5 a 3 MW. Portanto, o resultado final continua o mesmo. Dividir 20 MW distribuídos em vinte locais em vez de dois ou três economiza quase nenhuma latência dentro de uma área metropolitana — o anel de fibra da cidade tem apenas alguns milissegundos de extensão — enquanto multiplica o capital e o custo operacional.

É por isso que acredito que a indústria precisa reduzir o tamanho e construir o que chamo de “subestações para inteligência”. Atualmente, os desenvolvedores estão aprendendo a construir instalações regionais na faixa de 20 a 100 MW. O objetivo futuro é aplicar isso a locais urbanos ainda menores, a fim de alcançar o nível de 2 MW adequado para grandes cidades.

O Obstáculo Político

Além da viabilidade econômica, o desafio político ainda persiste. Os centros de dados tornaram‑se cada vez mais vilificados na mídia por seu impacto adverso ao meio ambiente. Segundo uma pesquisa da Pew, mais da metade dos americanos acreditam que os centros de dados são prejudiciais ao meio ambiente e têm opiniões negativas a respeito. O argumento da criação de empregos empalidece em comparação à quantidade de água, terra e eletricidade consumidas; bem como ao ruído e às emissões geradas. Obter aprovações mesmo para instalações urbanas menores provará ser difícil.

Já vemos exemplos de desenvolvedores de centros de dados e autoridades municipais em conflito. Nos EUA, o uso de turbinas a gás pela xAI para acelerar sua expansão em Memphis gerou disputas de licenciamento, oposição da comunidade e litígios. A Europa foi mais longe: Amsterdã impôs um moratório a instalações acima de 70 MW, Dublin agora aceita novos centros de dados apenas se trouxerem sua própria geração ou armazenamento, e a subestação chave do corredor de West London não será reforçada antes do início da década de 2030. Mesmo fora desses casos de alto perfil, sendo esta uma nova área de controvérsia, muitas autoridades municipais não têm um processo de aprovação claro para autorizar mais 10 MW de infraestrutura de IA dentro da área urbana. Conforme observado em um relatório da National League of Cities, um dos desafios mais comuns para as cidades é que códigos de zoneamento locais mais antigos não abordam explicitamente os centros de dados, levando a revisões caso a caso. Essas incertezas legais podem atrasar até projetos tecnicamente viáveis.

Decisões de Infraestrutura Hoje Moldam Nossa Capacidade para o Futuro

Tudo isso significa que precisamos planejar e construir preventivamente a infraestrutura necessária para as futuras evoluções da IA. Porque, embora os modelos se desenvolvam rapidamente, a energia necessária para operá-los depende de um tipo de infraestrutura que leva tempo para ser construída. Conexões à rede podem levar anos, e em alguns grandes mercados de data centers as filas agora se estendem de sete a dez anos. Portanto, se as cidades vão aumentar a potência computacional de IA até 2030, essa infraestrutura elétrica precisa ser implementada agora. Na Teravolt, nosso modelo de trabalho estima a demanda global urbana de IA entre 9 e 18 GW até 2036. Isso implica cerca de 1.000 a 1.500 sites urbanos e metropolitanos significativos em todo o mundo, dependendo do tamanho médio das instalações, e, ao todo, poderia representar um mercado avaliado em aproximadamente US$ 500 bilhões a US$ 1 trilhão.

Se o planejamento necessário não for realizado, ficaremos presos a uma capacidade avançada de IA que não podemos aproveitar. A era móvel precisou da infraestrutura de torres para cobertura de rádio acompanhar as pessoas; caso contrário, o telefone celular seria irrelevante. Da mesma forma, devemos reconhecer o descompasso entre a evolução da IA e a instalação da infraestrutura elétrica. Onde a era móvel media a cobertura em barras de sinal, a era da IA a medirá em milissegundos e watts por residente — e não precisará de milhões de torres, mas aproximadamente mil instalações do tamanho de uma subestação. Fibra, milissegundos e megawatts são a moeda neste campo, e aqueles que reconhecem essa escassez antecipadamente estão mais bem posicionados para moldar o futuro.