Infraestrutura de IA Consumirá 2,27 Bilhões de Metros Cúbicos de Água Anualmente até 2030

Até 2030, a infraestrutura global de IA poderia consumir até 600 bilhões de galões de água por ano — aproximadamente 2.27 bilhões de metros cúbicos — segundo cálculos de analistas da publicação Tom's Hardware, citada pela 3DNews. A razão principal do aumento não é a água em si como um recurso separado, mas o consumo rápido crescente de energia dos data centers: quanto mais eletricidade os aceleradores de IA exigem para treinar e executar modelos, mais água é gasta tanto no resfriamento do equipamento em si quanto na geração da eletricidade que o alimenta.

De Onde Vem o Consumo de Água

Os data centers têm dois canais principais de consumo de água, e ambos estão diretamente ligados ao consumo de energia. O primeiro é o resfriamento direto de racks de servidores e aceleradores de IA: muitos grandes clusters de computação usam torres de resfriamento evaporativo, onde uma porção de água é permanentemente perdida para a atmosfera como vapor para dissipar o calor excessivo de GPUs densamente empacotadas. O segundo canal, menos óbvio, é a geração de eletricidade em si: as usinas de energia térmica e nuclear também consomem volumes significativos de água para resfriamento de turbinas, e o aumento do consumo de energia dos data centers aumenta automaticamente a carga nesta parte da cadeia.

• Previsão — até 600 bilhões de galões de água por ano até 2030.
• Convertido para o sistema métrico — aproximadamente 2.27 bilhões de metros cúbicos.
• Fonte dos cálculos — publicação Tom's Hardware.
• Principal fator de crescimento — maior consumo de energia do equipamento de data centers de IA.
• Mecanismo — a água é gasta simultaneamente no resfriamento de servidores e na produção de eletricidade para alimentá-los.

Por

Que o Crescimento do Consumo de Energia se Acelerou Tão Drasticamente

Nos últimos anos, a densidade de computação em data centers aumentou várias vezes: novas gerações de aceleradores de IA consomem significativamente mais energia por chip, e a quantidade de tais chips em clusters individuais para treinar grandes modelos se conta em dezenas de milhares. Isto representa um perfil de carga fundamentalmente diferente em comparação com data centers em nuvem clássicos projetados para serviços web e armazenamento de dados — clusters de IA operam em limites de capacidade térmica quase constantemente, em vez de em raros cenários de pico, o que impulsiona tanto contas de eletricidade quanto o consumo de água associado.

Como a Indústria Responde à Demanda Crescente

O problema do consumo de água em data centers tem sido discutido por vários anos por operadores de infraestrutura em nuvem, especialmente em regiões com escassez de água doce, onde a construção de novos clusters enfrenta resistência de comunidades locais e reguladores. Em resposta, grandes empresas de tecnologia anunciam publicamente transições para esquemas de resfriamento mais eficientes — do resfriamento líquido direto de chips, que requer menos água por unidade de calor dissipado, até localizar data centers em climas mais frios e usar água não-potável ou reciclada em vez de água doce.

Neste cenário, vários grandes operadores de data centers anunciaram publicamente uma estratégia "water positive" — a intenção até 2030 de devolver mais água ao meio ambiente do que consomem, através de projetos de restauração de ecossistemas aquáticos e melhorias na eficiência de resfriamento. Se tais compromissos conseguirão compensar especificamente o crescimento de consumo relacionado à IA como descreve Tom's Hardware continua uma questão aberta: a maioria destes programas foi anunciada antes do crescimento explosivo atual em capacidade de computação para grandes modelos de linguagem, e seus cálculos iniciais podem não ter levado em conta as taxas atuais de construção de novos clusters.

Outra complicação é que o crescimento na demanda por computação de IA supera a atualização e expansão da infraestrutura de energia e água nas regiões onde data centers estão sendo construídos. Como resultado, a carga geralmente cai precisamente nos recursos hídricos locais de territórios específicos em vez de ser distribuída uniformemente em um país ou globalmente, o que torna tais previsões um assunto para discussão não apenas entre cientistas ambientais mas também entre autoridades locais regulamentando a construção de novos clusters. A previsão de 600 bilhões de galões até 2030, em essência, marca o limite superior do que a indústria precisará lidar se as taxas de crescimento de computação de IA persistirem e a eficiência de resfriamento não melhorar em taxas comparáveis.

Para a indústria como um todo, tais previsões se tornam motivação adicional para arquiteturas de modelo mais eficientes em energia — quanto menos computações forem necessárias para obter a mesma qualidade de resposta, menor será a carga total no sistema de energia e, correspondientemente, o consumo de água associado.