Autor do Habr: o gargalo da IA são os clusters de GPU e os data centers, não os modelos

Segundo a Agência Internacional de Energia, os data centers consumiram cerca de 415 TWh de eletricidade em 2024, aproximadamente 1,5% da demanda mundial. Até 2030, a projeção quase dobra e chega a 945 TWh. Nesse cenário, um autor do Habr, em texto sobre a infraestrutura de IA, propõe uma tese simples: os principais limites do setor agora estão fora dos modelos em si. Eles estão nos clusters de GPU, nos data centers, nos mecanismos de compra, na regulação e na independência tecnológica.

Ressalva: só o anúncio foi publicado, e a maior parte do artigo está escondida sob o corte. Não vimos dados concretos nela. Por isso, a seguir verificamos a tese do autor em fontes abertas.

Eletricidade e resfriamento em vez de parâmetros

O treinamento e a operação de modelos grandes esbarram na física. Um acelerador H100 consome até 700 W. Um rack GB200 NVL72, com 72 aceleradores Blackwell, entrega cerca de 120 kW, enquanto em um data center corporativo comum o rack é dimensionado para 5–10 kW. Com essa densidade, o resfriamento a ar já não dá conta. É preciso ter circuitos de refrigeração líquida, salas de máquinas reprojetadas e subestações dedicadas.

Daí vem o problema central: não se compra em um trimestre um terreno com dezenas de megawatts de potência contratada. Licenciamentos, redes elétricas e entrega de transformadores levam anos, enquanto um modelo pode passar por novo ajuste fino em semanas.

Compras como função estratégica

Desde outubro de 2022, os EUA restringem de forma gradual a exportação de aceleradores avançados para a China e outras jurisdições. A compra de GPUs deixou de ser rotina e virou questão de compliance, logística e política. O projeto Stargate mostra a escala dos investimentos: em janeiro de 2025, foram anunciados até US$ 500 bilhões em quatro anos.

Para mercados fora das principais cadeias de fornecimento, o quadro é mais duro. O acesso acontece por aluguel de nuvem, importação paralela ou aceleradores locais. As soluções locais esbarram no stack de software: o ecossistema CUDA, as bibliotecas e as ferramentas de otimização acumularam anos de depuração, e só com hardware não dá para alcançá-lo.

Principais métricas da barreira de infraestrutura

• Consumo dos data centers: cerca de 415 TWh em 2024, com projeção da AIE de cerca de 945 TWh até 2030.
• H100: até 700 W por acelerador.
• GB200 NVL72: cerca de 120 kW por rack, 72 aceleradores.
• Rack de data center convencional: 5–10 kW.
• Stargate: até US$ 500 bilhões em quatro anos, segundo os participantes do projeto.

Como planejar a capacidade

A tese do autor do Habr parece convincente, mas precisa ser testada nas suas próprias cargas de trabalho. Para a maioria das equipes, a questão não é se devem montar o próprio cluster. O importante é calcular antes o custo do token ou da hora de GPU com utilização real e comparar aluguel, reserva e compra.

O mínimo prático: incluir no contrato com a nuvem cotas garantidas de aceleradores, e não apenas o preço. Verificar se o código é portável para outro stack, para não depender de um único fornecedor. Para instalações próprias, começar pelo pedido de potência e pelo projeto de resfriamento, e escolher os modelos só depois. Se o texto completo no Habr trouxer cálculos sobre compras e regulação, são eles que vão mostrar até que ponto esse cenário se aplica ao mercado russo.