O boom de IA geralmente é medido em GPUs da Nvidia e gastos com capital de hyperscalers. Mas um data center cheio de chips avançados é inútil se não conseguir garantir eletricidade suficiente para alimentá-los.
É por isso que a energia está se tornando uma das restrições mais importantes na infraestrutura de IA.
A IEA espera que o consumo de eletricidade dos centros de dados globais aumente de aproximadamente 485 TWh em 2025 para cerca de 950 TWh até 2030. As instalações focadas em IA devem crescer ainda mais rapidamente.
O problema não é apenas quanto poder a IA consome. É quão rápido essa demanda aparece. Os centros de dados podem ser construídos em alguns anos, enquanto linhas de transmissão, subestações e nova geração geralmente levam muito mais tempo.
As GPUs são apenas uma camada da pilha de IA
Clusters de IA precisam de mais do que processadores.
Milhares de aceleradores exigem rede, conversão de energia, refrigeração e acesso confiável à rede elétrica. À medida que a densidade dos servidores aumenta, a infraestrutura de suporte torna-se mais exigente.
Isso cria uma cadeia de suprimentos de IA mais ampla:
GPU → rede → conversão de energia → refrigeração → conexão à rede → geração de eletricidade
Nosso guia de infraestrutura de IA mostra como a história de investimento já se expandiu além dos chips para gestão de energia e térmica.
A principal diferença é que alguns desses gargalos não podem ser resolvidos simplesmente ordenando mais equipamentos.
Um hiperscaler pode conseguir comprar mais GPUs. Não pode criar instantaneamente uma nova conexão de alta tensão.
O acesso à grade está se tornando escasso
O Texas oferece um dos exemplos mais claros.
Os pedidos de energia propostos para centros de dados superaram 700 GW, bem acima do consumo atual dos centros de dados dos EUA. Os reguladores começaram a apertar as regras de conexão porque parte dessa demanda pode vir de projetos que nunca serão construídos. A Reuters descreveu o problema como ghost demand.
Isso cria um problema financeiro real. As concessionárias podem investir em infraestrutura para projetos que nunca chegam, enquanto verdadeiros campi de IA enfrentam esperas de anos para obter energia.
| Gargalo de IA | Por que isso importa |
|---|---|
| Conexão de grade | Novos projetos podem aguardar anos |
| Transformers | Longos prazos de fabricação |
| Resfriamento | GPUs de maior densidade geram mais calor |
| Geração | IA requer energia confiável 24/7 |
| Transmissão | A energia pode estar longe dos centros de demanda |
As empresas de energia estão se tornando apostas em IA
Este gargalo está criando um novo grupo de beneficiários de IA.
A Vertiv, por exemplo, fornece sistemas de gerenciamento de energia e refrigeração para data centers e recentemente acordou comprar a especialista em microgrid Utility Innovation Group por até US$ 2,6 bilhões. O acordo da Vertiv mostra o quão valiosas estão se tornando a geração local e a infraestrutura independente da rede.
Microgrids são importantes porque podem reduzir a dependência de conexões de utilidade atrasadas, combinando eletricidade da rede com geração e armazenamento locais.
As utilidades também estão se tornando parte do comércio de IA. A NextEra Energy, a Dominion Energy e outras fornecedoras de energia se beneficiam cada vez mais da demanda de longo prazo criada por hyperscalers e desenvolvedores de data centers.
A perspectiva energética da AIE espera que as renováveis forneçam uma grande parcela da demanda adicional de centros de dados, mas o gás natural, a energia nuclear e o armazenamento também permanecerão importantes, pois as cargas de IA precisam de energia confiável 24 horas por dia.
Isso também está alterando a economia da mineração de bitcoin. Os mineiros já controlam conexões valiosas à rede em regiões com eletricidade barata. Se empresas de IA estiverem dispostas a pagar mais por essa mesma energia, alguns operadores podem deslocar capacidade em direção à computação de alto desempenho. A análise de mineração da Coinpaper mostra que a própria eletricidade está se tornando o ativo escasso.
A história do investimento em IA pode, portanto, ir além de perguntar quem fabrica o chip mais rápido.