A Meta planeja construir 10 novas usinas de gás natural para alimentar seu próximo data center de IA Hyperion, gerando eletricidade suficiente para abastecer todo o estado de Dakota do Sul. Este investimento massivo em infraestrutura energética ressalta a realidade brutal por trás das demandas exponenciais de computação da IA—treinar e rodar modelos de fronteira requer energia em escala industrial que a infraestrutura renovável atual simplesmente não consegue fornecer sob demanda.
Esse movimento expõe a lacuna entre os compromissos climáticos das Big Techs e as ambições de IA. Enquanto a Meta se comprometeu com emissões líquidas zero até 2030, a empresa agora está apostando em combustíveis fósseis para atender as demandas de energia 24/7 dos clusters de treinamento de IA. O timing não é coincidência—enquanto os tamanhos dos modelos explodem e cada gigante tech compete para construir AGI, os data centers se tornaram as novas refinarias de petróleo. As emissões do Google saltaram 50% desde 2019, as da Microsoft subiram 30%, impulsionadas em grande parte pela infraestrutura de IA. A estratégia de usinas a gás da Meta sugere que eles fizeram as contas: perder a corrida da IA custa mais do que falhar nas metas climáticas.
O que é particularmente revelador é a escala—10 usinas para um único data center sinaliza que estamos entrando em território inexplorado para o consumo energético de IA. Instalações hyperscale anteriores tipicamente requeriam 1-2 fontes de energia dedicadas. Ou a Meta está planejando algo sem precedentes no treinamento de modelos, ou os ganhos de eficiência energética prometidos pelos chips mais novos não estão se materializando rápido o suficiente para compensar a demanda.
Para desenvolvedores, isso deveria ser um alerta sobre custos de inferência. Se a infraestrutura de treinamento requer geração de energia em nível estadual, rodar esses modelos não será barato. Comecem a otimizar para eficiência agora, porque a era de computação de IA abundante e acessível está acabando antes de realmente começar.