Consumo de Energia da IA
Por que isso importa
Em profundidade
A primeira coisa a entender é a divisão entre treinamento e inferência. Treinar um modelo de fronteira é uma explosão única e enorme: dezenas de milhares de aceleradores rodando em sincronia por semanas ou meses, com estimativas de energia para as maiores execuções chegando a dezenas de gigawatts-hora — aproximadamente o consumo anual de eletricidade de uma cidade pequena. A inferência tem o perfil oposto: cada solicitação é barata, mas bilhões de solicitações por dia se acumulam e, com a explosão do uso em produção, a inferência ultrapassou o treinamento como a maior parcela da demanda elétrica total da IA. As duas fases acabam no mesmo lugar — instalações de Centros de dados —, onde chips de GPU e TPU transformam eletricidade em calor que depois precisa ser removido, razão pela qual campi modernos de IA são projetados tanto ao redor de subestações e refrigeração quanto do silício.
Treinamento vs. Inferência
Uma execução de treinamento de fronteira concentra sua energia em uma única janela. O cluster por trás dela — dezenas de milhares de aceleradores conectados por redes de alta largura de banda — pode consumir 100 MW ou mais de carga contínua de TI durante a execução, por isso os locais de treinamento são escolhidos em função das subestações disponíveis e de energia firme e barata. Trabalhos menores também importam: o Ajuste fino de um modelo existente é ordens de magnitude mais barato que treinar do zero, mas milhares de organizações fazendo isso diariamente se somam.
A Inferência distribui a energia. Cada Token gerado custa uma quantidade minúscula de computação, mas um modelo popular atende milhões de usuários sem parar, portanto o medidor nunca descansa. A própria medição do Google em 2025 estimou um prompt de texto mediano do Gemini em cerca de 0,24 watt-hora, e estimativas independentes para chatbots comparáveis ficam na mesma faixa de poucos décimos de watt-hora — pouco por solicitação, enorme no agregado. Modelos de raciocínio elevaram acentuadamente a energia por solicitação, porque geram longas cadeias de pensamento ocultas antes de produzir uma resposta visível. A regra prática: a energia de treinamento escala com o tamanho do modelo e do dataset, conforme descrito pelas Leis de Escala, enquanto a energia de inferência escala com usuários, comprimento de contexto e comprimento da saída.
Campi de Gigawatts e Acordos Nucleares
A resposta da indústria foi uma expansão medida em gigawatts, parte central da moderna Infraestrutura de IA. Campi de IA anunciados hoje planejam capacidade de 1 GW ou mais em um único local — a produção de um grande reator nuclear —, e a IEA estima o consumo global de centros de dados em cerca de 415 TWh em 2024, aproximadamente 1,5% de toda a eletricidade, com esse número mais que dobrando até 2030 e a IA como principal causadora. A pressão já é visível localmente: centros de dados dos EUA consumiram cerca de 4,4% da eletricidade nacional em 2023, com projeções federais de 7 a 12% até 2028, e na Irlanda respondem por aproximadamente um quinto da demanda nacional, provocando restrições a novas conexões perto de Dublin.
Como as redes não conseguem se expandir tão depressa, os maiores compradores foram direto à fonte. A Microsoft assinou um acordo de 20 anos para reativar o reator intacto de Three Mile Island, garantindo cerca de 835 MW de energia sem carbono 24 horas por dia; o Google fechou um acordo com a Kairos Power para pequenos reatores modulares que somam aproximadamente 500 MW até 2035; e a Amazon veio depois com seus próprios acordos para campi apoiados por energia nuclear. Esses contratos dizem menos respeito a marketing verde do que à física: clusters de treinamento e serving precisam de energia firme 24 horas por dia, sete dias por semana, e apenas a fonte nuclear e algumas outras entregam isso na escala de gigawatts.
Uma Consulta Não Derrubará a Rede
Uma afirmação comum é que cada consulta a um chatbot representa um desastre ambiental, e os números por consulta não sustentam isso. Com poucos décimos de watt-hora, um prompt de texto é comparável a alguns minutos de uma lâmpada LED e fica muito abaixo de estimativas virais anteriores que presumiam que toda consulta acionava um novo cálculo gigantesco. O valor por consulta também continua caindo conforme os modelos e as pilhas de serving melhoram.
Mas a afirmação oposta — de que a energia da IA não é um problema — está igualmente errada. O impacto vive no agregado: bilhões de solicitações diárias, modalidades mais pesadas como geração de imagem e vídeo que custam muito mais que texto, e demanda que se multiplica conforme a IA é incorporada a busca, software de escritório e atendimento ao cliente. Tanto as manchetes apocalípticas quanto o desdém perdem o quadro real, que é um problema de planejamento da rede elétrica, não de culpa por consulta.
Ganhos de Eficiência e o Efeito Rebote de Jevons
A curva de eficiência é realmente íngreme. Quantização, Destilação, Decodificação Especulativa e arquiteturas de mistura de especialistas reduzem a computação por token em grandes fatores, e cada geração de aceleradores da NVIDIA e de seus concorrentes melhora substancialmente o desempenho por watt. Pilhas de Serving de Modelo também ficaram mais inteligentes, com reutilização do cache KV e batching contínuo mantendo alta a utilização, e parte da inferência está migrando para dispositivos de edge, onde modelos pequenos rodam localmente.
Ainda assim, o consumo total continua subindo, o paradoxo de Jevons em ação: quando o custo por token cai, a demanda não permanece constante — aplicações antes antieconômicas são ligadas, e o uso se expande para preencher o orçamento. Os preços de tokens caíram aproximadamente uma ordem de magnitude por ano, enquanto o volume total de inferência cresceu ainda mais depressa. A perspectiva realista não é que a eficiência salve a rede, mas que determine quanta IA uma determinada rede consegue entregar.