Data centers de IA rumo aos 950 TWh: novo relatorio da IEA mostra a conta de energia que a Inteligencia Artificial vai cobrar ate 2030

Resumo: A Agência Internacional de Energia (IEA) atualizou seu balanço sobre a relação entre Inteligência Artificial e eletricidade e o número que ficou é difícil de ignorar: o consumo global de data centers deve saltar dos 485 TWh registrados em 2025 para cerca de 950 TWh em 2030 — praticamente o dobro em cinco anos. A conta é puxada, sobretudo, pelas instalações dedicadas a treinar e servir modelos de IA, que sozinhas cresceram 50% em 2025 e devem triplicar até o final da década. O investimento das grandes plataformas em capex já ultrapassou US$ 400 bilhões no ano passado e a expectativa da IEA é de mais 75% em 2026. Para o Brasil, que virou destino de novos hyperscalers e concentra vantagens em matriz renovável, o relatório funciona como um espelho: a oportunidade é enorme, mas a pressão sobre rede, água e regulação sobe junto.

O que a IEA diz nesta rodada

O documento "Energy Demand from AI", parte da série "Energy and AI", consolida os dados coletados em 2025 e refina as projeções feitas no ano anterior. As principais conclusões giram em torno de quatro eixos: crescimento do consumo total, aceleração específica de IA, ganhos de eficiência por task e concentração geográfica dos investimentos.

Na demanda agregada, 2025 fechou entre 460 e 490 TWh, com alta de 17% em relação a 2024 — quase seis vezes o crescimento total da demanda global de eletricidade no mesmo período. A projeção para 2030 sobe para 950 TWh, o equivalente a algo entre 2,5% e 3% do consumo elétrico mundial e o dobro do que a maior parte dos gestores de rede havia planejado dois anos atrás.

Dentro desse total, a fatia estritamente de IA — treinamento, fine-tuning, servir modelos de fronteira, agentes autônomos — cresceu 50% em 2025. Se o ritmo persistir, essa parcela pode triplicar até 2030 e chegar a 465 TWh, se aproximando do consumo dos data centers "convencionais" que operam desde os anos 2010.

A boa notícia é a curva de eficiência: o consumo por tarefa de IA vem caindo pelo menos uma ordem de magnitude por ano nos últimos ciclos, algo que a própria IEA classifica como sem precedentes na história recente da energia. Novos aceleradores como Blackwell Ultra e Rubin, formatos como NVFP4, arquiteturas mais frugais e refrigeração líquida direta ajudam a comprimir joule por token. O problema é que a demanda cresce mais rápido do que a eficiência.

Por que importa (e o status no Brasil)

O Brasil entrou no radar dos grandes data centers no ciclo 2024–2026 justamente por causa desse gargalo global: com matriz elétrica majoritariamente renovável e clima favorável em alguns polos, o país é vendido como "AI factory zone" para hyperscalers em busca de gigawatts. Estados como São Paulo, Rio Grande do Sul, Ceará e Pernambuco disputam projetos bilionários e há discussões formais sobre incentivos para colocar em pé uma "Política Nacional de Data Centers".

Para o setor privado, o relatório da IEA reforça o pitch. Para o poder público, joga luz sobre pontos delicados: subestações, disponibilidade de água de resfriamento, subsídios fiscais e o próprio marco de transição energética. Se cada gigawatt novo de IA precisa vir com uma resposta clara sobre origem da energia, uso de água e integração com a rede, o país que resolver esse quebra-cabeça primeiro tende a capturar mais valor.

Do lado da demanda, o brasileiro que hoje conversa com Claude ou pede resumo para o Gemini é indiretamente responsável por uma fração desses 950 TWh. Isso torna a discussão sobre eficiência de prompts, cache, RAG bem estruturado e escolha de modelos apropriados menos uma "cerimônia técnica" e mais uma decisão econômica e ambiental.

Riscos e limitações

Três alertas do próprio relatório merecem destaque. Primeiro, a incerteza continua alta: variáveis como custo de energia, ritmo de adoção de agentes autônomos, penetração de inferência local e sucesso de novas arquiteturas podem mover a projeção para cima ou para baixo em ordens de grandeza.

Segundo, a média global esconde tensões locais. Nos EUA, o crescimento da carga de data centers já responde por metade da expansão de demanda em algumas regiões e força reabertura de usinas nucleares e térmicas. Na Europa, a pressão bate em metas de descarbonização. Em mercados emergentes, incluindo o Brasil, o desafio é evitar que o boom capture rede e insumos que faltam para eletrificação de transporte e indústria.

Terceiro, a "eficiência por task" não é linear. Modelos de raciocínio profundo, agentes multi-etapas e vídeo geram muito mais tokens por consulta do que a média de 2023. Ou seja, mesmo com joule/token caindo, o consumo por usuário pode subir.

Cenário: o que vem a seguir

A IEA aponta três forças que devem redesenhar o mapa até 2028. A primeira é a chegada em escala das arquiteturas de baixa precisão (FP4, INT4) e do co-design entre chip, refrigeração e rede — o discurso de "extreme co-design" defendido pela Nvidia no Rubin é um exemplo. A segunda é a corrida por PPA (power purchase agreements) de longo prazo com nuclear, geotermia e renováveis firmes. A terceira é a possível padronização de métricas que incluam água, embodied carbon e uso do território.

Para o mercado brasileiro, três movimentos concretos devem se acelerar ainda em 2026: leilões e contratos bilaterais específicos para data centers; regulação do ONS para novas cargas críticas; e um debate público, ainda tímido, sobre transparência de consumo. Se essa arquitetura sair, o país tem condições reais de exportar "IA de baixa emissão".

Análise SWOT — mercado global de data centers de IA

Forcas
Ganhos de eficiência sem precedentes (reducao de ordem de magnitude/ano por task), capex bilionario garantindo pipeline, integracao vertical entre chip, rede e refrigeracao.
Fraquezas
Alta dependencia de poucas cadeias de fornecimento (HBM, TSMC, Nvidia), consumo de agua relevante, exposicao a precos de energia locais.
Oportunidades
Mercados com renovaveis firmes (Brasil, Nordicos, Golfo), inferencia local em edge e PC, novos modelos de negocio para modularidade e PPAs de longo prazo.
Ameacas
Reacao regulatoria em cidades saturadas, tarifas de eletricidade em alta, backlash socioambiental por uso de agua e territorio.

Conclusão prática

Para quem toma decisão de tecnologia, a mensagem da IEA é dupla: a IA vai continuar crescendo — planeje capacidade, custos e emissões com isso em mente — mas cada watt vai ser cada vez mais disputado. Para times de engenharia, cabe internalizar métricas de energia por task (joule/token, tokens por prompt útil) tão a sério quanto latência e custo. Para gestores de data centers no Brasil, é hora de acelerar contratos de longo prazo com renováveis firmes e amadurecer o diálogo com ONS, ANEEL e prefeituras. E para o cidadão comum, vale saber: por trás daquele resumo bonito num chat, existe uma linha de subestação sendo construída em algum lugar do planeta.

Fonte original: IEA — Energy and AI: Energy Demand from AI (relatorio atualizado, 2026).

Ninja

Na cena de cybersecurity a mais de 25 anos, Ninja trabalha como evangelizador de segurança da informação no Brasil. Preocupado com a conscientização de segurança cibernética, a ideia inicial é conseguir expor um pouco para o publico Brasileiro do que acontece no mundo.

Recent Posts

Google mede contextualidade quântica em até 105 qubits no Willow

Publicado na Science, o experimento ganha o jogo do quadrado mágico em 98,30% das rodadas,…

10 horas ago

BlockJack desvia o cache KV do vLLM entre inquilinos diferentes

Preprint de seis universidades mostra que corromper um único registro da tabela de blocos faz…

10 horas ago

SCKit abusa do ScreenConnect para atacar sessões de técnicos

A Microsoft confirmou a campanha relatada pela ConnectWise e detalhou um kit que inverte o…

10 horas ago

F5 libera hotfixes de emergência para cinco falhas críticas no BIG-IP

Os avisos publicados em 18 de novembro atribuem CVSS 4.0 de 9,3 a cinco estouros…

10 horas ago

Ataque recupera texto exato no aprendizado federado

Preprint do BITS Pilani Goa mostra um cliente comum reconstruindo frases exatas de outros participantes…

1 dia ago

Agile Deliberation: Google treina IA em conceitos subjetivos

Framework do Google Research trata a construção de classificadores subjetivos como conversa iterativa: delimita subconceitos…

1 dia ago