Consumo de energia por servidores de IA nos data centers deve dobrar até 2030 e exige redefinição global da infraestrutura, aponta índice da Kearney

imagem gerada por IA

Flavio Sartori

A Kearney divulgou o estudo Data Center Demand Index, que analisa a evolução da demanda por data centers até 2030. Segundo a análise, o avanço acelerado da inteligência artificial (IA) está gerando uma transformação sem precedentes na infraestrutura digital global, redefinindo o planejamento, a localização e o consumo energético dos data centers em todo o mundo. Os servidores dedicados à IA já representavam entre 23% e 27% de toda a eletricidade consumida por data centers em 2025 — uma proporção que, segundo o levantamento, deve dobrar até 2030.

O relatório destaca que a intensidade computacional de tecnologias emergentes — incluindo aplicações nativas de nuvem, automação industrial, dispositivos conectados e gêmeos digitais, além da própria IA — está gerando volumes de processamento nunca vistos. Essa nova realidade está enfraquecendo a ligação tradicional entre o local onde a demanda por dados é originada e o local onde a infraestrutura física precisa ser construída, segundo a Kearney.

Esse diagnóstico converge com o de outras organizações que monitoram o setor: a Agência Internacional de Energia (IEA) projeta que o consumo elétrico global de data centers deve mais do que dobrar até 2030, passando de cerca de 415 terawatt-hora em 2024 para aproximadamente 945 terawatt-hora — volume que supera o consumo elétrico total do Japão atualmente e representa cerca de 3% de toda a eletricidade consumida no planeta naquele ano. Segundo a IEA, entre 2024 e 2030 o consumo elétrico de data centers deve crescer cerca de 15% ao ano, ritmo mais de quatro vezes superior ao do crescimento da demanda elétrica dos demais setores da economia.

Um dos dados relevantes do levantamento da Kearney contraria a percepção comum de que o treinamento de modelos de IA consome a maior parte dos recursos energéticos no longo prazo. O estudo indica que o crescimento futuro será liderado predominantemente pela inferência de IA — a aplicação prática de modelos já treinados no dia a dia de empresas e usuários. A inferência já representa 80% de todas as cargas de trabalho de IA atualmente e deve alcançar 85% até 2028, segundo a consultoria.

Ainda assim, o treinamento de modelos continua sendo o segmento de maior densidade energética por unidade de infraestrutura: exige entre 30 e 100 kW por rack, contra 10 a 30 kW para a inferência de IA e apenas 10 a 14 kW para ambientes tradicionais de escala hiperescalável (hyperscale). Essa disparidade energética explica por que treinamento e inferência tendem a exigir estratégias de localização física completamente diferentes dentro da nova infraestrutura global.

Diante desses novos requisitos técnicos e de consumo, o estudo aponta que uma única geografia não será mais capaz de acomodar todos os tipos de demanda de processamento. O mercado global de data centers está se dividindo em quatro arquétipos principais de localização, cada um moldado pelas necessidades específicas de sua carga de trabalho.

O primeiro é o metro-local, focado em cargas de trabalho corporativas tradicionais, computação de borda (edge) e casos específicos de inferência de IA que exigem baixíssima latência e proximidade comercial com grandes centros populacionais. O segundo, chamado regional-portable, é voltado para a maior fatia da inferência de IA e para cargas de nuvem comuns, que não precisam estar na mesma cidade dos usuários e podem ser distribuídas regionalmente, onde haja melhor equilíbrio entre latência aceitável, custo e disponibilidade de terreno.

O terceiro arquétipo, sovereign-local, reúne cargas de trabalho que, por razões de conformidade regulatória, auditoria, segurança nacional ou proteção de dados, precisam permanecer obrigatoriamente dentro de fronteiras geográficas ou jurisdições de confiança específicas. Já o quarto, power-led, concentra cargas de trabalho maciças — como o treinamento de novos modelos de IA —, que têm altíssima intensidade energética, mas baixa sensibilidade à latência, podendo ser alocadas de forma flexível em qualquer lugar do planeta que ofereça energia abundante, competitiva em custo e, preferencialmente, de baixo carbono.

Embora o estudo tenha como base o mercado europeu, a Kearney aponta que a dinâmica de descentralização e a busca por energia escalável são tendências críticas também para países de dimensões continentais e com matrizes energéticas limpas, como o Brasil. O relatório argumenta que uma abordagem baseada em especialização e colaboração entre regiões será muito mais eficaz do que o modelo em que cada localidade tenta atender isoladamente a todos os tipos de demanda computacional.

Para economias como a brasileira, que combinam grande extensão territorial com uma matriz elétrica majoritariamente renovável, o diagnóstico da consultoria sugere uma janela de oportunidade especialmente para o arquétipo power-led — voltado a cargas de treinamento intensivo de IA, que priorizam custo e disponibilidade de energia limpa acima da proximidade com grandes centros urbanos.