Meça o ciclo de vida inteiro
A pegada da IA começa antes de um prompt e continua depois que um servidor é aposentado. A fabricação de semicondutores usa energia, água ultrapura, produtos químicos, e minerais. Os data centers usam eletricidade, refrigeração, geração de backup, rede, terra, e equipamento. O hardware no fim da vida útil se torna um problema de lixo eletrônico e recuperação.
O debate público frequentemente cita um número de água ou energia por consulta como se fosse universal. O uso real varia conforme o modelo, o hardware, a utilização do data center, a refrigeração, o clima, a rede elétrica, o comprimento do prompt, a modalidade de saída, e o método de alocação. Treinamento e inferência são distintos; a inferência pode dominar ao longo da vida útil de um produto se o uso for grande. Os provedores divulgam informação demais escassa para totais globais precisos só de IA.
O que é medido hoje
A Agência Internacional de Energia estimou que todos os data centers usaram cerca de 415 terawatts-hora de eletricidade em 2024, em torno de 1,5% do consumo global. A IA é um subconjunto desse total. Quase metade da capacidade de data centers dos EUA estava concentrada em cinco polos regionais, então os efeitos locais sobre a rede podem ser muito maiores do que a fatia global (AIE, abril de 2025).
A projeção central atualizada da AIE coloca o uso de data centers em aproximadamente 950 TWh em 2030, cerca de 3% da demanda global. Essa é uma previsão baseada em capacidade, eficiência, adoção, e suposições de mercado, não uma leitura de medidor vinda do futuro. Um uso de raciocínio, vídeo, e agentes mais intensivo em energia poderia empurrar a demanda para cima; eficiência, restrições de financiamento, ou adoção mais lenta poderiam reduzi-la (AIE, 2026).
Nos Estados Unidos, o Laboratório Nacional Lawrence Berkeley estimou que o uso de eletricidade por data centers subiu para 176 TWh em 2023, e poderia chegar a 325–580 TWh em 2028 (Departamento de Energia dos EUA, dezembro de 2024). A faixa ilustra a incerteza. Ela cobre data centers em geral, não apenas a IA generativa.
As emissões dependem de onde e quando a energia é produzida
Um servidor eficiente em uma rede fortemente baseada em combustíveis fósseis pode criar mais emissões operacionais do que um servidor menos eficiente abastecido por energia de baixo carbono. Contratos anuais de energia renovável nem sempre mostram a eletricidade que atende uma instalação na hora da demanda. A demanda marginal pode manter a geração fóssil online mesmo quando uma empresa compra certificados renováveis.
A AIE estimou as emissões de dióxido de carbono relacionadas à eletricidade de data centers em cerca de 180 milhões de toneladas em 2024, em torno de 0,5% das emissões globais de combustão de combustível. Seu cenário-base sobe para cerca de 1% até 2030 (análise climática da AIE). Fatias globais pequenas ainda podem entrar em conflito com planos climáticos locais ou criar crescimento setorial rápido.
Relatórios confiáveis deveriam incluir emissões baseadas em localização e baseadas em mercado, correspondência horária onde viável, geradores de backup, construção, e emissões incorporadas de hardware. Alegações de emissões evitadas provenientes da otimização por IA deveriam ser reportadas separadamente e validadas contra um contrafactual.
A água é local
Os data centers podem consumir água diretamente por meio de refrigeração evaporativa e indiretamente por meio da geração de eletricidade. A fabricação de semicondutores também exige água de alta qualidade. A captação não é o mesmo que o consumo: a água captada pode ser devolvida, enquanto a água consumida não fica imediatamente disponível para a bacia hidrográfica local.
Um galão usado em uma bacia com estresse hídrico tem impacto diferente de um usado onde o suprimento é abundante. Totais globais anuais podem esconder a competição sazonal com famílias, ecossistemas, agricultura, e indústria. O resfriamento a ar pode reduzir o uso direto de água, mas aumentar o uso de eletricidade; a água reciclada pode reduzir a demanda por água potável, mas exige infraestrutura e salvaguardas.
A OCDE observa que a avaliação ambiental deveria se estender além da energia e do carbono, para a água doce e a extração de minerais, e que o relatório sobre a água de data centers permanece incompleto (computação de IA da OCDE). As comunidades precisam de dados de captação, consumo, fonte, estresse sazonal, descarte, e planos de emergência em nível de instalação antes que as licenças sejam concedidas.
Os chips têm uma pegada a montante
Aceleradores avançados dependem de fabricação, embalagem, memória, e materiais geograficamente concentrados. As fábricas têm grandes exigências de construção e utilidades. Ciclos curtos de atualização de modelo podem aposentar equipamentos ainda funcionais, embora aceleradores mais antigos possam ser reaproveitados para inferência menos exigente.
A mineração e o processamento podem produzir dano ao habitat, poluição, riscos ocupacionais, e dependência geopolítica. A atribuição exata à “IA” é difícil porque a mesma cadeia de suprimentos atende telefones, veículos, redes, e outras computações. A análise de ciclo de vida deveria alocar o impacto de forma transparente, em vez de atribuir todo o crescimento de semicondutores à IA.
O PNUMA identifica energia, emissões de gases de efeito estufa, água, extração de minerais, e lixo eletrônico como preocupações diretas de ciclo de vida, e pede métodos de medição comuns (PNUMA, setembro de 2024). O PNUMA tem um mandato ambiental, o que molda seu foco; sua recomendação de medição continua amplamente útil.
A IA pode produzir benefícios ambientais
O aprendizado de máquina pode melhorar a modelagem meteorológica e climática, detectar metano, otimizar redes elétricas e edifícios, prever a produção renovável, projetar materiais, e apoiar a conservação. Os benefícios devem ser medidos na implantação, não inferidos a partir da precisão em parâmetros de referência.
Efeitos de rebote importam. Se a eficiência reduz o custo, o uso total pode aumentar o suficiente para apagar as economias. A otimização também pode deslocar o dano: reduzir o custo de eletricidade enquanto aumenta o uso de água, ou instalar infraestrutura em uma comunidade vulnerável. A avaliação líquida deveria incluir a demanda induzida e a distribuição.
A AIE projeta que as renováveis atenderão a cerca de metade do crescimento na demanda de eletricidade de data centers até 2035 em seu cenário-base, mas o gás natural e o carvão também fornecem crescimento substancial no curto prazo. “Movido a renováveis” não é, portanto, uma descrição do setor global.
Melhores escolhas de infraestrutura
Os operadores podem melhorar a utilização, usar modelos e hardware eficientes, programar cargas de trabalho flexíveis para quando a energia mais limpa estiver disponível, prolongar a vida útil do equipamento, recuperar calor onde útil, reduzir a capacidade ociosa, e escolher refrigeração adequada à bacia hidrográfica local. Modelos menores e específicos para uma tarefa podem superar o uso desperdiçador de um modelo de fronteira.
Concessionárias e reguladores podem exigir estudos de interconexão realistas, alocação de custos, flexibilidade de demanda, suprimento limpo, revisão pública da água, e planos de desativação. Os clientes de data centers não deveriam transferir silenciosamente para as famílias os custos de atualização da rede ou de escassez.
A divulgação deveria usar unidades funcionais comuns: energia e água por execução de treinamento, por carga de trabalho padronizada, e por volume de serviço, ao lado de totais absolutos de empresa e instalação. Índices de eficiência sem crescimento absoluto podem enganar.
O que a AGI poderia mudar
A demanda de energia da AGI é um cenário. Sistemas que automatizam pesquisa e atividade econômica poderiam aumentar acentuadamente o uso de computação. Eles também poderiam melhorar o design de chips, materiais, redes elétricas, e a implantação de energia limpa. O efeito rebote no estilo Jevons poderia transformar ganhos de eficiência em maior consumo total.
Restrições físicas permanecem: fábricas, transformadores, geração, redes, sistemas de água, e licenças levam tempo. Alegações de abundância imediata de inteligência deveriam levar esses gargalos em conta. A governança ambiental pode se tornar um limite prático sobre a implantação, em vez de uma questão externa.
Um padrão equilibrado
Faça quatro perguntas: Qual é a pegada absoluta do ciclo de vida? Onde e quando ela ocorre? Quem recebe o benefício e arca com o custo? Que alternativa entrega a mesma função?
A evidência não sustenta nem “a IA é ambientalmente insignificante” nem uma catástrofe universal por prompt. Os data centers são uma minoria do uso global de eletricidade, mas uma carga de crescimento rápido e geograficamente concentrada, com impactos materiais na água e na cadeia de suprimentos. A IA pode viabilizar melhorias ambientais, mas só resultados líquidos medidos contam. A divulgação obrigatória por instalação, padrões de ciclo de vida, participação local, investimento em rede limpa, e a escolha de modelos eficientes são os fundamentos de uma política ambiental honesta.