A inteligência artificial costuma ser apresentada como uma tecnologia imaterial: algoritmos, modelos estatísticos, dados e respostas produzidas em frações de segundo. Mas, por trás de cada sistema de IA, existe uma infraestrutura física de escala crescente. São edifícios repletos de processadores, redes elétricas, sistemas de refrigeração, geradores de emergência, tubulações, linhas de transmissão e extensos terrenos. O avanço da inteligência artificial está, portanto, transformando uma tecnologia digital em uma questão de infraestrutura ambiental.

É essa dimensão que emerge do estudo “Environmental and Economic Implications of Artificial Intelligence Data Centers in the United States”, assinado por Johanna Bolaños-Zúñiga, do Institute for Cyber Physical Infrastructure and Energy da Lehigh University, e Alberto J. Lamadrid, do Laboratory for Information and Decision Systems do Massachusetts Institute of Technology (MIT). Os pesquisadores avaliam conjuntamente demanda elétrica, sistemas de resfriamento, emissões, água, ruído, ocupação territorial, impactos econômicos e mecanismos regulatórios. A conclusão central é direta: os efeitos dos data centers de IA não podem ser determinados apenas pelo projeto de cada instalação. Eles dependem do sistema de eletricidade, da disponibilidade de água, das condições locais e da infraestrutura que precisa ser construída para atender à nova carga.

A dimensão da mudança aparece primeiro na eletricidade. Data centers já respondiam por aproximadamente 4,4% do consumo total de eletricidade dos Estados Unidos em 2023. O crescimento anual da demanda elétrica americana, que havia sido de apenas 0,1% entre 2005 e 2019, acelerou para cerca de 1,7% entre 2020 e 2025. O estudo identifica os data centers como um dos fatores dessa expansão, ao lado da demanda industrial.

A diferença entre a computação tradicional e a IA é particularmente importante. Instalações historicamente menores podiam operar com cargas da ordem de 1 a 2 MW ou menos. Novos pedidos de conexão associados a grandes instalações frequentemente ultrapassam 100 MW e podem se aproximar de 1 GW por unidade. Para 2030, o estudo registra projeções de aumento da demanda dos data centers de aproximadamente 30 a 35 GW.

As projeções para a participação dos data centers no sistema elétrico americano são igualmente expressivas. Segundo cenários citados no estudo, eles poderão representar entre 6,7% e 12% de todo o consumo de eletricidade dos EUA em 2028. Para 2030, estimativas alternativas colocam essa participação entre 9% e 17%.

O problema, porém, não está apenas no volume anual consumido. A questão mais delicada é o pico de demanda. Segundo EPRI, citado pelos autores, a carga de pico dos data centers americanos estava entre 21 e 22 GW em 2024 e poderá alcançar cenários de 45, 71 ou 94 GW em 2030. No sistema PJM, a projeção é de aumento de 56 GW na demanda máxima de verão até 2035, atribuído em grande parte aos data centers. No ERCOT, a demanda máxima projetada passa de 94,7 GW em 2026 para 154,1 GW em 2035, com 23 GW associados aos data centers.

A maior parte das emissões associadas aos data centers não ocorre necessariamente dentro dos edifícios. Ela está na eletricidade que os alimenta. O estudo cita estimativas segundo as quais os data centers respondem por aproximadamente 2,5% a 3,7% das emissões globais de gases de efeito estufa. O peso climático de uma instalação depende, portanto, de quais usinas fornecem a eletricidade adicional necessária para atender sua demanda.

Essa distinção é fundamental. Uma mesma quantidade de eletricidade pode produzir impactos ambientais muito diferentes dependendo da fonte marginal de geração. No estudo, as estimativas de potencial de aquecimento global mostram 2.089 lb de CO2 equivalente/MWh para carvão, 885 lb/MWh para gás natural e 1.714 lb/MWh para diesel, em horizonte de 100 anos.

Os geradores a diesel acrescentam uma segunda camada de impacto. Utilizados como sistemas de emergência, eles são valorizados pela confiabilidade e pela capacidade de resposta rápida, mas produzem emissões locais de poluentes atmosféricos. A consequência é que a expansão da IA pode transferir parte de seus custos ambientais para comunidades próximas às instalações e, simultaneamente, para sistemas elétricos mais amplos.

Há ainda um recurso menos visível: água. Processadores de alta densidade geram enormes cargas térmicas, obrigando os operadores a utilizar sistemas de refrigeração cada vez mais sofisticados. O dilema é conhecido: sistemas refrigerados a ar reduzem o consumo direto de água, mas podem exigir mais eletricidade; sistemas refrigerados a água podem reduzir a demanda energética, mas aumentar o consumo hídrico.

As diferenças podem ser substanciais. Para geração termelétrica, o estudo cita consumos indiretos de aproximadamente 490 a 1.900 litros de água por MWh para gás natural e 1.970 a 3.940 litros por MWh para carvão.

Uma das estimativas reunidas pelos autores mostra ainda como a tecnologia de refrigeração modifica esse quadro. Em determinadas configurações, a intensidade total pode variar de valores próximos de 0,04 litro/kWh em sistemas refrigerados a ar abastecidos por fontes de baixo consumo hídrico até aproximadamente 12,91 litros/kWh em sistemas refrigerados a água associados a determinadas fontes de geração.

O estudo também chama atenção para a dimensão da água potável. Em um exemplo citado, dos 7.657,2 milhões de galões de retiradas de água reportados pelo Google, 5.984,6 milhões de galões correspondiam a água potável. O dado ilustra por que o impacto hídrico não pode ser avaliado somente dentro dos limites físicos do data center.

A expansão também altera a paisagem. Data centers de escala hyperscale são frequentemente desenvolvidos como grandes campi com vários edifícios. O estudo cita o Project Bolt, na Pensilvânia, com aproximadamente 700 acres e até 18 edifícios, totalizando cerca de 5 milhões de pés quadrados.

Outros projetos alcançam dimensões ainda maiores. Um campus da Amazon Web Services em Indiana ocupa aproximadamente 1.200 acres; uma expansão da Microsoft em Mount Pleasant, Wisconsin, supera 1.270 acres; e um projeto denominado Digital Gateway, na Virgínia, envolve cerca de 2.100 acres.

A pegada territorial não termina no terreno ocupado pelo servidor. O aumento da demanda pode exigir novas linhas de transmissão, subestações, usinas e instalações de geração. Em Wisconsin, por exemplo, o estudo cita um projeto de transmissão associado a novas cargas que envolve entre aproximadamente 1.120 e 3.800 acres.

Existe ainda um impacto menos quantificado: o ruído. Sistemas de refrigeração funcionam continuamente; geradores e outros equipamentos introduzem eventos intermitentes. Medições reportadas em comunidades próximas a data centers variam de 40 a 59 dBA, enquanto geradores a diesel de 125 a 2.000 kW podem atingir 86 a 99,2 dBA a 7 metros.

Os próprios autores observam, contudo, que a literatura sobre ruído de data centers ainda é limitada e predominantemente baseada em estudos específicos de determinadas instalações, não em avaliações sistemáticas de exposição populacional.

A inteligência artificial também produz benefícios econômicos. A construção de grandes data centers mobiliza trabalhadores, fornecedores, engenharia, equipamentos, construção civil e serviços locais. Mas o estudo faz uma distinção importante entre o impacto econômico inicial e o emprego permanente.

Durante a construção, os efeitos podem ser amplos e temporários. Na operação, os empregos são mais persistentes, mas em número menor, concentrados em manutenção, segurança, engenharia especializada e administração. Modelos econômicos podem contabilizar efeitos diretos, indiretos e induzidos, mas estudos que consideram deslocamentos e efeitos de equilíbrio geral tendem a encontrar impactos líquidos menores. A literatura analisada pelos autores sugere que a criação de empregos no longo prazo permanece modesta em relação ao tamanho dos investimentos.

Surge, assim, uma questão distributiva: quem paga pela infraestrutura necessária para sustentar a IA? Se tarifas elétricas não incorporarem adequadamente os custos provocados por novas cargas, parte dos investimentos em geração, transmissão e distribuição poderá ser distribuída entre consumidores existentes. O estudo identifica esse risco como uma forma potencial de subsídio cruzado.

Bolaños-Zúñiga e Lamadrid não apresentam a expansão da IA como um problema sem solução. O estudo aponta um conjunto de mecanismos capazes de reduzir os impactos: refrigeração líquida e sistemas híbridos, armazenamento de energia, geração de baixo carbono, resposta da demanda e deslocamento temporal de cargas computacionais.

Treinamentos de modelos de IA, por exemplo, podem ser programados para períodos de menor emissão marginal ou maior disponibilidade de energia renovável. O armazenamento pode suavizar oscilações de demanda e reduzir a pressão sobre a rede.

A conclusão dos pesquisadores é essencialmente sistêmica: não basta construir data centers mais eficientes; é necessário decidir onde eles serão instalados, de qual eletricidade dependerão, quanta água utilizarão, que território ocuparão e quem arcará com os custos da infraestrutura adicional.

O estudo recomenda tarifas que reflitam os custos incrementais, processos específicos de conexão para grandes cargas, mecanismos para incorporar emissões e uso da água às decisões, incentivos à flexibilidade computacional e coordenação entre planejamento energético, hídrico e territorial.

A grande questão colocada pela expansão da inteligência artificial, portanto, não é apenas quão inteligente uma máquina poderá se tornar. É quanto de energia, água, território e infraestrutura será necessário para mantê-la funcionando — e como uma sociedade decidirá distribuir esses custos.

A nuvem, afinal, não está no céu. Ela está no chão.