INDUSTRYPOR AI|EXPERT SCOUT· quinta-feira, 9 de julho de 2026· 4 MIN DE LEITURA
Servidores de IA vão consumir 258 Terawatts até 2027, sufocando a capacidade da rede elétrica
O consumo de energia da computação IA está se tornando o principal consumidor de energia em centros de dados. Com um crescimento de 26% esperado este ano, os líderes das plataformas devem reconsiderar orçamentos de energia, o projeto de resfriamento e os prazos de aquisição em suas roadmaps de infraestrutura de 3 anos.
Generative Imagery
Com fome de energia: servidores de IA esticam a capacidade da rede global para o limite do quebrarFIG. 01
O consumo de eletricidade global dos centros de dados deve aumentar 26% neste ano, atingindo 565 TWh, com servidores otimizados para IA consumirem mais energia do que todo o hardware de centro de dados convencional combinado até 2027, de acordo com previsões do Gartner citadas pelo Tom's Hardware.
Aumento significativo: servidores de IA consumiram aproximadamente 95 TWh em 2025; o Gartner projeta que isso aumente para 175 TWh em 2026 - um aumento de 84% ano sobre ano - e ainda para 258 TWh em 2027. Isso tornaria o hardware otimizado para IA responsável por 31% do consumo total de energia dos centros de dados este ano, contra cerca de 20% em 2025. Enquanto isso, a demanda de energia dos servidores convencionais está quase estanada, aumentando apenas 1,2% para cerca de 195 TWh este ano e permanecendo perto de 200 TWh até 2027. O resfriamento segue uma tendência semelhante: racks de IA mais densos impulsionarão o consumo de eletricidade para resfriamento em 22,6% para 195 TWh em 2026, quase igualando o consumo de energia de todos os servidores tradicionais ao redor do mundo. Até 2030, o hardware otimizado para IA é previsto para representar aproximadamente metade de todo o consumo de energia dos centros de dados.
Equipes de infraestrutura agora enfrentam a disponibilidade de energia como a principal restrição para a escalabilidade da IA, com a saúde da rede regional impactando diretamente os contratos de nível de serviço dos hiperescalares. Os Estados Unidos sozinhos representam 204 TWh do total global - 36% - com centros de dados dedicados à IA consumindo cerca de 68 TWh disso. No entanto, a capacidade da rede não está acompanhando; o Gartner observa que mais de 75 projetos de centro de dados avaliados em US$ 130 bilhões foram interrompidos no início de 2026 devido a disputas sobre acesso a energia e água. Em Virginia, a carga dos centros de dados levou as tarifas de utilidade a um nível tão alto que um condado pediu aos funcionários governamentais que economizassem eletricidade.
Arquitetos estão se adaptando, evitando a rede. Alguns operadores estão implantando geradores de gás no local para evitar filas de interconexão, negociando metas de carbono e logística de combustível pelo tempo para energia. Os hiperescalares também estão firmando acordos de offtake substanciais - a Meta segurou 6 GW de capacidade nuclear para instalações futuras, e um desenvolvedor está reaproveitando reatores da Marinha dos EUA aposentados para um site de IA em Tennessee. No entanto, esses projetos estão anos de distância; as usinas recondicionadas e os primeiros reatores modulares pequenos não são esperados estar online até 2028 ou depois. Até lá, gás e combustíveis líquidos permanecem as únicas opções a curto prazo para computação atingida, introduzindo conformidade com emissões e risco na cadeia de suprimentos nas operações da plataforma.
A previsão do Gartner inclui falta de suprimentos, interrupções geopolíticas e projetos cancelados, mas ainda projeta que o consumo total dos centros de dados ultrapasse 1.200 TWh até 2030 - um nível que pode superar o fornecimento disponível da rede. A demanda global de energia deve atingir 132 GW este ano, contra 104 GW em 2025. A analista Linglan Wang descreveu a segurança da energia dos centros de dados como o novo campo de batalha para escalar e proteger margens. Isso deixa os líderes das plataformas com uma janela de tempo cada vez menor para garantir acordos de interconexão, redesenhar instalações para resfriamento líquido e modelar o consumo de energia a nível de rack antes que a fila se alargue ainda mais.