O avanço e a expansão do uso de inteligência artificial (IA) em aplicações cotidianas têm impulsionado uma demanda crescente por infraestrutura computacional, o que, por sua vez, eleva significativamente o consumo de energia elétrica. Sistemas sofisticados de IA dependem de milhares de equipamentos operando simultaneamente, o que tem gerado preocupações entre profissionais da área e autoridades governamentais quanto aos custos ambientais e econômicos associados a essa demanda.
Segundo um relatório divulgado pela Agência Internacional de Energia (IEA) em 2025, os data centers responsáveis pelo processamento dessas tecnologias são responsáveis por aproximadamente 180 milhões de toneladas anuais de emissões indiretas de gases de efeito estufa, principalmente dióxido de carbono. Esse número engloba todas as atividades realizadas nesses centros de dados, incluindo o treinamento e a operação de sistemas de inteligência artificial.
A principal razão para esse alto consumo reside na necessidade de processamento intensivo de dados durante o treinamento dos modelos de IA. Esses processos podem envolver centenas ou até milhares de servidores que operam de forma contínua por semanas ou meses, a fim de ajustar os parâmetros dos algoritmos e garantir sua eficácia. Além disso, sempre que um usuário realiza uma consulta ou comando ao sistema, inicia-se a fase de inferência, na qual a IA analisa a solicitação e realiza cálculos complexos em questão de segundos. Nesse momento, as unidades de processamento gráfico (GPUs) desempenham papel crucial, realizando uma grande quantidade de operações em um curto espaço de tempo para gerar respostas rápidas.
Estudos indicam que a fase de inferência representa uma parcela expressiva do consumo energético total de sistemas de IA. De acordo com uma pesquisa da Universidade das Nações Unidas, essa etapa pode responder por entre 80% e 90% do consumo energético, destacando que a maior parte da energia utilizada não está no treinamento, mas na operação diária de respostas aos usuários. Para ilustrar, Sam Altman, CEO da OpenAI, afirmou que uma consulta média ao ChatGPT consome aproximadamente 0,34 watt-hora (Wh) de eletricidade, o que equivale ao consumo de um forno por pouco mais de um segundo ou de uma lâmpada de alta eficiência por alguns minutos.
O funcionamento dessas inteligências artificiais depende de redes neurais, sistemas formados por unidades matemáticas conectadas que aprendem a reconhecer padrões durante o treinamento. Nos modelos mais avançados, essas redes são compostas por múltiplas camadas interligadas, cada uma realizando operações relativamente simples, como somas e multiplicações. No entanto, a enorme quantidade de cálculos necessários para processar informações e gerar respostas é o que aumenta significativamente o consumo de recursos computacionais. Durante o treinamento, esses modelos processam grandes volumes de dados diversas vezes, ajustando seus parâmetros para aprimorar seu desempenho.
Após essa fase, os modelos passam a operar em servidores especializados, que recebem solicitações dos usuários e geram respostas. Um único modelo de IA pode requerer dezenas ou até centenas de GPUs funcionando simultaneamente, enquanto grandes data centers podem abrigar milhares desses chips. Essa alta demanda explica a importância de fabricantes de processadores gráficos, como a NVIDIA, que têm se destacado na produção de hardware voltado para inteligência artificial.
Além do consumo de energia elétrica, o resfriamento desses equipamentos também é um fator relevante. Para evitar superaquecimento, muitos data centers utilizam sistemas de refrigeração que demandam grandes volumes de água e energia, elevando ainda mais o impacto ambiental. Essa combinação de fatores demonstra que o uso intensivo de IA resulta em consequências ambientais de considerável magnitude, principalmente pelo aumento contínuo da demanda por processamento e armazenamento de dados.
Especialistas apontam que essa tendência deve se manter nos próximos anos, impulsionada pela expansão dos data centers e pelo desenvolvimento de modelos cada vez mais complexos e eficientes. Apesar de avanços tecnológicos que visam melhorar a eficiência energética, o crescimento acelerado da inteligência artificial e a evolução constante de seus sistemas indicam que o consumo total de energia continuará a crescer, reforçando a necessidade de estratégias sustentáveis para mitigar os impactos ambientais decorrentes dessa expansão.
