Você provavelmente já ouviu a alegação viral de que cada consulta ao ChatGPT bebe meia garrafa de água. Se você opera ou planeja a infraestrutura para cargas de trabalho de IA, a verdadeira questão não é se o pânico é justificado — é quanto de água seus centros de dados de IA realmente consomem, de onde vem esse número e o que você pode fazer a respeito.
De acordo com um relatório da Universidade das Nações Unidas de junho de 2026, os centros de dados de IA que suportam cargas de trabalho globais de inteligência artificial devem consumir, até 2030, uma quantidade de água equivalente às necessidades básicas de vida de 1,3 bilhão de pessoas por ano. Essa não é uma estatística por consulta. Esse é o panorama agregado, e ele exige um olhar mais atento sobre para onde a água vai.
Por Que os Centros de Dados de IA Precisam de Tanta Água
Os centros de dados de IA consomem água por dois motivos: resfriar os servidores e gerar a eletricidade que os alimenta. Cada cluster de GPUs que executa grandes modelos de linguagem produz enorme quantidade de calor. A maioria dos centros de dados depende de sistemas de resfriamento evaporativo que pulverizam água em fluxos de ar quente — a água evapora na atmosfera, nunca retornando à bacia hidrográfica local.
A segunda fonte, geralmente maior, está fora do local. As usinas termoelétricas que fornecem eletricidade aos centros de dados de IA usam água para geração de vapor e resfriamento. Segundo o amplamente citado estudo de 2023 da UC Riverside, “Making AI Less Thirsty”, a água consumida nas usinas pode representar até 75% da pegada hídrica total por trás de uma única consulta de IA. Quando você soma o resfriamento direto mais a água indireta da eletricidade, o quadro completo do consumo de água dos centros de dados de IA fica mais claro — e maior do que a maioria das estimativas que contam apenas o uso no local.
Além do resfriamento e da energia, a fabricação de chips adiciona outra camada a montante. A OCDE estima que produzir um único chip de nível de IA exige cerca de 2.200 galões de água ultrapura. Embora seja um custo único por chip, o volume expressivo de GPUs hoje implantadas nos centros de dados de IA torna isso uma parte não trivial da equação do ciclo de vida.
A Decomposição do Custo de Água por Consulta
Os números de água por prompt são genuinamente pequenos — mas extremamente inconsistentes, dependendo de quem você consulta. Pesquisadores da UC Riverside estimaram que uma conversa curta no ChatGPT, de 10 a 50 perguntas, consome aproximadamente 500 mililitros de água, cerca de uma garrafa de água padrão, quando se incluem tanto o resfriamento do centro de dados quanto a água das usinas regionais. Isso equivale a cerca de 10 a 50 mililitros por consulta.
O CEO da OpenAI, Sam Altman, respondeu depois com um número muito menor: aproximadamente 0,32 mililitros por consulta, ou cerca de um quinze avos de uma colher de chá. Analistas independentes têm argumentado desde então que muitas estimativas virais inflam o número real em 50 a 250 vezes, e que a água direta no local por prompt pode ser tão baixa quanto 0,5 mililitros sob condições eficientes de resfriamento. Uma análise de 2026 da China Economic Net, com referência aos dados de pesquisa mais recentes, calculou que uma consulta complexa de prompt longo a modelos como GPT-4.5 ou DeepSeek R1 poderia consumir mais de 100 mililitros de água, enquanto consultas mais simples a modelos menores, como o GPT-4.1 Nano, ficam bem abaixo de 1 mililitro.
A lição para você é simples: o número por consulta depende muito mais do tamanho do modelo, da complexidade da consulta e da localização do centro de dados do que de qual marca de IA você usa. Sua mensagem individual não é o problema — o agregado de bilhões de mensagens é.
O Uso de Água dos Centros de Dados de IA em Escala
No nível da instalação, os números passam de colheres de chá para milhões de galões. A Brookings Institution relatou em junho de 2026 que um centro de dados de IA típico usa aproximadamente 300.000 galões de água por dia, enquanto instalações de hiperescala podem consumir até 5 milhões de galões diários — o equivalente ao uso de água de uma cidade de 10.000 a 50.000 pessoas.
Os relatórios corporativos anuais pintam um quadro impressionante. A Amazon divulgou que seus centros de dados de IA da AWS consumiram cerca de 2,5 bilhões de galões de água globalmente em 2025. O Google relatou mais de 6,1 bilhões de galões em 2024, a Microsoft aproximadamente 2,75 bilhões de galões e a Meta cerca de 1,4 bilhão de galões. Combinadas, essas quatro empresas usaram mais de 12,7 bilhões de galões em um único ano — com a linha de tendência apontando fortemente para cima. O consumo de água da Microsoft saltou 34% e o do Google subiu 20% no ano em que a IA generativa se tornou mainstream.
O World Resources Institute projeta que a infraestrutura de centros de dados relacionada à IA poderia consumir entre 1,1 e 1,7 trilhão de galões de água doce anualmente até 2030. Para perspectiva, os Estados Unidos inteiros usam aproximadamente 117 trilhões de galões por ano em todos os setores. Os centros de dados de IA não vão drenar os oceanos, mas sua demanda concentrada em regiões específicas é uma preocupação genuína.
Treinamento vs. Inferência: Para Onde Vai a Água
Você pode supor que o treinamento seja a fase mais sedenta. O treinamento do GPT-3 consumiu cerca de 700.000 litros de água doce, e o relatório da Universidade das Nações Unidas projeta que treinar o GPT-5 exigirá aproximadamente 1 bilhão de litros de água e 100 gigawatts-hora de eletricidade. Esses custos únicos roubam as manchetes.
No entanto, a inferência — o processo contínuo de responder aos prompts dos usuários — responde por 80% a 90% do consumo total de energia e água da IA ao longo da vida de um modelo. O ChatGPT processa atualmente cerca de 2,5 bilhões de prompts de usuários diariamente, segundo o relatório da Universidade das Nações Unidas, resultando em uma demanda anual estimada de eletricidade de 383 gigawatts-hora. A pegada hídrica correspondente equivale às necessidades mínimas de água doméstica de aproximadamente 500.000 pessoas na África subsaariana.
Se você implanta inferência de IA em escala, este é o número que mais importa para o seu planejamento operacional. Uma única execução de treinamento vira notícia. A inferência contínua faz o medidor girar — e a conta de água subir.
Quais Centros de Dados de IA Usam Mais Água
Nenhuma empresa de IA publica dados de água por consulta, portanto, comparações diretas exigem estimativas. O que você pode medir são as métricas de Water Usage Effectiveness (WUE). A AWS relata aproximadamente 0,25 litros de água por quilowatt-hora, o menor entre os principais provedores de nuvem. A média global do Google gira em torno de 1,1 litros por quilowatt-hora, a Meta em 1,26 e a Microsoft em cerca de 1,8, com base em seus relatórios de 2022. Desde então, a Microsoft anunciou uma meta de consumo zero de água até 2030.
Essas diferenças importam, mas a geografia importa ainda mais. Um centro de dados no Arizona que usa resfriamento evaporativo em calor de 40°C consome dramaticamente mais água do que uma instalação idêntica na Finlândia que usa resfriamento por ar livre. Segundo um relatório da Comissão Industrial de 2025, mais de 40% dos centros de dados de IA planejados em todo o mundo estão situados em regiões classificadas como de estresse hídrico alto ou extremamente alto.
Onde a Localização do Seu Centro de Dados Importa
A localização não é apenas uma variável do WUE — ela determina se o seu centro de dados de IA se torna um ponto de conflito para a comunidade. O centro de dados da Meta no Condado de Newton, Geórgia, consome atualmente aproximadamente 10% do suprimento total de água do condado. O Condado de Loudoun, na Virgínia — o hub de centros de dados mais denso do mundo — já vê os centros de dados reivindicarem cerca de 8% da água municipal, com projeções chegando a 29% até 2050.
O Texas oferece a escala mais severa: estimava-se que os centros de dados do estado usariam entre 25 e 49 bilhões de galões de água em 2024, e analistas preveem que esse número pode disparar para 399 bilhões de galões até 2030. Em regiões propensas à seca, essa concentração de demanda por um único setor cria um risco político que você não pode se dar ao luxo de ignorar. A Irlanda viu os centros de dados consumirem 21% de toda a eletricidade medida em 2023, superando todos os lares urbanos combinados, e o consumo de água aumentou no mesmo ritmo.
Se você está avaliando regiões de colocation ou nuvem para cargas de trabalho de inferência de IA, o índice local de estresse hídrico deve ficar bem ao lado da latência e do custo na sua matriz de decisão.
Como Reduzir a Pegada Hídrica dos Centros de Dados de IA
Você tem várias alavancas práticas para acionar. A primeira é a tecnologia de resfriamento. O resfriamento líquido de circuito fechado e o resfriamento por imersão reciclam a água em vez de evaporá-la, reduzindo drasticamente o consumo no local. Os centros de dados de IA mais recentes do Google com TPU v5 usam significativamente menos água por unidade de computação do que as gerações anteriores ao adotar essas abordagens.
A segunda é o agendamento de cargas de trabalho. A pesquisa da UC Riverside demonstrou que executar cargas de trabalho de IA intensivas em água durante as horas noturnas mais frias ou em estações mais frias pode reduzir de forma significativa as perdas por evaporação. Se a sua camada de orquestração suporta agendamento ciente de tempo e localização, você pode reduzir o uso de água sem mudar o hardware.
A terceira é a transparência e o monitoramento. A maioria das instalações não tem medição granular de água, o que significa que você não pode otimizar o que não consegue medir. Implantar ferramentas de monitoramento de água em tempo real — fornece a visibilidade por rack e por carga de trabalho que transforma uma meta vaga de sustentabilidade em uma métrica operacional rastreável.
Além da tecnologia, os programas de reposição de água estão se tornando essenciais. A Amazon se comprometeu com 50 projetos de restauração de água projetados para devolver 5,8 bilhões de galões anualmente às bacias hidrográficas locais. O Google lançou 165 projetos de gestão hídrica visando 19 bilhões de galões de reposição por ano até 2030. Estas não são soluções para o consumo — são compensações — mas sinalizam para onde caminham as expectativas regulatórias e comunitárias.
A conclusão é que o uso de água dos centros de dados de IA é ao mesmo tempo menor e maior do que as manchetes sugerem. Suas consultas individuais custam frações de uma colher de chá. Sua infraestrutura agregada que executa bilhões de consultas em regiões com estresse hídrico é outra história. Os operadores que medem, divulgam e gerenciam ativamente o consumo de água agora são os que evitarão batalhas de licenciamento, oposição da comunidade e interrupções operacionais que já se desenrolam da Geórgia à Irlanda. Os centros de dados de IA continuarão crescendo. Se eles crescerão de forma responsável é uma escolha que você faz toda vez que seleciona uma região, uma arquitetura de resfriamento e uma pilha de monitoramento.
发表回复