A transição do gerenciamento térmico a ar para o gerenciamento térmico a líquido tornou-se uma das decisões de infraestrutura mais marcantes da inteligência artificial. Operadores de data centers que um dia trataram a refrigeração líquida como uma opção exótica para casos extremos de supercomputação agora enfrentam uma realidade bem diferente: os roteiros de GPUs da NVIDIA, AMD e Intel elevaram o consumo de energia por rack muito além do que ventiladores e fluxo de ar conseguem suportar.
Escolher a abordagem certa de refrigeração líquida para servidores de IA para cada cenário de implantação deixou de ser teórico — é o que determina se um investimento em infraestrutura de IA cumpre sua promessa de desempenho.
Segundo a TrendForce, a adoção da refrigeração líquida em data centers de IA saltou de 14% em 2024 para 33% em 2025. O relatório de 2026 da AFCOM registra a densidade média por rack subindo de 16 kW para 27 kW em um único ano.
Os racks de treinamento de IA operam hoje entre 40 e 132 kW, com a plataforma Vera Rubin da NVIDIA avançando em direção a 190 kW por rack e a unidade de teste Rubin Ultra Kyber mirando aproximadamente 600 kW por volta de 2027, segundo análise do Goldman Sachs. A refrigeração a ar atinge seu teto prático em cerca de 30 a 40 kW por rack, tornando o gerenciamento térmico por líquido o padrão para clusters de GPU modernos. Se a sua organização está planejando infraestrutura de IA, a pergunta não é se adotar refrigeração líquida, mas sim qual arquitetura combina com a densidade da sua carga de trabalho.
O Muro da Física: Por Que o Ar Não Consegue Resfriar a IA
O líquido transfere calor aproximadamente 3,500 vezes com mais eficiência do que o ar. Uma instalação legada com refrigeração a ar normalmente opera com valores de PUE entre 1.55 e 1.67, o que significa que cerca de um terço da eletricidade recebida alimenta a infraestrutura em vez dos equipamentos de TI. Quando operadores tentam resfriar um rack de GPU de 100 kW apenas com ar, o volume de fluxo de ar necessário torna-se fisicamente disruptivo para os racks vizinhos e proibitivamente intensivo em energia, conforme documentado na análise de economia de refrigeração da Axis Intelligence de julho de 2026.
A refrigeração líquida direta ao chip, por outro lado, costuma atingir valores de PUE em torno de 1.10 a 1.20. A Schneider Electric informa que suas arquiteturas diretas ao chip proporcionam reduções de 30% a 60% na energia consumida pela refrigeração em aplicações adequadas. Para um operador limitado por uma alocação fixa de energia — as filas de interconexão agora se estendem por três a quatro anos nos principais mercados, segundo a Data Center Dynamics — cada megawatt recuperado da sobrecarga de refrigeração se converte diretamente em capacidade de computação de IA implantável. Sua alocação de energia existente pode, de repente, suportar de 20% a 30% mais racks de GPU sem esperar por novo acesso à rede elétrica.
Treinamento em Grande Escala: Racks de 100 kW+ Exigem Refrigeração Líquida
O cenário de implantação de refrigeração líquida mais exigente é o cluster de treinamento em grande escala. O GB200 NVL72 da NVIDIA integra 72 GPUs e 36 CPUs Grace em uma plataforma de rack único que consome aproximadamente 120 a 132 kW. O GB300 NVL72 leva isso ainda mais longe, chegando a 132 a 155 kW. Esses sistemas geram cargas térmicas equivalentes às de dezenas de residências concentradas em uma área menor que uma vaga de estacionamento.
Para clusters de treinamento que abrangem centenas ou milhares de GPUs, o desafio térmico se agrava. Uma implantação de 10,000 GPUs com hardware da classe GB200 ocupa cerca de 140 racks, gerando de 16 a 18 MW de calor. Sem refrigeração líquida para servidores de IA, os operadores enfrentam dois resultados inaceitáveis: velocidades de clock das GPUs reduzidas, estendendo os prazos de treinamento em 20% a 40%, ou sistemas de tratamento de ar superdimensionados consumindo mais energia do que a própria computação.
A Microsoft implantou refrigeração por imersão em 14 novos clusters regionais de data centers construídos desde janeiro de 2026, segundo o Datacentres.com. A NVIDIA agora especifica a refrigeração líquida como requisito de base — e não como opção de upgrade — para suas novas instalações na América do Norte, Europa e Ásia-Pacífico.
Clusters de Inferência: Throughput Sustentado sem Redução de Clock
Enquanto o treinamento ocupa as manchetes, a inferência representa a espinha dorsal operacional da IA empresarial. Cargas de trabalho de inferência operam continuamente, atendendo milhares de solicitações de usuários diariamente. A estabilidade térmica é importante para uma latência e um throughput previsíveis, não apenas para o desempenho de pico.
Em cenários de inferência de alta concorrência, as temperaturas de junção das GPUs podem variar de 15 a 20 graus Celsius durante picos de carga com refrigeração a ar, acionando ajustes de velocidade de clock que degradam os tempos de resposta. A refrigeração líquida de precisão estabiliza as temperaturas de junção dentro de 3 a 5 graus, permitindo velocidades de clock sustentadas e latência de inferência consistente. A CoolIT Systems observa que isso reduz a variabilidade da temperatura de junção dos chips, criando um ambiente térmico previsível para cargas de trabalho de longa duração e precisão mista. Ao operar aplicações de IA voltadas ao cliente, em que a consistência do tempo de resposta afeta diretamente a satisfação do usuário, essa previsibilidade térmica protege diretamente os acordos de nível de serviço e a receita.
Colocation Multiusuário e Cargas de Trabalho Mistas de IA
Instalações de colocation que hospedam diversos clientes precisam suportar cargas de trabalho de IA sem prejudicar os clientes existentes. Uma única implantação de IA de alta densidade pode sobrecarregar o sistema de refrigeração compartilhado, projetado para 8 a 12 kW por rack, criando pontos quentes que degradam o desempenho dos racks vizinhos.
A Equinix encomendou três instalações de IA de alta densidade nas regiões de Estocolmo e Gotemburgo, na Suécia, entre fevereiro e julho de 2026, totalizando 340 MW. Essas instalações projetadas para esse fim separam os clientes de IA em zonas refrigeradas a líquido, mantendo a refrigeração a ar convencional para cargas de trabalho empresariais padrão. A refrigeração líquida direta ao chip permite que provedores de colocation ofereçam de 50 a 70 kW por rack a clientes de IA sem exigir que todos os clientes migrem.
Esse modelo de refrigeração mista — líquido para racks de servidores de IA, ar para todo o resto — é o padrão dominante entre operadores de colocation que expandem para hospedagem de IA. Se a sua empresa aluga espaço de colocation, verificar o suporte a zonas refrigeradas a líquido antes de assinar pode evitar conflitos de infraestrutura dispendiosos no meio do contrato.
IA de Borda: Refrigeração Líquida em Espaços Restritos
Os cenários de implantação de borda apresentam restrições diferentes. Espaço físico limitado, ausência de equipes dedicadas de instalações e condições ambientais adversas tornam os racks tradicionais refrigerados a ar impraticáveis para IA de alta densidade. A refrigeração líquida de precisão permite gabinetes de servidores selados e quase silenciosos que podem operar em escritórios, chãos de fábrica ou abrigos de telecomunicações ao ar livre, sem o ruído e a contaminação por poeira dos ventiladores de alta velocidade.
A Agência Internacional de Energia projeta que o consumo global de eletricidade dos data centers alcance aproximadamente 945 TWh até 2030, impulsionado em grande parte pela IA. Grande parte desse crescimento ocorrerá fora dos campi tradicionais, em nós de borda distribuídos que atendem à inferência de veículos autônomos, inspeção de qualidade industrial e análise de vídeo em tempo real.
A refrigeração líquida na borda reduz o consumo dos ventiladores, corta o consumo de água em até 96% segundo a Iceotope e protege os componentes eletrônicos de contaminantes transportados pelo ar — tornando viáveis os servidores de borda refrigerados a líquido onde os racks convencionais refrigerados a ar são impossíveis, ao mesmo tempo que leva a inferência de IA para mais perto das fontes de dados, em vez de depender de backhaul.
Adaptação de Data Centers Legados para Refrigeração Líquida
Nem toda organização pode construir um data center de IA do zero (greenfield). Instalações existentes projetadas para 5 a 10 kW por rack precisam ser adaptadas para hospedar clusters de GPU — e é nesse caminho de retrofit que a refrigeração líquida demonstra sua flexibilidade. Os loops de refrigeração direta ao chip podem ser implantados em zonas específicas de racks sem reconstruir toda a planta de refrigeração.
Os principais componentes do retrofit incluem unidades de distribuição de refrigerante (CDUs), instaláveis como unidades laterais (sidecar) ou entre racks (in-row), e trocadores de calor de porta traseira, que lidam com o calor residual do lado do ar. A análise da Schneider Electric mostra que retrofits faseados de refrigeração líquida permitem que os operadores façam a transição gradual dos racks de alta potência.
No campus Lake Mariner da TeraWulf, em Buffalo, Nova York — um projeto brownfield que reaproveita um antigo sítio industrial — a infraestrutura integrada de energia e refrigeração líquida suporta uma expansão faseada que deve alcançar 750 MW, provando que as interconexões elétricas existentes podem servir como ativos de base para implantações de IA de alta densidade. Se a sua instalação tem capacidade elétrica ociosa, mas infraestrutura de refrigeração envelhecida, um retrofit faseado de refrigeração líquida pode desbloquear receita de hospedagem de GPU sem os anos de obra de uma construção nova.
Construções Greenfield: Refrigeração Líquida Nativa desde o Primeiro Dia
A construção de novos data centers de IA convergiu para uma filosofia comum: a refrigeração líquida é o padrão. No pipeline global de 25,000 MW, aproximadamente 60% dos projetos de hyperscalers agora exigem arquiteturas de imersão ou diretas ao chip, segundo o Datacentres.com. Google e AWS implantaram data centers modulares prontos para refrigeração líquida na Europa, enquanto a construção modular reduziu os prazos greenfield de 36–42 meses para 22–26 meses em uma instalação típica de 50 MW.
Projetar para refrigeração líquida nativa permite infraestrutura térmica e elétrica integrada, eliminando as penalidades de eficiência do retrofit e viabilizando a recuperação de calor residual para aquecimento distrital, cada vez mais exigida pelas regulamentações europeias. O prêmio de capital da infraestrutura pronta para líquido, estimado entre 8% e 12% sobre os projetos convencionais, é recuperado por meio de reduções de 20% a 30% nos custos operacionais ao longo do ciclo de vida da instalação.
Como Escolher a Arquitetura Certa de Refrigeração Líquida para Servidores de IA
A escolha da arquitetura adequada depende de três parâmetros: densidade de potência do rack, tipo de instalação e características da carga de trabalho. Para racks abaixo de 40 kW, abordagens híbridas de ar e líquido são suficientes. Para racks de treinamento entre 40 e 100 kW, a refrigeração direta ao chip com CDU in-row é o padrão estabelecido. Acima de 100 kW por rack, a refrigeração líquida completa com rejeição de calor líquido-líquido torna-se essencial. A refrigeração por imersão alcança PUE de até 1.05, mas tem custo de capital mais alto, o que a limita a implantações de densidade ultra-alta.
Ao planejar um cluster de IA refrigerado a líquido, avaliar cedo a capacidade das CDUs, a redundância e a compatibilidade da interface da instalação evita redesenhos caros. Cold plates, acoplamentos de desconexão rápida e manifolds precisam corresponder a configurações específicas de GPU — um desafio SOETECK resolve por meio do fornecimento integrado de equipamentos, tratando a refrigeração como parte de uma stack completa de entrega de computação.
O Goldman Sachs observa que os projetos de racks de IA de 2027 exigem cerca de 50 vezes a potência dos racks de servidores de internet atuais, com consultores projetando racks de até 2.2 MW dentro de cinco anos. A refrigeração líquida para servidores de IA deixou de ser um diferencial de nicho para se tornar a premissa básica de qualquer organização que implanta computação acelerada por GPU em escala.
发表回复