A utilização crescente da IA vai exigir uma maior construção de data centers e aumentará consideravelmente o consumo de eletricidade. As energias renováveis podem fornecer grande parte da energia, mas vão continuar a ser necessários outros recursos, como o gás natural, dadas as limitações da energia eólica e solar.
Mannat Chopra
Equity Analyst, Global Resource Equities
Portfolio Manager, Global Resource Equities
A inteligência artificial (IA) está a provocar um aumento na procura de energia. Os data centers que disponibilizam capacidades computacionais e de armazenamento necessárias para desenvolver, testar e implementar modelos de IA irão consumir muito mais energia à medida que as aplicações de IA se tornam mais amplamente utilizadas. Satisfazer esta procura crescente de energia apresenta inúmeros desafios. Tal pode justificar porque é que Sam Altman, diretor executivo da OpenAI, descreveu a energia como a “parte mais difícil” de satisfazer a procura de computação de IA.
Os data centers já estavam a utilizar cada vez mais energia, mesmo antes do boom das capacidades da IA generativa. De 2012 a 2023, a procura de energia dos data centers aumentou a uma taxa de crescimento anual composta (CAGR) de 14%, ultrapassando largamente o crescimento de 2,5% da procura total de eletricidade durante o mesmo período. Grande parte do crescimento na utilização de eletricidade pelos data centres, nessa década, foi provocado pelo aumento da produção e análise de dados, e também pela mudança para a computação em nuvem, uma vez que as empresas transferiram o armazenamento de dados e poder de computação das suas instalações para os data centers.
Atualmente, a IA vai aumentar ainda mais dramaticamente a energia necessária aos data centers. Quando os modelos de IA estão a ser treinados, ou seja, a aprender a fazer previsões e a tomar decisões com base nos dados fornecidos, usam seis vezes mais energia do que as operações de computador comuns que não usam IA. Na fase de “inferência”, que é quando os modelos de IA já treinados começam a analisar dados novos, ainda consomem duas a três vezes mais do que as atividades computacionais tradicionais.
Um aumento significativo da capacidade necessária para alimentar a IA
Para acompanhar a crescente procura de energia dos data centers, é necessário aumentar significativamente a capacidade mundial de gerar e transferir energia.
As grandes empresas de tecnologia mundiais estão a gastar milhões de euros para aumentar a sua capacidade de treinar e desenvolver modelos de IA. Nestas empresas – conhecidas como hyperscalers, devido à sua capacidade de escalar a infraestrutura informática para níveis que podem acomodar a enorme procura de serviços de computação em nuvem, armazenamento de dados e agora capacidades de IA – encontramos a Google, a Microsoft, a Amazon, a Meta (Facebook), a Apple e a Alibaba.
A empresa de investigação SemiAnalysis estima que a capacidade crítica de energia de TI – ou seja, a energia total disponível para fazer funcionar servidores, dispositivos de armazenamento e equipamento de rede (para além de utilizações não relacionadas com TI, como iluminação e refrigeração) – nos data centers a nível mundial aumentará de 49.000 megawatts em 2023 para 96.000 megawatts em 2026. (ver Figura 1.)
Esse aumento na capacidade de energia crítica constitui uma CAGR de 25% ao longo dos próximos três anos, mais uma vez ultrapassando largamente a taxa de crescimento anual de 13% registada entre 2014 e 2023. O volume de trabalho com IA será 85% desse crescimento futuro. Como ilustra a Figura 2, muitos dos hyperscalers quase que vão duplicar a sua capacidade.
O aumento da capacidade a nível mundial resultará não só em ganhos de eficiência e de expansões nos centros existentes, mas também da construção de novos data centers.
Um compromisso com o consumo sustentável de eletricidade
As fontes de energia renováveis, como a eólica e a solar, vão desempenhar um papel fundamental para satisfazer a crescente procura de potência de computação, à medida que os países trabalham para atingir os objetivos do Acordo de Paris para reduzir as emissões de gases com efeito de estufa. Os hyperscalers ocidentais também têm os seus próprios objetivos ambiciosos de descarbonização.[1]
A Google tem como objetivo utilizar apenas energia isenta de carbono 24 horas por dia, 7 dias por semana, até 2030.
A Amazon planeia alimentar as suas operações com energia 100% renovável até 2025. Tem também como objetivo atingir emissões líquidas carbono-zero até 2040.
A Meta (Facebook) reduziu os gases com efeito de estufa emitidos pelas suas operações em 94% desde 2017. Fê-lo principalmente através da alimentação dos seus data centers e escritórios com energia 100% renovável.
A Microsoft tem como objetivo igualar todo o seu consumo de eletricidade com compras de energia sem emissões de carbono até 2030. Está também a planear eliminar, até 2050, todo o carbono que emitiu desde que a empresa foi fundada em 1975.
A Apple opera, atualmente, todas as suas lojas, data centres e escritórios em todo o mundo com eletricidade 100% renovável. Cerca de 90% desta eletricidade provém de fontes renováveis criadas pela própria Apple. Isto foi conseguido através de contratos de aquisição de energia (CAE) a longo prazo com algumas centrais de energia renovável e investimentos de capital ou propriedade direta de outras instalações de energia renovável.
Intermitência da energia solar e eólica é um desafio
Os data centers consomem muita energia e funcionam 24 horas por dia, 7 dias por semana. Dado que o vento e o sol são fontes de energia intermitentes, tornou-se evidente que os data centers atuais não podem ser diretamente alimentados apenas por energias renováveis, mesmo quando é utilizada a tecnologia de baterias para armazenar a energia produzida. (As baterias também apresentam alguns desafios devido aos custos, vida útil limitada e ineficiências).
Os hyperscalers têm vindo a resolver este problema ao assinar CAE virtuais com empresas responsáveis pelo desenvolvimento de energias renováveis, cuja energia é introduzida na rede elétrica, que ainda obtém grande parte da sua energia de centrais alimentadas a carvão ou a gás natural. Os data centers dos hyperscalers são então alimentados por eletrões verdes e cinzentos (provenientes de combustíveis fósseis). Quando o custo da eletricidade do CAE é mais elevado do que o custo da rede, os hyperscalers pagam a diferença. Mas quando o custo do CAE é mais baixo, percebem quanto estão a poupar.
A energia hidroelétrica ou nuclear poderia constituir uma alternativa à dependência dos combustíveis fósseis. Contudo, a energia hidroelétrica tem limitações geográficas. As centrais nucleares têm problemas adicionais, que vão desde o longo período necessário para a sua construção até à resistência do público às instalações nucleares. Por enquanto, o gás natural é a opção mais viável para complementar as fontes renováveis, uma vez que pode fornecer energia quando necessário e é uma alternativa muito mais amiga do ambiente do que as centrais a carvão.
Bloqueios à construção de capacidade adicional
O aumento da capacidade de produção e transmissão de energia em tempo útil, simultaneamente com o controlo da estabilidade mais ampla das redes elétricas, tem sido um desafio que pode atrasar a construção de data centers e a proliferação de soluções baseadas em IA. Além disso, têm ainda surgido outros constrangimentos adicionais.
Primeiro, a construção de data centers já está a causar problemas nas redes de distribuição de energia. Por causa disso, alguns operadores desses centros decidiram parar de fazer novas construções. Na Irlanda, onde os data centers utilizam atualmente 18% da eletricidade gerada no país, não podem ser ligados novos centros à rede elétrica até 2028. Os Países Baixos restringiram a construção de novos centros a duas localizações e Singapura impôs uma moratória de quatro anos à construção de novos data centers.
Em segundo lugar, a seleção das cadeias de abastecimento que correspondam às ambições dos hyperscalers está a revelar-se um desafio. Atualmente, existe uma escassez de transformadores, peças de equipamento grandes e complexas que ajustam a tensão da eletricidade para que esta possa ser transmitida a longas distâncias e também utilizada a níveis seguros pelos data centers. Wood Mackenzie, uma consultora especializada em questões energéticas, estima que são necessários dois anos para obter um transformador, quando no início de 2022 era só de um. Como este desafio exige um aumento da produção e não um avanço tecnológico, poderá ser apenas um bloqueio a curto prazo.
Em terceiro lugar, a ligação da produção de energia renovável à rede elétrica também está a demorar mais tempo devido às filas de espera crescentes para a ligação às redes de distribuição de energia. Nos EUA, por exemplo, são necessários quatro anos para avaliar o impacto de uma nova central elétrica renovável na rede[2]. As novas centrais também exigem novas linhas de transporte de eletricidade do local onde é produzida para o local em que é utilizada. Os prazos para a construção de linhas de transporte também são longos. No total, tendo em conta os três a quatro anos necessários para a localização e autorização de um novo projeto e mais três ou quatro anos para a construção, todo o processo de colocação em funcionamento de uma central de energia renovável pode demorar seis a oito anos. Ao contrário dos problemas da cadeia de abastecimento, os atrasos burocráticos a longo prazo só podem ser resolvidos com uma ação movida pelo Governo. Dado o tempo necessário para fazer mudanças neste campo, parece provável que estes constrangimentos persistam e continuem a colocar limites ao crescimento da capacidade.
Em resposta a estes desafios, os hyperscalers estão a procurar soluções alternativas. Uma opção é adquirir uma fonte de energia cativa, “fora da rede”. Recentemente, a Amazon fez exatamente isso quando comprou um data center na Pensilvânia que obtém energia de uma central nuclear próxima.
A IA pode ajudar a resolver o problema que está a criar
Talvez não seja de estranhar que a IA possa ajudar a resolver muitos dos desafios associados ao fornecimento da energia acrescida de que necessita. Com a IA nas primeiras fases de desenvolvimento, é demasiado cedo para prever exatamente como este cenário se irá desenrolar. No entanto, parece altamente provável que a IA ajude a descobrir formas de gerir e utilizar a energia de forma mais eficiente e eficaz.
[1] Fonte: Bernstein, relatórios da empresa
[2] Fonte: Berkley Lab, Energy Transition Commission
Qualquer referência a regiões/países/sectores/ações/títulos tem fins meramente ilustrativos e não constitui uma recomendação para comprar ou vender quaisquer instrumentos financeiros ou adotar uma estratégia de investimento específica.