IA e consumo elétrico: o que muda na infraestrutura real

A notícia de que o consumo de energia nos Estados Unidos voltou a subir em parte por causa dos data centers de IA não me surpreendeu. No meu time na UNODATA já acompanhamos o aumento de carga em ambientes de GPU há pelo menos dois anos. O que mudou foi a velocidade com que esse crescimento saiu do papel e chegou às contas de luz.

Empresas de tecnologia estão reservando gigawatts inteiros de capacidade para treinar e rodar modelos grandes. Isso pressiona concessionárias, eleva preços e coloca o tema de volta na mesa de quem realmente opera servidores.

O peso real dos data centers de IA no consumo

Um rack tradicional com servidores x86 consome entre 8 e 15 kW. Um rack cheio de GPUs H100 ou equivalentes facilmente passa de 40 kW e, em configurações densas, chega a 80 kW. Multiplique isso por centenas de racks e você entende por que as projeções de demanda elétrica subiram tão rápido.

No meu dia a dia vejo que o problema não é só a quantidade de energia, mas a forma como ela é usada. Modelos de IA mantêm GPUs em alta utilização por longos períodos, diferente de workloads web que oscilam. Isso muda o perfil de carga e exige refrigeração constante.

O consumo não é mais um detalhe de custo. Virou variável de projeto de infraestrutura.

O que muda para quem opera servidores e nuvens

Quando o preço do kWh sobe, três áreas sofrem impacto direto. A primeira é o custo de colocation. Contratos que antes eram fixos por rack agora passam a incluir limites de consumo ou cobranças extras por excedente.

A segunda é a escolha de hardware. Servidores com CPUs de maior eficiência energética ou GPUs com melhor performance por watt ganham prioridade. A terceira é a camada de software. Configurações de energia que antes eram deixadas no padrão passam a ser revisadas.

No Linux, por exemplo, o governador de CPU cpufreq pode ser ajustado para modo powersave ou ondemand em horários de menor demanda. Ferramentas como turbostat e powerstat ajudam a medir consumo real por núcleo sem precisar de hardware adicional.

• Ative medição por PDU inteligente em todos os racks novos.
• Revise limites de TDP das GPUs em produção.
• Monitore temperatura de entrada e saída de ar para reduzir esforço de refrigeração.
• Teste migração de jobs batch para horários de menor tarifa quando possível.

Otimizações que já aplicamos na prática

Em um ambiente que gerenciamos, reduzimos o consumo médio de um cluster de inferência em 18% apenas ajustando o governor para conservative e desativando núcleos ociosos via cgroups. Não foi mágica. Foi medição constante seguida de ajustes incrementais.

Outra frente é a observabilidade. Adicionamos métricas de consumo de energia no Prometheus via exporters de PDU e de IPMI. Com isso passamos a correlacionar picos de uso de GPU com custo real por hora. A visibilidade mudou a conversa com o time de finanças.

Ainda existe espaço para melhorias em virtualização e containerização. Limitar requests de CPU e memória em Kubernetes ajuda a evitar alocação excessiva que mantém hardware ligado sem necessidade.

O que esperar nos próximos meses

A tendência é que mais estados americanos revisem suas tarifas para grandes consumidores. No Brasil, embora o cenário seja diferente, empresas que usam nuvens americanas ou planejam expansão de data centers próprios vão sentir o reflexo nos preços.

A pergunta que faço para times de infraestrutura é simples: você já sabe quanto cada workload custa em energia por mês? Se a resposta for não, esse é o primeiro ponto a resolver.

Perguntas frequentes

Como medir consumo real de energia em servidores Linux?

Use ferramentas como turbostat para leitura via RAPL e combine com dados de PDU inteligente. Exporte as métricas para Prometheus para histórico e alertas.

Quais configurações de kernel ajudam a reduzir consumo?

Ajustar o governador cpufreq, limitar núcleos via cgroups e desativar recursos como hyper-threading quando não necessários são passos iniciais com impacto mensurável.

O aumento de preço nos EUA afeta clientes brasileiros?

Sim. Empresas que contratam capacidade em nuvens americanas ou colocation nos EUA verão repasse de custo nos próximos contratos ou via reajuste de tarifas.

Vale a pena investir em hardware mais eficiente agora?

Depende do volume. Para clusters com mais de 50 kW de carga contínua, a diferença de consumo por watt costuma pagar o upgrade em menos de dois anos.