O alerta é do Gartner, apontando que consumo energético para GenAI excederá a capacidade de produção das concessionárias até 2027
Produção de energia não está acompanhando o crescimento da demanda dos data centers de IA. Foto: Canva
A discussão já rolava por aí, mas faltava chegar alguém renomado pra dar o aviso.
Um relatório divulgado pelo Gartner aponta que o crescimento da demanda por data centers para inteligência artificial não está sendo acompanhado pela produção de energia.
O resultado disso?
Segundo o Gartner, 40% dos data centers de IA existentes estarão operacionalmente limitados pela disponibilidade de energia até 2027.
De acordo com o levantamento, o consumo de terawatts-hora (TWh) pelos data centers de IA dobrou de 2022 para 2023, e deve aumentar de forma incremental nos próximos anos, chegando a cerca de 500 TWh em 2027, volume que representa 2,6 vezes mais do que o nível de 2023.
Foto: Gartner
Segundo Bob Johnson, VP e analista do Gartner, o crescimento explosivo dos data centers e hyperscalers de IA está criando uma demanda “insaciável” por energia que irá superar a habilidade dos provedores de utilities de expandirem sua capacidade de atendimento.
“Isso, por sua vez, ameaça desestabilizar a disponibilidade de energia e levar à escassez, o que limitará o crescimento de novos data centers para GenAI e outros usos a partir de 2026”, afirma o representante do Gartner.
Segundo Bob, o fato de que mais e maiores data centers estão planejados para entrar em funcionamento nos próximos anos, dado o aumento exponencial por processamento de dados para treinar e implementar modelos de IA, é apenas uma parte do problema.
Segundo ele, o resultado inevitável da iminente escassez é um aumento no preço da energia, o que também aumentará os custos de operação dos LLMs.
“Os grandes usuários de energia estão trabalhando com grandes produtores para garantir fontes de energia de longo prazo e independentes das outras demandas da rede”, diz Johnson. “Enquanto isso, o custo da energia para operar os data centers aumentará significativamente, à medida que os operadores utilizam alavancagem econômica para garantir a energia necessária. Esses custos também serão repassados aos fornecedores de produtos e serviços de IA/GenAI.”
Segundo o Gartner, o problema está aí, mas existem algumas alternativas para que as empresas se ajustem ao cenário desafiador no curto e médio prazo.
A sugestão dos especialistas é que as empresas avaliem os planos futuros, antecipando custos de energia mais altos, e negociem contratos de longo prazo para serviços de data center com taxas razoáveis de energia.
“As empresas também devem considerar aumentos significativos nos custos ao desenvolver planos para novos produtos e serviços, além de buscar abordagens alternativas que exijam menos energia”, disse a companhia em seu relatório.
Impactos na sustentabilidade?
De acordo com o report, o que também será afetado com os impactos da IA no consumo energético são as metas de sustentabilidade das empresas, já que a demanda a curto prazo exigirá que meios menos recomendáveis de produção de energia (combustíveis fósseis, por exemplo) sejam empregados.
“A realidade é que o aumento do uso de data centers levará ao crescimento das emissões de CO² para gerar a energia necessária no curto prazo”, diz Bob Johnson.
“Isso, por sua vez, tornará mais difícil para os operadores e seus clientes atingirem metas agressivas de sustentabilidade relacionadas às emissões de CO²”.
Segundo o Gartner, fontes renováveis como eólica e solar não entregam a confiabilidade de outras fontes, como hidrelétricas, combustíveis fósseis ou usinas nucleares, o que exigirá adaptação dos desenvolvedores e dos players de data centers – e no caso uma revisão de seus planos para sustentabilidade.
“O Gartner recomenda que as empresas reavaliem as metas de sustentabilidade relacionadas às emissões de CO² à luz dos requisitos futuros dos data centers e das fontes de energia nos próximos anos. Ao desenvolver aplicações de GenAI, deve-se usar o mínimo possível de poder de computação e analisar a viabilidade de outras opções, como edge computing e outros modelos de linguagem menores”, conclui o levantamento.
Redação CNPL sobre artigo de Leandro Miguel Souza