A inteligência artificial generativa transformou texto, código, imagem e vídeo em serviços disponíveis em segundos. Por trás dessa aparente instantaneidade, porém, cresce uma infraestrutura física intensiva em eletricidade, semicondutores e sistemas de refrigeração. A água, antes tratada como variável secundária da operação de data centers, passou a integrar a equação econômica da expansão global da inteligência artificial.

A dimensão do fenômeno aparece em estudo divulgado em junho de 2026 pelo Instituto para Água, Meio Ambiente e Saúde da Universidade das Nações Unidas, o UNU-INWEH. O levantamento estima que o consumo global de eletricidade dos data centers, calculado em 448 terawatts-hora em 2025, poderá chegar a 945 TWh em 2030, perto de 3% de toda a eletricidade projetada para o planeta. A pegada hídrica associada a esse consumo elétrico é estimada em 9,3 trilhões de litros.

O volume projetado equivale, segundo a UNU, às necessidades domésticas básicas anuais de aproximadamente 1,3 bilhão de habitantes da África Subsaariana. A infraestrutura também teria uma pegada territorial superior a 14,5 mil quilômetros quadrados e poderia produzir até 2,5 milhões de toneladas de lixo eletrônico por ano até o fim da década.

O ponto central é que a nuvem deixou de poder ser analisada como infraestrutura abstrata. Cada processamento ocorre em equipamentos instalados fisicamente, conectados a redes elétricas e submetidos a sistemas térmicos que precisam retirar continuamente o calor produzido pelos chips.

A conta de água está crescendo junto com a nuvem

Relatórios ambientais das próprias empresas mostram que o desafio já chegou aos balanços de sustentabilidade das maiores companhias de tecnologia.

O Google informou em seu relatório ambiental de 2026 que projetos de gestão hídrica repuseram aproximadamente 7,7 bilhões de galões de água em 2025, equivalentes a cerca de 78% do consumo total de água doce da companhia naquele ano. Um ano antes, a taxa de reposição havia sido de 64%. O avanço da reposição não elimina o consumo, mas mostra como a água passou a ser tratada como indicador estratégico em uma operação cuja capacidade computacional cresce rapidamente.

A Microsoft também modificou o perfil de suas instalações. A companhia informou em junho de 2026 que o WUE médio de sua frota própria de data centers caiu para 0,27 litro por quilowatt-hora em 2025, ante 2,3 litros por kWh nas primeiras gerações dessas instalações. A empresa afirma ter reduzido a intensidade hídrica em 25% e mantém a meta de melhorar esse indicador em 40% até 2030.

No ano fiscal de 2025, a Microsoft também declarou ter reposto mais água do que retirou em suas operações globais durante o período. Ao mesmo tempo, passou a implantar instalações voltadas a cargas de inteligência artificial com refrigeração líquida em circuito fechado, sem evaporação contínua de água durante o resfriamento.

A Amazon informou que sua infraestrutura global de data centers retirou aproximadamente 2,5 bilhões de galões de água em 2025. Nas instalações próprias, a retirada caiu 2% em relação a 2024 mesmo com o crescimento da estrutura física. O WUE global divulgado pela companhia foi de 0,12 litro por kWh, contra 0,25 litro em 2021.

A empresa afirma ainda operar 26 instalações abastecidas integralmente com água de reuso e ter outras 130 contratadas para utilizar esse tipo de fornecimento.

O consumo invisível é muito maior

O problema da comparação entre empresas é metodológico. Retirada, consumo, reposição e uso indireto não significam a mesma coisa, e os relatórios corporativos adotam fronteiras diferentes para contabilizar cada indicador.

O Lawrence Berkeley National Laboratory, em estudo preparado em resposta a uma determinação do Departamento de Energia dos Estados Unidos, ajuda a revelar a parcela que normalmente não aparece na operação física do data center.

Em 2023, os data centers americanos consumiram diretamente cerca de 66 bilhões de litros de água. Para 2028, apenas os grandes data centers classificados como hyperscale poderão consumir entre 60 bilhões e 124 bilhões de litros diretamente, dependendo da evolução da demanda computacional e da tecnologia empregada.

A maior parcela, contudo, aparece fora dos prédios.

O Berkeley Lab calcula que a eletricidade usada pelos data centers americanos em 2023 carregou uma pegada hídrica indireta próxima de 800 bilhões de litros, mais de 12 vezes o consumo direto estimado para as instalações naquele ano. Essa água é utilizada ou perdida nos processos associados à geração de eletricidade, dependendo da matriz energética, da tecnologia das usinas e da localização.

Isso muda a leitura do problema. Um data center que praticamente elimina água no sistema local de refrigeração pode continuar associado a uma pegada hídrica relevante se exigir mais eletricidade de fontes intensivas em água.

Economizar água pode exigir mais energia

O dilema aparece na própria engenharia térmica dos data centers.

O indicador PUE, ou Power Usage Effectiveness, mede a relação entre a eletricidade total consumida pela instalação e aquela efetivamente entregue aos equipamentos de tecnologia da informação. Já o WUE, Water Usage Effectiveness, mede a intensidade do consumo hídrico em relação à energia utilizada.

Essas duas métricas nem sempre melhoram simultaneamente.

Sistemas de resfriamento evaporativo podem consumir mais água, mas reduzir a necessidade de eletricidade para refrigeração. A Amazon afirma, por exemplo, que seus data centers utilizam predominantemente refrigeração por ar e recorrem à evaporação em períodos mais quentes. Segundo a companhia, alternativas baseadas integralmente em chillers podem exigir de 25% a 35% mais eletricidade em determinadas situações.

A Microsoft seguiu outra frente para novas cargas de IA: refrigeração direta no chip com líquido circulando em circuito fechado. Nesse desenho, a água permanece dentro do sistema e o calor é removido sem evaporação contínua.

Não existe, portanto, apenas uma disputa para reduzir litros. Existe uma otimização simultânea entre água, eletricidade, temperatura, disponibilidade computacional e custo.

Inferência passa a pesar mais que treinamento

Outro fator modifica a escala do problema: o consumo de inteligência artificial não termina quando um modelo é treinado.

A Universidade das Nações Unidas estima que 80% a 90% da energia utilizada pela IA esteja associada à inferência, ou seja, ao funcionamento diário dos modelos depois que eles são disponibilizados aos usuários. Isso inclui bilhões de consultas, geração de imagens, vídeos, buscas e outras tarefas executadas continuamente.

A UNU estima que apenas o ChatGPT processe cerca de 2,5 bilhões de solicitações por dia, com consumo anual associado calculado em aproximadamente 383 GWh. O próprio relatório ressalta que o gasto muda drasticamente conforme a tarefa: uma imagem gerada por IA pode demandar cerca de 1.450 vezes a energia de uma classificação básica de texto.

Isso cria um efeito de escala. Chips mais eficientes podem reduzir o consumo por tarefa, mas o crescimento do número de usuários e da complexidade das respostas pode absorver rapidamente parte do ganho obtido.

O impacto começa a entrar no cálculo econômico

A consequência imediata ocorre nos locais que recebem grandes concentrações de capacidade computacional.

Data centers precisam de energia disponível praticamente sem interrupção, conexão de alta capacidade à rede elétrica e, dependendo do sistema de resfriamento escolhido, acesso seguro a água. A disponibilidade desses três elementos passa a influenciar decisões de localização, custo de capital e prazo de construção.

A expansão também obriga empresas e governos a olhar além do consumo nominal de uma instalação. Uma carga adicional de centenas de megawatts pode exigir novos investimentos em geração, transmissão e infraestrutura de abastecimento, criando efeitos que ultrapassam o terreno ocupado pelo empreendimento.

A UNU estima que o consumo elétrico projetado dos data centers em 2030 poderá estar associado a 399 milhões de toneladas de emissões de carbono, além da pegada hídrica e territorial. Mais de 90% da capacidade de computação em nuvem especializada em IA está concentrada hoje nos Estados Unidos e na China, enquanto apenas 32 países possuem infraestrutura especializada desse tipo.

O risco, portanto, também é geográfico. Serviços digitais consumidos mundialmente podem concentrar seus impactos ambientais em poucas bacias hidrográficas e sistemas elétricos.

Brasil tenta colocar limite hídrico na expansão

No Brasil, a discussão ganhou dimensão regulatória com o Regime Especial de Tributação para Serviços de Datacenter, o Redata.

A primeira versão foi criada pela Medida Provisória 1.318/2025, mas a MP perdeu validade em fevereiro de 2026. O tema passou a tramitar por meio do Projeto de Lei 278/2026, aprovado pela Câmara dos Deputados e encaminhado ao Senado. Até 12 de agosto, a proposta ainda permanecia em tramitação no Senado e havia recebido novas emendas, inclusive em julho.

Esse ponto é relevante porque as exigências ambientais previstas no texto aprovado pela Câmara ainda não constituem regra definitiva em vigor.

O projeto determina, entre os compromissos necessários para adesão ao Redata, que pelo menos 10% da capacidade instalada seja disponibilizada ao mercado interno, que sejam atendidos critérios de sustentabilidade, que toda a demanda de eletricidade seja suprida por fontes limpas ou renováveis e que os empreendimentos apresentem WUE igual ou inferior a 0,05 litro por kWh, aferido anualmente.

O texto também exige investimentos equivalentes a 2% do valor dos produtos adquiridos com o benefício do regime em projetos de pesquisa, desenvolvimento e inovação no Brasil.

O limite hídrico chama atenção quando comparado aos números divulgados pelas próprias empresas globais. A Amazon reportou WUE de 0,12 L/kWh em 2025, enquanto a Microsoft informou 0,27 L/kWh. As metodologias não são necessariamente idênticas, mas a diferença mostra o grau de exigência embutido no projeto brasileiro.

Água passa a integrar o risco financeiro da inteligência artificial

A corrida pela inteligência artificial começou concentrada na disponibilidade de GPUs, chips avançados e eletricidade. A próxima restrição pode estar nos recursos naturais necessários para sustentar essas máquinas.

Quanto maior a densidade computacional, maior a quantidade de calor que precisa ser removida. A resposta tecnológica tende a combinar refrigeração líquida, circuitos fechados, uso de água de reuso, operação em temperaturas mais elevadas e escolha de regiões com melhores condições climáticas e hídricas.

A eficiência, porém, não elimina o problema de escala. A UNU alerta que ganhos por equipamento podem ser anulados pelo crescimento acelerado do número de operações executadas pelos sistemas de IA.

Para investidores, operadoras de infraestrutura, governos e empresas de tecnologia, isso transforma a disponibilidade de água em variável de planejamento de longo prazo. Licenciamento ambiental, capacidade das redes elétrica e hídrica, origem da eletricidade, mecanismos de reuso e transparência sobre consumo tendem a ganhar importância na avaliação de novos empreendimentos.

A inteligência artificial pode funcionar no ambiente digital, mas sua expansão depende de uma infraestrutura radicalmente física. Há servidores, redes de transmissão, sistemas de refrigeração, usinas e bacias hidrográficas por trás de cada operação.

A nuvem tem endereço. E a água necessária para mantê-la funcionando começa a aparecer na conta.

Fontes

Universidade das Nações Unidas — UNU-INWEH, Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints, junho de 2026.
Lawrence Berkeley National Laboratory — 2024 United States Data Center Energy Usage Report.
Google — 2026 Environmental Report.
Microsoft — dados de eficiência hídrica e refrigeração de data centers divulgados em junho de 2026.
Amazon — dados globais de uso de água e WUE dos data centers referentes a 2025.
Câmara dos Deputados e Senado Federal — Projeto de Lei 278/2026 e tramitação do Redata.
Presidência da República — Medida Provisória 1.318/2025, com vigência encerrada.