Você provavelmente já ouviu a afirmação viral de que cada consulta ao ChatGPT consome meia garrafa de água. Se você opera ou planeja infraestrutura para cargas de trabalho de IA, a verdadeira questão não é se o pânico é justificado, mas sim quanta água os seus data centers de IA realmente consomem, de onde vem esse número e o que você pode fazer a respeito.
De acordo com um relatório da Universidade das Nações Unidas, de junho de 2026, prevê-se que os centros de dados de IA que suportam as cargas de trabalho globais de inteligência artificial venham a consumir, até 2030, uma quantidade de água equivalente às necessidades básicas de 1,3 mil milhões de pessoas por ano. Não se trata de uma estatística por consulta. Trata-se de um panorama global, o que exige uma análise mais aprofundada do destino dessa água.
Por que é que os centros de dados de IA precisam de tanta água?
Os centros de dados de IA consomem água por duas razões: para arrefecer os servidores e para gerar a eletricidade que os alimenta. Cada cluster de GPUs que executa modelos linguísticos de grande dimensão produz uma quantidade enorme de calor. A maioria dos centros de dados recorre a sistemas de arrefecimento por evaporação que pulverizam água em fluxos de ar quente — a água evapora-se para a atmosfera, nunca regressando à bacia hidrográfica local.
A segunda fonte, frequentemente de maior dimensão, situa-se fora do local. As centrais termoelétricas que fornecem eletricidade aos centros de dados de IA utilizam água para a geração de vapor e para o arrefecimento. De acordo com o estudo de 2023 da UC Riverside, amplamente citado, intitulado “Making AI Less Thirsty”, a água consumida nas centrais elétricas pode representar até 75% da pegada hídrica total associada a uma única consulta de IA. Quando se somam o consumo de água para arrefecimento direto e o consumo indireto associado à eletricidade, o panorama completo do consumo de água dos centros de dados de IA torna-se mais claro — e superior à maioria das estimativas que apenas contabilizam o consumo no próprio local.
Para além da refrigeração e da energia, o fabrico de chips acrescenta mais uma fase a montante. A OCDE estima que a produção de um único chip para IA exija cerca de 2 200 galões de água ultrapura. Embora se trate de um custo único por chip, o volume considerável de GPUs atualmente instaladas nos centros de dados de IA torna-o uma parte não negligenciável da equação do ciclo de vida.
Discriminação do custo da água por consulta
Os valores relativos ao consumo de água por solicitação são realmente baixos — mas extremamente inconsistentes, dependendo de quem se perguntar. Investigadores da UC Riverside estimaram que uma conversa curta no ChatGPT, com 10 a 50 perguntas, consome aproximadamente 500 mililitros de água — o equivalente a cerca de uma garrafa de água padrão —, quando se incluem tanto a refrigeração do centro de dados como a água utilizada pela central elétrica regional. Isso equivale a cerca de 10 a 50 mililitros por consulta.
O CEO da OpenAI, Sam Altman, respondeu posteriormente com um valor muito inferior: aproximadamente 0,32 mililitros por consulta, ou cerca de um décimo quinto de uma colher de chá. Desde então, analistas independentes têm argumentado que muitas estimativas que se tornaram virais exageram o número real entre 50 e 250 vezes, e que o consumo direto de água no local por prompt pode ser tão baixo quanto 0,5 mililitros em condições de arrefecimento eficientes. Uma análise de 2026 da China Economic Net, com base nos dados de investigação mais recentes, calculou que uma consulta complexa com um prompt longo a modelos como o GPT-4.5 ou o DeepSeek R1 poderia consumir mais de 100 mililitros de água, enquanto consultas mais simples a modelos mais pequenos, como o GPT-4.1 Nano ficam bem abaixo de 1 mililitro.
A lição para si é simples: o número por consulta depende muito mais do tamanho do modelo, da complexidade da consulta e da localização do centro de dados do que da marca de IA que utiliza. A sua mensagem isolada não é o problema — o problema é o conjunto de milhares de milhões de mensagens.
Consumo de água em centros de dados de IA em grande escala
Ao nível das instalações, os números passam de colheres de chá para milhões de galões. A Brookings Institution informou, em junho de 2026, que um centro de dados típico de IA consome aproximadamente 300 000 galões de água por dia, enquanto as instalações de hiperescala podem consumir até 5 milhões de galões por dia — o equivalente ao consumo de água de uma cidade com 10 000 a 50 000 habitantes.
Os relatórios anuais das empresas revelam um quadro impressionante. A Amazon divulgou que os seus centros de dados de IA da AWS consumiram cerca de 2,5 mil milhões de galões de água a nível global em 2025. A Google registou mais de 6,1 mil milhões de galões em 2024, a Microsoft aproximadamente 2,75 mil milhões de galões e a Meta cerca de 1,4 mil milhões de galões. No total, estas quatro empresas consumiram mais de 12,7 mil milhões de galões num único ano — com a tendência a apontar para um aumento acentuado. O consumo de água da Microsoft aumentou 34% e o do Google subiu 20% no ano em que a IA generativa se tornou mainstream.
O World Resources Institute prevê que a infraestrutura dos centros de dados relacionados com a IA poderá consumir entre 1,1 e 1,7 triliões de galões de água doce por ano até 2030. Para se ter uma ideia, os Estados Unidos, no seu conjunto, consomem aproximadamente 117 triliões de galões por ano em todos os setores. Os centros de dados de IA não vão esvaziar os oceanos, mas a sua procura concentrada em regiões específicas constitui uma preocupação genuína.
Treino vs. Inferência: Para onde vai a água
Pode-se pensar que a fase de treino é a que consome mais água. Estima-se que o treino do GPT-3 tenha consumido 700 000 litros de água doce, e o relatório da Universidade das Nações Unidas prevê que o treino do GPT-5 venha a exigir aproximadamente 1 mil milhões de litros de água e 100 gigawatts-hora de eletricidade. Estes custos pontuais são o que mais dá nas manchetes.
No entanto, a inferência — o processo contínuo de resposta aos pedidos dos utilizadores — representa entre 80% e 90% do consumo total de energia e água da IA ao longo do ciclo de vida de um modelo. Atualmente, o ChatGPT processa cerca de 2,5 mil milhões de solicitações de utilizadores por dia, de acordo com o relatório da Universidade das Nações Unidas, o que resulta numa procura anual estimada de eletricidade de 383 gigawatts-hora. A pegada hídrica correspondente equivale às necessidades mínimas de água de cerca de 500 000 pessoas na África Subsariana.
Se implementar a inferência de IA em grande escala, este é o número que mais importa para o seu planeamento operacional. Uma única sessão de treino dá que falar. A inferência contínua é que faz a conta subir — e o contador de água girar.
Quais são os centros de dados de IA que mais consomem água?
Nenhuma empresa de IA divulga dados sobre o consumo de água por consulta, pelo que as comparações diretas exigem estimativas. O que é possível medir são as métricas de eficácia no uso da água. A AWS reporta aproximadamente 0,25 litros de água por quilowatt-hora, o valor mais baixo entre os principais fornecedores de serviços na nuvem. A média global da Google situa-se em cerca de 1,1 litros por quilowatt-hora, a da Meta em 1,26 e a da Microsoft em cerca de 1,8, com base nos seus relatórios de 2022. Desde então, a Microsoft anunciou uma meta de consumo de água nulo até 2030.
Estas diferenças são importantes, mas a geografia é ainda mais importante. Um centro de dados no Arizona que utiliza refrigeração por evaporação sob um calor de 40 °C consome significativamente mais água do que uma instalação idêntica na Finlândia que recorre à refrigeração por ar livre. De acordo com um relatório da Comissão Industrial de 2025, mais de 40% dos centros de dados de IA previstos a nível mundial situam-se em regiões classificadas como tendo um stress hídrico elevado ou extremamente elevado.
Quando a localização do seu centro de dados é importante
A localização não é apenas uma variável de eficiência hídrica (WUE) — determina se o seu centro de dados de IA se torna um ponto de tensão para a comunidade. O centro de dados da Meta no Condado de Newton, na Geórgia, consome atualmente cerca de 10% do abastecimento total de água do condado. O condado de Loudoun, na Virgínia — o centro de centros de dados mais denso do mundo — já regista centros de dados que consomem cerca de 8% de água municipal, com projeções que apontam para 29% até 2050.
O Texas apresenta os números mais impressionantes: previa-se que os centros de dados do estado consumissem entre 25 e 49 mil milhões de galões de água em 2024, e os analistas prevêem que esse número possa disparar para 399 mil milhões de galões até 2030. Em regiões propensas à seca, esta concentração da procura por parte de um único setor cria um risco político que não se pode ignorar. Na Irlanda, os centros de dados consumiram 21% de toda a eletricidade medida em 2023, ultrapassando o consumo combinado de todos os agregados familiares urbanos, e o consumo de água aumentou na mesma proporção.
Se estiver a avaliar opções de colocalização ou regiões na nuvem para cargas de trabalho de inferência de IA, o índice de stress hídrico local deve figurar na sua matriz de decisão, a par da latência e do custo.
Como reduzir a pegada hídrica dos centros de dados de IA
Tem à sua disposição várias medidas práticas que pode implementar. A primeira é a tecnologia de refrigeração. A refrigeração líquida em circuito fechado e a refrigeração por imersão reciclam a água em vez de a evaporarem, reduzindo drasticamente o consumo no local. Os mais recentes centros de dados de IA TPU v5 da Google utilizam significativamente menos água por unidade de computação do que as gerações anteriores, graças à adoção destas abordagens.
O segundo aspeto é a programação das cargas de trabalho. A investigação da UC Riverside demonstrou que a execução de cargas de trabalho de IA com elevado consumo de água durante as horas noturnas, mais frescas, ou em estações mais frias pode reduzir significativamente as perdas por evaporação. Se a sua camada de orquestração suportar uma programação sensível à hora e à localização, poderá reduzir o consumo de água sem alterar o hardware.
O terceiro aspeto é a transparência e a monitorização. A maioria das instalações não dispõe de contadores de água detalhados, o que significa que não é possível otimizar aquilo que não se consegue medir. A implementação de ferramentas de monitorização da água em tempo real proporciona-lhe a visibilidade por rack e por carga de trabalho que transforma um objetivo de sustentabilidade vago numa métrica operacional passível de acompanhamento.
Para além da tecnologia, os programas de reposição de água estão a tornar-se um requisito mínimo. A Amazon comprometeu-se com 50 projetos de restauração hídrica que, segundo as previsões, irão devolver 5,8 mil milhões de galões por ano às bacias hidrográficas locais. A Google lançou 165 projetos de gestão da água com o objetivo de reabastecer 19 mil milhões de galões por ano até 2030. Estas não são soluções para o consumo — são compensações —, mas indicam o rumo que as expectativas regulatórias e da comunidade estão a tomar.
Em suma, o consumo de água dos centros de dados de IA é simultaneamente menor e maior do que as notícias sugerem. As vossas consultas individuais consomem frações de uma colher de chá. A vossa infraestrutura global, que executa milhares de milhões de consultas em regiões com escassez de água, é uma história diferente. Os operadores que medem, divulgam e gerem ativamente o consumo de água neste momento são aqueles que evitarão disputas relacionadas com licenças, oposição da comunidade e perturbações operacionais que já se estão a verificar desde a Geórgia até à Irlanda. Os centros de dados de IA continuarão a crescer. Se esse crescimento será responsável ou não é uma escolha que faz sempre que seleciona uma região, uma arquitetura de refrigeração e uma pilha de monitorização.
