Reuso de água vira estratégia-chave no setor de tecnologia

A sede invisível da inteligência artificial

A inteligência artificial costuma ser descrita como etérea. Fala-se em nuvem, em processamento virtual, em sistemas que parecem existir apenas em códigos e servidores espalhados pelo planeta. Mas por trás de cada resposta gerada por um algoritmo existe uma infraestrutura física colossal, feita de concreto, cabos, turbinas, semicondutores e, sobretudo, água.

A água é o elemento silencioso que sustenta a expansão da inteligência artificial. Ela está presente na fabricação dos chips mais avançados do planeta e no resfriamento constante dos data centers que processam bilhões de comandos por dia. Sem água, não há computação em larga escala. Sem computação, não há inteligência artificial operando em tempo real.

Empresas como a NVIDIA, que desenvolve as GPUs que alimentam modelos de linguagem e sistemas de visão computacional, dependem de cadeias produtivas globais altamente sofisticadas. Esses chips são fabricados por gigantes como a TSMC, líder mundial na produção de semicondutores de ponta. Cada etapa dessa produção envolve volumes expressivos de água tratada em níveis extremos de pureza.

A chamada água ultrapura é utilizada para lavar pastilhas de silício microscópicas, remover resíduos químicos e resfriar equipamentos de altíssima precisão. Estimativas indicam que a fabricação de um único microchip pode demandar cerca de 8.300 litros de água. Quanto mais avançado o chip, maior o número de etapas de processamento e, consequentemente, maior o consumo hídrico. À medida que a indústria avança para litografias cada vez menores e mais complexas, a intensidade desse uso tende a crescer.

Data centers: calor, evaporação e escala global

Depois de fabricados, os chips seguem para outro ponto crítico da cadeia: os data centers. São galpões industriais repletos de servidores que funcionam ininterruptamente, processando dados, treinando modelos e respondendo a consultas de usuários. Cada operação realizada por um sistema de inteligência artificial gera calor. E calor, em escala industrial, precisa ser dissipado rapidamente.

Grande parte dos data centers utiliza sistemas de resfriamento que dependem da circulação de água. Essa água absorve o calor dos equipamentos e, em muitos casos, é levada a torres de resfriamento onde parte dela evapora. Quando evapora, deixa de estar disponível para o ciclo hídrico local. Em regiões sujeitas a estresse hídrico, esse processo pode gerar tensões com comunidades vizinhas.

Pesquisas recentes estimam que uma interação relativamente simples com um chatbot — algo entre 10 e 50 comandos — pode representar o consumo indireto de cerca de meio litro de água. Em larga escala, quando milhões de pessoas utilizam esses sistemas diariamente, o impacto deixa de ser simbólico.

O treinamento de grandes modelos de linguagem também é intensivo em água. Modelos como o GPT-3 demandaram centenas de milhares de litros de água potável ao longo de seu processo de treinamento. No entanto, o uso cotidiano, conhecido como inferência, pode representar a maior parte do consumo acumulado ao longo da vida útil de um modelo. Estima-se que até 90% do consumo total de energia e água associado a um sistema de inteligência artificial esteja ligado ao seu uso diário, e não apenas ao treinamento inicial.

Essa dimensão operacional conecta a água ao chamado nexo água-energia. A eletricidade que alimenta os servidores é gerada por matrizes energéticas que, em muitos casos, também utilizam grandes volumes de água para resfriamento térmico. Assim, mesmo quando a água não é visível nos corredores do data center, ela pode estar sendo consumida na usina que fornece a energia.

Eficiência tecnológica e o paradoxo do crescimento

O avanço tecnológico não ignora esse problema. Há esforços contínuos para tornar chips e infraestruturas mais eficientes. A evolução entre gerações de hardware, como as GPUs A100 e as mais recentes H100 e H200 da NVIDIA, reflete ganhos relevantes de desempenho por watt. Em teoria, mais eficiência deveria significar menor consumo de água por operação.

No entanto, a realidade é mais complexa. Modelos menores ou executados em hardware mais antigo podem consumir mais energia — e, portanto, mais água — em determinadas situações, como consultas longas. A eficiência não é uniforme e depende do contexto operacional.

Além disso, há um fenômeno econômico conhecido como Paradoxo de Jevons. Ele sugere que, quando uma tecnologia se torna mais eficiente e barata, seu uso tende a se expandir de forma tão acelerada que o consumo total de recursos aumenta em vez de diminuir. No caso da inteligência artificial, à medida que os modelos ficam mais rápidos e acessíveis, mais empresas os incorporam a seus serviços, mais usuários interagem com eles e mais setores inteiros passam a depender dessa infraestrutura.

O resultado é que ganhos de eficiência por unidade podem ser superados pelo crescimento exponencial da demanda. A água, nesse cenário, torna-se variável estratégica. O desafio deixa de ser apenas técnico e passa a ser estrutural.

VEJA TAMBÉM: Cooperativas transformam resíduos em energia e renda

Reuso, circularidade e metas water positive

Diante desse quadro, o reuso de água surge como uma das estratégias mais promissoras para mitigar o impacto ambiental da inteligência artificial. Em vez de depender exclusivamente de água potável retirada de mananciais locais, data centers e fábricas de semicondutores podem adotar sistemas de reciclagem interna, tratamento de efluentes e captação de águas residuais.

Estudos indicam que sistemas de reuso podem reduzir em até 40% o consumo de água potável em instalações industriais. Em muitos processos técnicos, não é necessário utilizar água própria para consumo humano. A substituição por águas residuais tratadas, águas cinzas ou água de chuva reduz a pressão sobre redes municipais e aquíferos.

Na indústria de semicondutores, a circularidade também avança. A TSMC implementou sistemas capazes de reciclar até 88% da água de processo. Além disso, desenvolveu métodos para recuperar substâncias químicas, como ácido fosfórico, reaproveitando materiais que antes seriam descartados. Esse movimento reduz tanto o consumo hídrico quanto a necessidade de extração de novos insumos.

No universo dos data centers, grandes empresas de tecnologia têm estabelecido metas conhecidas como water positive. O compromisso consiste em devolver à natureza mais água do que a consumida, por meio de projetos de restauração de bacias hidrográficas, recarga de aquíferos e investimentos em saneamento. Essas metas não eliminam o impacto, mas sinalizam uma mudança de paradigma: a água deixa de ser insumo invisível e passa a integrar indicadores estratégicos de sustentabilidade.

A inteligência artificial promete transformar a economia, a ciência e a vida cotidiana. Mas sua expansão carrega um rastro físico que não pode ser ignorado. A água, elemento básico da vida, tornou-se peça-chave da revolução digital. Tornar visível essa dependência é o primeiro passo para equilibrar inovação e responsabilidade ambiental.