Quanta água a IA consome de verdade?

Quando uma pergunta chega a um assistente de IA, servidores calculam a resposta usando eletricidade e gerando calor. Parte da infraestrutura usa água para retirar esse calor; a eletricidade também pode ter uma pegada hídrica nas usinas que a produzem. Portanto, há água associada à IA, mas não necessariamente onde você digita nem no dispositivo à sua frente.

A pergunta “quanta água a IA consome?” parece pedir um número único. Na prática, depende do modelo, do tamanho e da dificuldade da consulta, do hardware, da utilização do data center, do resfriamento, do clima e das etapas consideradas. Valores por prompt ilustram uma metodologia específica; não são medidores universais.

Quanta água a IA consome de verdade?

Não existe uma medição pública e comparável do consumo total de água da IA no mundo. A maioria dos data centers combina nuvem, armazenamento, serviços web e tarefas de IA; os operadores raramente separam a água por modelo ou carga. Atribuir toda a água de um centro à IA exageraria sua parcela; concluir que o impacto é zero por falta de detalhamento esconderia um efeito real.

Uma referência com escopo claro vem do Lawrence Berkeley National Laboratory (LBNL). Ele estimou que todos os data centers dos Estados Unidos consumiram diretamente cerca de 66 bilhões de litros em 2023. O mesmo relatório calculou quase 800 bilhões de litros de consumo indireto de água associado à eletricidade usada por esses centros. São estimativas nacionais para todos os data centers, não apenas IA; medem caminhos diferentes e não devem ser somadas sem explicar seus limites. (relatório do LBNL)

Um estudo de produção do Google e coautores estimou em 0,26 mililitro a mediana de um prompt de texto do Gemini Apps em maio de 2025. A metodologia energética completa considera aceleradores, CPU, memória, capacidade ociosa reservada e sobrecarga do data center; para estimar a água, porém, o estudo subtrai a energia dessa sobrecarga antes de aplicar a WUE Category 2 média dos centros que atendiam os modelos (1,15 l/kWh, média de 2023 e 2024). Portanto, é uma estimativa específica de consumo de água no local para resfriamento, baseada na telemetria do serviço: não é um valor universal para Gemini, ChatGPT ou toda a IA, nem necessariamente representativo dos sistemas de 2026. Não inclui água indireta da geração elétrica nem a fabricação do hardware. (estudo original do Google e coautores)

Por que não existe um número universal por prompt

Um prompt não é uma unidade fixa de trabalho. “Que horas são?” e pedir que um modelo analise um documento longo, escreva código ou crie uma imagem exigem quantidades diferentes de processamento. Também importam modelo, hardware, tamanho da resposta, agrupamento das consultas e parcela de servidores ativos ou ociosos atribuída ao serviço.

Além disso, os estudos nem sempre contam as mesmas coisas. Um pode incluir só a água evaporada no resfriamento; outro soma a água estimada para gerar eletricidade; um terceiro inclui capacidade reservada, infraestrutura compartilhada ou fabricação. Um número baixo com limite restrito e outro maior com limite amplo podem ser válidos, embora não sejam diretamente comparáveis. A intensidade também muda conforme hora e estação.

Onde um data center usa água

Servidores e aceleradores transformam eletricidade em processamento e calor. Esse calor precisa ser removido continuamente para manter os equipamentos dentro de suas condições operacionais. Em uma instalação convencional, o ar circula pelos racks; sistemas transferem o calor para circuitos de água gelada e, em alguns projetos, torres de resfriamento o liberam no ambiente por evaporação.

A evaporação pode retirar calor usando menos eletricidade do que algumas alternativas mecânicas, conforme o clima e o projeto. Mas a água que vira vapor deixa de estar imediatamente disponível na bacia local e conta como consumo. Também pode haver purgas para controlar minerais e tratamento da água. Outros centros usam ar externo por mais tempo, resfriamento a seco, sistemas híbridos ou água de reúso em vez de água potável. A expressão “data center refrigerado a água” não revela, por si só, quanto é retirado ou consumido. (orientação técnica do Departamento de Energia dos EUA)

Retirada e consumo de água não são a mesma coisa

Retirada de água (*water withdrawal*) é o volume removido de uma fonte superficial ou subterrânea para uso. Consumo de água (*water consumption*) é a parte retirada que não retorna imediatamente à disponibilidade local — por exemplo, porque evapora, é incorporada a um produto ou sai da bacia. Definições e prazos de retorno importam: água retirada e devolvida mais quente não equivale automaticamente a água consumida. (glossário do USGS)

Chamar todo litro que entra em uma instalação de “consumo” confunde dois indicadores. Um data center pode retirar muito e devolver parte; outro pode retirar menos, mas evaporar uma parcela maior. A fonte pode ser potável, superficial, subterrânea ou esgoto tratado. Para entender o impacto, precisamos saber fonte, volume retirado, consumido, devolvido e localização. Reposição (*replenishment*) é outra contabilidade: financiar projetos de recuperação não significa que a instalação não consumiu água fisicamente.

Água direta e indireta: dois caminhos diferentes

A água direta ou no local é usada na operação do data center, sobretudo para resfriamento e umidificação. A água indireta ou fora do local está associada à produção da eletricidade consumida: usinas termelétricas podem exigir resfriamento e reservatórios hidrelétricos podem perder água por evaporação. A matriz elétrica, a tecnologia e a região mudam essa intensidade.

Para 2023, o LBNL estimou cerca de 800 bilhões de litros de consumo indireto associado à eletricidade dos data centers dos EUA e 66 bilhões de litros de consumo direto nas instalações. A comparação mostra que olhar apenas para o prédio pode deixar de fora um caminho relevante; não transforma os números em pegada exclusiva da IA. O relatório observa que os fatores elétricos variam por região e não incluem contratos individuais de energia nem geração atrás do medidor.

Treinar um modelo e usá-lo são coisas diferentes

O treinamento e os ajustes posteriores usam grandes volumes de processamento para criar ou adaptar um modelo. Inferência é o uso seguinte: responder, resumir um texto ou gerar uma imagem. Não dá para dividir a água de um treinamento entre consultas como se cada uma herdasse uma parcela fixa: um modelo pode atender milhões de pedidos, ser atualizado, rodar em regiões diferentes e compartilhar hardware com outras cargas.

O estudo acadêmico de Pengfei Li, Jianyi Yang, Mohammad A. Islam e Shaolei Ren modelou o GPT-3, um modelo de 175 bilhões de parâmetros. Com dados de energia, eficiências de data centers informadas pela Microsoft e hipóteses sobre eletricidade, estimou cerca de 700 mil litros de consumo direto para o treinamento e aproximadamente 5,4 milhões de litros ao incluir o consumo operacional indireto da eletricidade. É uma estimativa de um treinamento do GPT-3, não uma leitura de medidor nem um valor para modelos atuais. Os autores também modelaram pedidos médios; não mediram o ChatGPT de hoje. (estudo original de Li e coautores)

De onde vem a famosa cifra da “garrafa de água”

A metáfora da garrafa vem principalmente do artigo acadêmico *Making AI Less “Thirsty”*, publicado primeiro como preprint em 2023 e depois em *Communications of the ACM*. Para uma conversa média com GPT-3, o estudo estimou cerca de 500 mililitros a cada 10–50 respostas, conforme quando e onde o modelo rodasse. O valor combinava água direta de resfriamento e água indireta da geração elétrica, sob hipóteses explícitas. Os autores modelaram uma conversa média com até 800 palavras de entrada e 150–300 de saída, usando hipóteses por localidade sobre data centers da Microsoft e água associada à eletricidade. Não mediram sessões atuais do ChatGPT nem incluíram a água incorporada na fabricação do hardware. (artigo acadêmico por trás da estimativa da garrafa)

Isso não significa meio litro por pergunta e não define quanto toda consulta consome em 2026. O modelo analisado era o GPT-3; energia por pedido, hardware, localização e eficiência não representam automaticamente os serviços atuais. Por outro lado, uma medição do Google não invalida o estudo: objeto, ano, serviço e limites são diferentes. Resumos virais apagam essas ressalvas e transformam uma faixa por conversa em uma regra por prompt.

Por que lugar, clima e horário mudam o resultado

Em torres evaporativas, temperatura e umidade externas influenciam quanta água precisa evaporar para dissipar calor. Em climas amenos, o ar externo pode funcionar por mais horas; em períodos quentes ou úmidos, a demanda de resfriamento pode aumentar. O mesmo projeto e carga, portanto, não usam necessariamente a mesma água o ano todo. A escassez local também importa: o mesmo volume tem efeitos distintos em uma bacia abundante e em outra sob estresse hídrico.

Se a geração elétrica for incluída, a pegada varia também por região e hora: a geração marginal pode vir de tecnologias com necessidades de água diferentes. O indicador de estresse hídrico Aqueduct do WRI compara retiradas totais com a água renovável disponível; sinaliza competição pelo recurso, não o dano causado por um data center específico. Uma média nacional não substitui dados de bacia, fonte e estação. (metodologia Aqueduct do WRI)

O que as grandes empresas de tecnologia divulgam

Relatórios corporativos ajudam a observar tendências, mas seus limites diferem e a água dos data centers costuma incluir nuvem e outros serviços além da IA. O Google informou que seus projetos repuseram cerca de 7,7 bilhões de galões em 2025, equivalentes a 78% do consumo total de água doce segundo a metodologia corporativa. É reposição no nível da empresa; não prova que os data centers ou a IA não consumiram água. (Relatório Ambiental do Google de 2026)

A AWS informou uma WUE global de 0,12 litro de água retirada por kWh de carga de TI em 2025 para seus data centers, uma métrica de intensidade definida pela empresa como retirada. A Microsoft relatou queda anual de 23% na WUE de seus data centers em Phoenix no exercício fiscal de 2025 e afirmou ter reposto globalmente mais água do que retirou no FY2025. Os escopos e métricas diferem; não formam um ranking comum e não podem ser atribuídos totalmente à IA. (dados de sustentabilidade da AWS; relatório de sustentabilidade da Microsoft)

Metas *water positive* ou de reposição buscam devolver ou restaurar às bacias um volume igual ou superior ao uso medido pela empresa, segundo suas regras e por meio de projetos. Podem financiar reparo de vazamentos, tratamento, restauração ou eficiência agrícola. Essas ações podem importar localmente, mas não apagam o consumo físico da instalação nem garantem, por si só, que a água retorne à mesma bacia, fonte ou período.

WUE e resfriamento: menos água pode exigir mais eletricidade

WUE (*Water Usage Effectiveness*) relaciona o uso ou consumo de água de uma instalação à energia dos equipamentos de TI; costuma ser expressa em litros por quilowatt-hora. A ISO/IEC 30134-9 define WUE como indicador de consumo de água durante a fase de uso do data center. Relatórios de empresas podem usar uma variante baseada em retirada, portanto é preciso verificar a definição antes de comparar. WUE não significa “litros por IA” nem descreve, sozinha, a escassez local. (norma ISO/IEC 30134-9 sobre WUE)

PUE mede outra coisa: energia total da instalação dividida pela energia dos equipamentos de TI. Um valor mais próximo de 1 indica menos energia auxiliar relativa, mas nem PUE nem WUE resumem sozinhas impacto local, matriz elétrica ou volume total. O resfriamento líquido direto leva fluido aos componentes e pode usar um circuito fechado: o líquido circula e é reutilizado, enquanto o calor é liberado em outra etapa. “Líquido” não significa que água nova seja consumida continuamente.

Pode haver uma troca entre água e eletricidade. Uma torre evaporativa pode consumir água no local e reduzir a eletricidade necessária para resfriar; um sistema seco ou a ar pode reduzir o consumo direto e exigir mais energia em certas condições. Sistemas híbridos alternam métodos conforme temperatura, umidade e carga. Não há uma solução universal: água direta e indireta, eletricidade e condições da bacia devem ser avaliadas juntas.

E a água usada para fabricar chips?

A fabricação de semicondutores usa água ultrapura para limpar e processar wafers, além de energia e produtos químicos. Essa pegada pertence à cadeia de suprimentos de aceleradores e servidores, não ao resfriamento diário do data center. As informações públicas não permitem atribuí-la de forma consistente a cada modelo ou consulta, então ela fica fora dos números principais. Incluí-la ampliaria a análise para o ciclo de vida e exigiria outro inventário.

Quando o uso de água se torna um problema?

Um total mundial não basta. Para uma comunidade, importam a bacia, a estação, a qualidade da água, se é potável ou esgoto tratado, os direitos e usos existentes, a capacidade de abastecimento e os efeitos de retiradas em períodos secos. Um grande centro pode criar pressão local mesmo que seu volume seja pequeno em escala nacional; por outro lado, um dado global não comprova uma crise local.

Uma transparência útil publicaria, por instalação e período, retirada, consumo, retorno, fonte e qualidade da água, método de resfriamento, WUE e limites do cálculo; para eletricidade, o fator regional de intensidade hídrica usado. Quando possível, também separaria data centers das cargas de IA e informaria mudanças de clima ou projeto. Métricas comparáveis impediriam que ganhos de eficiência escondessem o aumento do volume total.

Então, quanta água a IA consome?

A resposta rigorosa não é “nenhuma” nem “uma garrafa por prompt”. A IA tem uma pegada hídrica operacional: alguns data centers consomem água nos sistemas de resfriamento e a eletricidade usada pode estar associada a consumo fora do local. Há casos medidos e estimativas documentadas, mas não existe um fator fixo que descreva todos os serviços, modelos, lugares e consultas.

Para entender o impacto, é preciso perguntar onde e quando a carga é processada, de onde vem a água, quanto é retirado e consumido, qual resfriamento e eletricidade são usados e se o local sofre estresse hídrico. A expansão dos data centers e suas implicações econômicas estão em nosso artigo sobre investimentos em infraestrutura de IA. Essas perguntas reconhecem um custo real sem transformar uma estimativa contextual em slogan.

Perguntas frequentes

Quanta água uma pergunta ao ChatGPT consome?

Não há um número público universal nem uma medição oficial comparável da OpenAI por consulta. Depende do modelo, da resposta, do data center, do resfriamento e da inclusão da água associada à eletricidade. A cifra de meio litro costuma vir de uma estimativa para 10–50 respostas médias com GPT-3, não para uma pergunta atual.

O ChatGPT usa água diretamente?

O software em si não usa água. A infraestrutura de computação pode retirar e consumir água para resfriamento; a geração de eletricidade pode acrescentar consumo indireto. O uso direto depende do data center e do sistema térmico.

O resfriamento líquido consome mais água?

Não necessariamente. O líquido pode circular em um circuito fechado e ser reutilizado. O que importa é como o calor é finalmente dissipado e se há evaporação, purga ou reposição de água. Resfriamento líquido descreve a transferência de calor, não sozinho o volume de água consumido.

O que consome mais água: treinar ou usar uma IA?

Não existe uma proporção universal. Um treinamento pode concentrar muita energia em um período; a inferência se repete a cada uso, e o impacto acumulado depende do volume de consultas e de como são atendidas. Os estudos disponíveis usam modelos e limites diferentes e não sustentam uma regra geral para todos os sistemas.