Quando uma pessoa faz uma pergunta a uma inteligência artificial, a resposta aparece na tela em poucos segundos. Por trás desse gesto simples há computadores especializados, redes rápidas, memória, energia e sistemas de refrigeração. Essa estrutura é chamada de data center. Ela é uma das razões pelas quais a inteligência artificial está se tornando uma questão de infraestrutura, não apenas de software.
Em 12 de outubro de 2026, a Microsoft anunciou que pretende ampliar sua família de aceleradores Azure Maia para implantações de vários gigawatts a partir de 2027. No mesmo anúncio, informou que o Maia 200 já atende cargas de trabalho de produção da própria Microsoft e apresentou metas para a próxima geração, o Maia 300. É uma notícia importante, mas precisa ser lida com precisão: parte é operação atual e parte é plano ou estimativa da empresa.
O que um data center de IA precisa fazer?
Um data center reúne servidores, armazenamento, rede e sistemas elétricos em um local preparado para funcionar continuamente. Um servidor é um computador que atende a outros computadores. Para IA, alguns servidores recebem aceleradores, chips projetados para executar muitos cálculos em paralelo. Pense em uma cozinha: a receita é o modelo, os aceleradores são as estações de trabalho, e a rede transporta os ingredientes entre elas.
Quando o modelo responde a uma pergunta, ele transforma números e palavras em pequenos blocos chamados tokens. A fase de produzir esses blocos é chamada de inferência. É diferente do treinamento, que usa grandes conjuntos de dados para ajustar os parâmetros do modelo. Um mesmo centro de dados pode executar inferência, treinar modelos ou realizar outras tarefas, mas cada atividade tem exigências próprias.
Um acelerador isolado não resolve tudo. O sistema também precisa entregar dados ao chip na velocidade certa, distribuir tarefas entre os servidores e remover o calor produzido pelos equipamentos. Se a memória for lenta, o chip fica esperando. Se a rede estiver congestionada, os servidores não trocam dados a tempo. Se a refrigeração falhar, o equipamento pode reduzir a velocidade ou desligar para se proteger.
- Computação: os aceleradores executam operações matemáticas usadas pelo modelo.
- Memória: guarda parâmetros e informações necessárias durante o cálculo.
- Rede: conecta chips, servidores e armazenamento para que trabalhem juntos.
- Energia e refrigeração: mantêm a operação estável e controlam o calor.
O que a Microsoft anunciou sobre o Azure Maia?
Segundo o anúncio oficial da Microsoft, o Maia 200 já está em produção em serviços da empresa, incluindo o Copilot. O anúncio diz que outros produtos devem receber o hardware depois. Já o Maia 300 é apresentado como uma geração futura, com implantações planejadas para começar em 2027. Portanto, não é correto dizer que todos os clientes do Azure já usam esse chip nem que o Maia 300 já está funcionando em larga escala.
A Microsoft estima que o Maia 300 poderá entregar 40% mais tokens por megawatt do que sistemas com GPUs líderes e até sete vezes a vazão de tokens por rack do Maia 200 em uma configuração completa com 96 aceleradores. A palavra importante é “estima”: são comparações divulgadas pelo próprio fabricante, não um teste independente reproduzido por este artigo. Os resultados reais dependem dos modelos, do software, do tipo de solicitação e da forma de medir o desempenho.
“40% more tokens per megawatt” é a expectativa divulgada pela Microsoft para o Maia 300, não uma medição independente deste artigo.
O valor dessa estratégia está no projeto conjunto. A Microsoft pode ajustar chip, memória, rede e software às tarefas que executa com frequência. Isso pode melhorar o custo e a eficiência de serviços específicos. Não prova, por si só, que um chip próprio seja sempre mais rápido ou barato que uma GPU de outro fabricante. Para comparar, seria necessário usar o mesmo modelo, qualidade, carga, energia e custo total.
Por que energia, memória e refrigeração viraram parte da notícia?
A inteligência artificial aumenta a procura por capacidade de computação, e a capacidade depende de instalações físicas. A Agência Internacional de Energia (IEA), em seu relatório de 2026 sobre energia e IA, estima que o consumo elétrico global dos data centers pode passar de 485 terawatt-hora (TWh) em 2025 para 950 TWh em 2030. Isso seria aproximadamente 3% da eletricidade mundial naquele ano. É uma projeção, não uma conta fechada: depende de adoção, eficiência, infraestrutura e dos tipos de IA usados.
A mesma análise relata que a eletricidade usada por data centers cresceu 17% em 2025 e a de centros focados em IA, 50%. Ao mesmo tempo, a IEA observa que o gasto de energia por tarefa simples de texto caiu muito com melhorias de hardware e software. Não há contradição: cada consulta pode ficar mais eficiente enquanto o total cresce, porque mais pessoas usam IA e porque tarefas como vídeo, raciocínio prolongado e agentes podem exigir muito mais computação que uma pergunta curta.
Também há uma diferença entre potência e energia. Potência, medida em watts ou gigawatts, indica a velocidade de consumo em um instante. Energia, medida em watt-hora, soma o consumo ao longo do tempo. Quando uma empresa fala em implantação de vários gigawatts, está descrevendo uma escala de potência para instalações e sistemas, não uma quantidade de energia já consumida nem uma usina específica.
Chips mais densos produzem mais calor em um espaço menor. A refrigeração pode usar ar, líquido ou uma combinação. A refrigeração líquida transporta calor de componentes quentes até equipamentos que o removem. Ela não elimina a necessidade de energia ou água; muda como o calor é transferido e exige projeto, manutenção e medição. Rede e memória também pesam: um sistema pode ter muitos aceleradores e ainda desperdiçar capacidade se eles ficarem esperando dados.
A IEA identifica gargalos em conexões à rede elétrica, equipamentos, fabricação de chips e memória de alta largura de banda. Isso mostra por que construir um data center não é apenas comprar computadores. É preciso planejar terreno, conexão elétrica, servidores, transformadores, refrigeração, fibra, segurança e operação. A localização e o ritmo de construção importam tanto quanto a especificação do chip.
O que isso muda para empresas e pessoas?
Para quem usa um assistente, a infraestrutura pode influenciar velocidade, disponibilidade e preço. Para uma empresa, afeta onde os dados podem ser processados, qual modelo está disponível e quanto custa cada tarefa. Um chip próprio pode ajudar uma nuvem a controlar melhor sua capacidade, mas não significa que toda aplicação ficará automaticamente mais barata. O custo final inclui hardware, energia, instalações, equipes, rede e software.
Exemplo prático hipotético: uma pequena empresa usa um assistente para resumir documentos. Se a tarefa for simples e houver poucos usuários, um serviço compartilhado na nuvem pode ser suficiente. Se milhares de pessoas fizerem perguntas longas ao mesmo tempo, será necessário distribuir o trabalho entre mais servidores e planejar capacidade para os picos. A decisão deve comparar custo, privacidade, rapidez e qualidade, não apenas contar chips.
Essa expansão também cria responsabilidades. Data centers podem disputar eletricidade e conexões com outras atividades locais. As previsões da IEA mostram cenários, não garantem que cada projeto será construído. Transparência sobre consumo, origem da energia, uso de água, eficiência e impacto na comunidade ajuda governos e empresas a avaliar os custos e benefícios com fatos.
Para acompanhar outras explicações sobre tecnologia e negócios, consulte a seção de artigos do blog da CAV. A conclusão mais útil é simples: a IA funciona quando várias partes físicas e digitais cooperam. O anúncio do Maia é um sinal de como grandes provedores estão redesenhando essa infraestrutura. Ele não elimina os limites de energia, rede, memória e investimento que ainda precisam ser resolvidos.
Perguntas frequentes
O que é um acelerador de IA?
É um chip feito para executar rapidamente muitos cálculos usados por modelos de inteligência artificial. Ele trabalha junto com memória, processadores comuns e redes; sozinho, não constitui um data center.
O Maia 300 já está em operação?
Não. No anúncio de 12 de outubro de 2026, a Microsoft descreveu o Maia 300 como uma geração futura, com implantações planejadas para começar em 2027. O Maia 200, por outro lado, já atende cargas de produção da empresa.
Um data center de IA consome muita energia?
O consumo depende do tamanho, da ocupação e das tarefas. Data centers de IA podem concentrar cargas elevadas, mas o consumo por consulta varia. Consultas curtas de texto e tarefas longas de vídeo ou agentes não têm o mesmo custo energético.
O que significa “mais tokens por megawatt”?
É uma medida de quantidade de texto produzido em relação à potência elétrica usada. Quanto maior o número, mais saída pode ser gerada por unidade de potência na comparação adotada, mas é preciso conferir se a qualidade e as condições também são equivalentes.
Um chip próprio torna a IA mais barata?
Não necessariamente. Pode ajudar a otimizar certas tarefas, mas o custo depende do chip, da energia, da memória, da rede, do software, da manutenção e da utilização do equipamento. A afirmação precisa ser medida em uma carga real.
Glossário
- Acelerador: chip especializado em certos cálculos, como os usados por IA.
- Data center: instalação com servidores, rede, armazenamento, energia e refrigeração.
- Inferência: etapa em que um modelo já treinado produz uma resposta ou resultado.
- Token: pedaço de texto que o modelo processa ou gera; pode ser uma palavra, parte de uma palavra ou sinal.
- Terawatt-hora (TWh): unidade para medir grandes quantidades de energia ao longo do tempo.
- Potência: velocidade com que a energia é consumida ou fornecida, medida em watts.
- Memória de alta largura de banda: memória capaz de enviar muitos dados rapidamente ao processador.
- Vazão: quantidade de trabalho concluída em determinado intervalo de tempo.
- Refrigeração líquida: técnica que usa líquido para transportar calor para fora de componentes ou servidores.
Fontes consultadas: Microsoft, anúncio do Azure Maia, 12 de outubro de 2026; IEA, Key Questions on Energy and AI, 16 de abril de 2026; IEA, resumo executivo.
