A IA esbarrou no poste: por que o gargalo agora é energia, não chip

O que trava a inteligência artificial hoje não é o chip. É o poste. Enquanto tudo em tecnologia dobra de capacidade e cai de preço em ciclos previsíveis, linha de transmissão não virou tecnologia exponencial: continua levando anos para sair do papel. E é aí que a corrida da IA está esbarrando.

Os números do Texas contam a história melhor que qualquer previsão. O ERCOT, operador da rede elétrica texana, tinha em meados de 2026 uma fila de mais de 438 mil megawatts de demanda solicitada — e cerca de 90% desses pedidos vêm de data centers. Em abril, essa fila já passava de 410 gigawatts.

Anos de espera para ligar na tomada

Conectar uma nova carga grande à rede virou um processo de anos. Levantamentos do Lawrence Berkeley National Laboratory mostram que o tempo médio de espera nas filas de interconexão mais que dobrou nos últimos quinze anos, e que projetos passam em média cerca de cinco anos na fila até entrar em operação comercial. O Texas, com aproximadamente 4,2 anos, está entre os mais rápidos dos Estados Unidos — o que diz bastante sobre o resto.

Em 18 de junho de 2026, o regulador texano aprovou um novo processo que passa a estudar os pedidos de grandes cargas em lote, alocando capacidade e produzindo um plano de construção de transmissão em vez de analisar projeto por projeto. É reconhecimento oficial de que o problema deixou de ser exceção e virou estrutura.

E tem o vizinho

Existe um segundo freio, e ele não se resolve com engenharia: uma pesquisa Gallup de março de 2026, com mil adultos, apontou que 71% dos americanos são contra a construção de data centers de IA na própria comunidade — quase metade se diz fortemente contra. Uma sondagem da Heatmap Pro em junho chegou ao mesmo patamar, com 55% de oposição forte. Nove meses antes, o público estava dividido meio a meio. As razões mais citadas são consumo de água e de eletricidade.

Ou seja: mesmo com dinheiro disponível e chip comprado, faltam duas coisas que dinheiro não compra rápido — capacidade de rede e licença social.

Quanto de energia isso vai consumir, afinal

Aqui vale uma correção que circula errado por aí. As projeções variam bastante conforme quem calcula:

• O EPRI, instituto de pesquisa do setor elétrico, projeta que os data centers consumam entre 9% e 17% da eletricidade dos Estados Unidos até 2030 — uma faixa, não um número único.
• A BloombergNEF trabalha com cerca de 12% em 2030, chegando a 20% em 2035. É dessa casa que vem o número de 20% frequentemente atribuído a outras fontes.
• Regionalmente o quadro é mais dramático: na Virgínia, um dos maiores polos de data center do mundo, o EPRI estima que a atividade possa consumir de 41% a 59% da eletricidade do estado até 2030, contra cerca de 25% hoje.

Guardar a faixa, e não o número redondo, é o que separa quem entendeu de quem repetiu.

Por que ninguém resolve isso com dinheiro

Numa conversa recente com Peter Diamandis, o especialista em energia Ramez Naam resumiu a inversão de intuição: um data center de 1 gigawatt custa por volta de US$ 50 bilhões para construir, e cerca de US$ 35 bilhões disso são chips. O custo da energia ao longo de cinco anos é pequeno perto do capital investido. A consequência é contraintuitiva: os laboratórios de IA topariam pagar o dobro pela eletricidade se ela chegasse amanhã. Energia virou gargalo de prazo, não linha de custo.

Naam aponta ainda que as grandes turbinas a gás — a saída de quem não pode esperar a rede — estão vendidas com cerca de sete anos de antecedência, e que a rota mais rápida disponível hoje é solar com baterias, capaz de sair do zero à geração em torno de doze meses. Com uma ressalva que ele faz questão de marcar: bateria resolve a diferença entre dia e noite, não resolve estação do ano — Londres recebe cerca de um sexto da radiação solar em janeiro em comparação a julho.

O que isso muda para quem só usa IA

Você não vai construir data center. Mas três consequências chegam à sua empresa:

1. Preço de IA não cai de forma uniforme. O custo por tarefa despenca quando um modelo novo é mais eficiente, e trava quando a capacidade de computação está escassa. Planejar orçamento anual de IA supondo queda contínua é otimismo — vale revisar o custo por tarefa a cada trimestre.
2. Capacidade vira critério de fornecedor. Ao contratar um sistema que depende de IA, pergunte o que acontece se o provedor limitar a capacidade: existe alternativa configurada, ou o seu processo simplesmente para?
3. Nem tudo precisa do modelo maior. Boa parte das tarefas de empresa — classificar, extrair, resumir, responder pergunta frequente — roda em modelo pequeno, barato e muitas vezes local. Quem estrutura isso agora fica menos exposto a fila e a reajuste.

Sobre essa conta de custo por tarefa, escrevemos em quanto custa ter IA no seu negócio. E é esse desenho — qual tarefa, qual modelo, qual plano B — que fazemos em implementação de IA para empresas.

O resumo em três linhas

A IA está limitada por infraestrutura física, não por ideias. Postes, transformadores e licenças não seguem curva exponencial, e é por isso que os prazos de energia hoje são medidos em anos. Para quem usa IA na empresa, a lição prática é simples: trate capacidade como recurso escasso, não como torneira aberta.

Pauta inspirada na edição de 20 de agosto de 2026 da newsletter Metatrends, de Peter Diamandis, a partir da conversa com Ramez Naam. Os dados de fila de interconexão (Lawrence Berkeley National Laboratory e ERCOT), de opinião pública (Gallup e Heatmap Pro) e de consumo elétrico (EPRI e BloombergNEF) foram conferidos nas fontes antes da publicação.