Centros de dados dos EUA triplicaram o consumo anual de água para 17 mil milhões de galões

O uso anual de água dos centros de dados dos EUA terá triplicado para cerca de 17 mil milhões de galões, o que gerou debate sobre a sua relevância no contexto mais amplo do consumo de água nos EUA. Muitos argumentam que a cifra é pequena comparada com a agricultura, o gado e os campos de golfe, e que os impactos são sobretudo locais, dependendo de os centros extraírem água de aquíferos sob stress ou de regiões ricas em água e de usarem refrigeração evaporativa ou de circuito fechado. Outros contrapõem que a expansão impulsionada pela IA ainda aumenta a procura total, pode pressionar os abastecimentos locais e é muitas vezes usada como proxy para preocupações mais amplas sobre transparência empresarial, uso de energia e o valor social de uma infraestrutura de IA em grande escala.

Escala do uso de água em centros de dados

  • 17 mil milhões de galões/ano ≈ 52 mil acre‑feet; os comentadores comparam isto a:
    • A atribuição histórica do Rio Colorado para o Arizona, de mais de 2 milhões de acre‑feet.
    • Um corte planeado de 750 mil acre‑feet apenas para o AZ.
  • Outros contextualizam isto face ao total das captações nos EUA (~117,5 biliões de galões/ano), o que implica que os centros de dados são uma fração muito pequena.
  • Alguns acham que isto torna as preocupações com água dos centros de dados “manufacturadas” ou numericamente triviais; outros argumentam que a quota nacional total não é a métrica relevante.

O que significa “consumo”

  • Para centros de dados, “consumido” geralmente significa água evaporada nas torres de refrigeração ou descarregada como águas residuais carregadas de minerais.
  • Os circuitos fechados movem o calor dentro do centro de dados, mas muitas vezes rejeitam-no por meio de arrefecimento evaporativo fora do circuito.
  • Na agricultura, uma parte significativa (por exemplo, ≥30%) perde-se por transpiração das plantas e evaporação; o escoamento pode transportar químicos.
  • Vários apontam que a água evaporada volta ao ciclo global da água, mas muitas vezes não à mesma fonte local; a recarga de aquíferos pode ser lenta.

Impacto local vs nacional

  • Muitos argumentam que a água é uma questão local: algumas regiões têm abundância de água de superfície e chuva; outras estão sob stress hídrico.
  • Sugestão: não localizar centros de dados arrefecidos por evaporação em regiões áridas ou com aquíferos sobreexplorados; escrutinar projetos caso a caso.
  • Contra-argumento: não há evidência clara de que alguém tenha perdido acesso básico à água doméstica por causa de centros de dados; os principais conflitos continuam a ser a agricultura e os sistemas históricos de direitos de água.

Comparações com outros usos

  • Comparações repetidas com:
    • Irrigação (43,1 biliões de gal), energia termoelétrica (48,5 biliões), gado (730 mil milhões), campos de golfe (531 mil milhões), amêndoas (~1,5 biliões).
  • Alguns veem isto como um contexto útil de escala; outros chamam-lhe “whataboutism” por evitar a questão central: se o uso adicional de IA/centros de dados vale a pena.
  • Debate sobre a “utilidade” relativa: comida (carne, amêndoas) vs IA/LLMs; forte desacordo sobre qual é mais dispensável.

Tecnologias de arrefecimento e trade-offs

  • Os projetos variam entre torres de alta evaporação (~80% de perda) e sistemas híbridos e totalmente de circuito fechado (0–6% de perda, mas maior capex/energia).
  • Arrefecimento seco ou uso mais fechado reduziria a água, mas aumentaria a procura elétrica, especialmente onde a energia é fóssil.
  • Alguns argumentam que água potável subterrânea nunca deve ser usada para arrefecimento evaporativo; outros dizem que a otimização deve depender dos perfis locais de água e energia.

IA, perceção pública e transparência

  • Vários veem o sentimento anti-centros de dados/anti-IA a impulsionar o foco na água, como um proxy mais “legível” para medos mais amplos sobre IA e poder tecnológico.
  • Outros insistem que a água é uma preocupação ambiental legítima e não deve ser descartada.
  • Frustração com o facto de os operadores muitas vezes esconderem dados de água ao nível do local; exemplo de residentes que processaram uma cidade para obter os números de uso de um centro de dados.
  • O relatório subjacente vem do Congressional Research Service com modelação do LBNL; os números são estimativas, não totais medidos diretamente.