Em 16 de setembro de 2026, executivos do setor de data centers avaliaram que os apelos por um ritmo mais lento no desenvolvimento de modelos de IA de fronteira ainda tinham pouco efeito imediato sobre a demanda. O motivo é simples: treinamento de modelos é apenas uma parte do mercado, enquanto nuvem, cargas empresariais, inferência de IA e projetos já comprometidos continuam exigindo capacidade.
A discussão ganhou força depois que Dario Amodei, CEO da Anthropic, defendeu em 12 de setembro um ritmo mais lento para o avanço das capacidades dos modelos de IA. Sam Altman e Elon Musk apoiaram a direção da proposta, enquanto Demis Hassabis a considerou adequada para o momento. Isso não equivale a uma paralisação do desenvolvimento, e o impacto sobre a infraestrutura depende de quais workloads seriam reduzidos.
Por que um freio no treinamento não interromperia a expansão
Uma eventual redução no treinamento de modelos de fronteira afetaria diretamente os projetos desenhados para esse tipo de carga. Mas os data centers também atendem serviços de nuvem, sistemas corporativos, armazenamento, transformação digital e aplicações de IA já disponíveis para usuários.
Andrew Power, CEO da Digital Realty, destacou em 15 de setembro que o crescimento da nuvem e a transformação digital não ligada à IA continuam sendo grandes motores do negócio. A empresa também é descrita como relativamente pouco exposta ao treinamento de modelos de fronteira.
A diferença entre treinamento e inferência é importante. Treinamento é o processo de criar ou aperfeiçoar um modelo; inferência é a execução desse modelo para responder a usuários e aplicações. À medida que mais serviços usam IA, a inferência exige capacidade distribuída e próxima dos usuários — uma demanda que não desaparece simplesmente porque um laboratório reduz o ritmo de novos treinamentos.
| Segmento de demanda | Relação com um possível freio no treinamento de modelos de fronteira | Efeito provável no curto prazo |
| Treinamento de modelos de fronteira | É o segmento mais diretamente exposto à desaceleração | Projetos dedicados podem sentir o impacto antes de outras cargas |
| Inferência de IA | Executa modelos treinados para usuários e aplicações | Continua exigindo capacidade distribuída perto dos usuários |
| Computação em nuvem | Atende serviços digitais além do treinamento de IA | Mantém uma fonte independente de demanda |
| Cargas empresariais | Incluem sistemas corporativos e processos de transformação digital | Continuam sustentando a ocupação dos data centers |
| Capacidade financiada ou em construção | Resulta de compromissos assumidos antes da entrada em operação | Torna mais lento o reflexo de uma eventual mudança na demanda |
Quanto do mercado depende do treinamento de fronteira?
John Andril, gerente de inteligência de mercado da Avison Young, estima que o treinamento de modelos de fronteira corresponda a 10% a 20% da demanda atual e projetada por data centers. O número é uma estimativa atribuída a Andril, não uma medição abrangente de todo o setor.
Ainda assim, o cálculo ajuda a dimensionar a diferença entre desacelerar um tipo de carga e interromper o mercado inteiro. Mesmo no limite superior dessa faixa, outras fontes de consumo continuariam ativas. Anthony Wanger, investidor e consultor da Regnaw Capital, avaliou que as empresas estão discutindo o ritmo do desenvolvimento, não o abandono da atividade.
Uma moratória global voluntária também seria difícil de coordenar. Ela exigiria adesão simultânea de empresas concorrentes e de diferentes países. Andril apontou que a ausência de compromissos equivalentes entre empresas chinesas acrescentaria outro obstáculo à coordenação internacional.
Projetos já comprometidos podem esconder qualquer mudança imediata
Data centers são planejados e contratados com antecedência. Grande parte da nova capacidade é comprometida meses ou anos antes de começar a operar, e os especialistas citados no debate afirmam que muita infraestrutura necessária para os próximos cinco a dez anos já está financiada ou em construção.
Isso cria uma espécie de inércia no mercado: mesmo que uma empresa mude seus planos de treinamento, obras, contratos de energia e compromissos de nuvem não se reorganizam de um dia para o outro. O primeiro impacto potencial poderia aparecer em projetos futuros especialmente dependentes de treinamento de fronteira, enquanto instalações com contratos diversificados teriam mais fontes de ocupação.
A pressão física sobre a infraestrutura também continua relevante. Há pedidos de conexão à rede elétrica nos Estados Unidos que podem esperar até sete anos, segundo uma análise da Deloitte. Nesse cenário, reduzir o ritmo de uma parte da demanda poderia aliviar gargalos de construção e energia sem provocar uma queda imediata em todo o mercado.
As projeções ainda apontam crescimento, com cenários diferentes
Uma projeção da Goldman Sachs estima cerca de 92 GW de demanda global por data centers em 2027. Seus cenários de crescimento variam de aproximadamente 14% a 20%, com uma taxa anual composta de 17% entre 2025 e 2028 no cenário-base.
Outra análise estima que a demanda por energia de data centers de IA nos Estados Unidos possa crescer de 4 GW em 2024 para 123 GW em 2035. Esse cálculo envolve incertezas ligadas à capacidade da rede elétrica, às cadeias de suprimentos, às autorizações e ao próprio ritmo de adoção da IA.
As projeções usam geografias, períodos e metodologias diferentes, portanto não formam uma única previsão combinada. O ponto comum é mais modesto — e mais útil: um possível freio no treinamento de modelos de fronteira não elimina as demais cargas que sustentam os data centers.
Até 16 de setembro, a avaliação dos executivos era de pouco impacto imediato sobre a demanda. A expansão continuava apoiada por nuvem, workloads empresariais, inferência e capacidade já comprometida, enquanto o segmento mais exposto permanecia concentrado no treinamento de modelos de fronteira.
