. Contexto e problema
Enquanto o impacto da Inteligência Artificial (IA) na pegada de carbono tem recebido bastante atenção pública, a sua pegada hídrica (consumo de água potável e água doce) permaneceu em boa medida invisível e fora do debate de sustentabilidade. O treino e a execução de grandes modelos de linguagem (LLMs) exigem clusters massivos de servidores em data centers que requerem enormes quantidades de água doce para refrigeração, de forma a evitar o sobreaquecimento dos servidores. e geração de eletricidade.
Para se ter uma ideia da relevância da pegada hídrica, em 2023, cerca de 66,24 mil milhões de litros de água doce foram consumidos diretamente pelos centros de dados situados nos EUA (país onde estão 44% dos data centers do mundo).
Estima-se que a procura global por IA venha a ser responsável por uma retirada de água de 4,2 a 6,6 mil milhões de metros cúbicos em 2027. Esse volume supera o consumo anual total de água de países como a Dinamarca ou cerca de metade do Reino Unido.
2. O paradoxo da IA na pegada /sustentabilidade hídrica
O avanço acelerado da IA cria um paradoxo na sua relação com a gestão dos recursos hídricos globais:
IA como aliada da sustentabilidade hídrica: Por um lado, a tecnologia desempenha um papel crescentemente vital na gestão ambiental. É utilizada em sensores IoT para deteção de fugas de água em tempo real nas redes públicas, na previsão otimizada da procura, na melhoria da eficiência de tratamento de águas residuais (otimizando reagentes e energia), na agricultura de precisão (reduzindo significativamente a irrigação sem perda de rendimento agrícola) e na previsão de cheias/inundações ao integrar dados de satélite e modelos hidrológicos.
IA como consumidora intensiva de recursos: Por outro lado, o treino e a operação de modelos de IA de grande escala exigem uma enorme capacidade computacional, traduzindo-se num elevado consumo de eletricidade e na geração de calor substancial que necessita de arrefecimento intensivo – frequentemente dependente de água doce.
3. O impacto geográfico e local
A nível global, os data centers consomem uma fração relativamente pequena de água em comparação com a agricultura (responsável por 70% do consumo de água doce) ou o setor energético geral (10%). No entanto, o problema crítico reside na concentração geográfica do impacto local:
A construção de mega data centers (hyperscale) ocorre frequentemente em regiões áridas ou com stresse hídrico preexistente (como Arizona, Texas ou Califórnia).
Nestas localidades, o consumo massivo de água doce cria uma competição direta com populações locais, agricultores e indústrias, sobrecarregando aquíferos vulneráveis.
4. A pegada hídrica dos data centers e das operações de IA
A pegada hídrica específica da IA ainda é insuficientemente monitorizada, utilizando-se o consumo global dos data centers como indicador. Embora a IA represente atualmente cerca de 15% da eletricidade dos data centers, é o tipo de carga computacional que mais rapidamente cresce (prevendo-se que atinja 27% até 2027).
O impacto hídrico da IA comporta três dimensões:
Consumo direto (no local – scope 1) - arrefecimento de servidores: Água limpa/potável retirada do abastecimento local para torres de arrefecimento (cooling towers) evaporativo dos data centers. A água evapora para dissipar o calor extremo gerado pelas GPUs e evitar o sobreaquecimento dos servidores.
Consumo indireto (fora do local – scope 2) - geração de eletricidade: Água consumida pelas centrais elétricas (termoelétricas, nucleares ou hídricas) para produzir a energia que alimenta os data centers.
Consumo indireto (fora do local – scope 3) - Hardware: Água incorporada ao longo do ciclo de vida no fabrico de semicondutores, microchips e infraestruturas físicas.
Distinção relevante (captação vs. consumo):
É importante ainda atentar na diferença entre captação de água (volume total retirado de fontes como rios ou aquíferos, parte do qual pode regressar ao meio) e consumo de água (volume efetivamente evaporado ou incorporado que não regressa à bacia hidrográfica local). Enquanto o dimensionamento da infraestrutura depende da captação, a resiliência ecológica e a seca dependem do consumo.
Exemplo de consumo operacional de água num data center: consumo de água no local (escopo 1) para arrefecimento do data center (através de torres de refrigeração no exemplo) e consumo de água fora do local (escopo 2) para geração de eletricidade. Os ícones dos modelos de IA são apenas para fins ilustrativos. Fonte: ‘Making AI Less “Thirsty”: Uncovering and Addressing the Secret Water Footprint of AI Models’, P. Li, J. Yang, M. Islam, S. Ren, 26 Mar 2025, https://arxiv.org/pdf/2304.03271
. Métricas de consumo de água
Estudos pioneiros liderados por investigadores da Universidade da Califórnia (Riverside) e da Universidade de Arlington estimam a pegada hídrica total dos LLMs, considerando tanto o consumo direto (arrefecimento dos servidores nos data centers) como o consumo indireto (água gasta na geração de eletricidade).
5.1. Treino dos modelos (fase de formação)
O processo de treinar um modelo de raiz exige milhares de GPUs a funcionar continuamente durante meses:
GPT-3 (OpenAI): O treino consumiu diretamente (scope 1) cerca de 700.000 litros de água doce (evaporados diretamente no local para refrigeração) e indiretamente (scope 2) 4.700.000 litros de água (usados na geração de eletricidade da rede) nos data centers da Microsoft.
Os valores aumentam significativamente na fase de treino de modelos mais recentes e maiores (como GPT-4, Gemini Ultra ou Claude 3.5/3.7), com centenas de milhar de milhões de parâmetros, que necessitam de ordens de magnitude a mais de energia, estimando-se que o seu treino possa consumir de dezenas a centenas de milhões de litros de água, dependendo do local e do tipo de energia da rede elétrica utilizada na época.
5.2. Inferência (uso quotidiano de prompt/resposta)
Não há muitos dados disponibilizados pelas empresas de IA quanto ao consumo de água dos seus modelos.
Em 2025, a Google divulgou estimativas ecológicas para o seu modelo Gemini. Estimou que a consulta mediana baseada em texto (basicamente fazer uma pergunta de texto Gemini) consome 0,26 ml (ou cerca de cinco gotas) de água.
O CEO da OpenAI, Sam Altman, também esclareceu, em junho de 2025, que uma “consulta média” no ChatGPT utiliza cerca de 0,32 ml de água; este cálculo omite o consumo indireto de energia, que responde pela maior fatia do gasto de água.
Este [baixo] consumo hídrico resulta do facto de a maioria das consultas/prompt ser simples, pelo que a consulta mediana é provavelmente pequena tanto em tamanho como em complexidade.
Para consultas mais longas que dependem de agentes de IA ou raciocínio, a pegada hídrica é seguramente maior. Para efeitos de consumo energético, a Epoch AI estimou que uma consulta longa (7.500 palavras de entrada) pode consumir cerca de 2,5 Wh, e uma muito longa (75.000 palavras) pode consumir 40 Wh. Esses valores são muito superiores à simples consulta de texto. No seu relatório de 2026, a AIE fornece estimativas do consumo de eletricidade da GPU para tarefas agênticas com raciocínio.
A AIE estima que um pedido simples a um agente de IA consuma cerca de 1,14 Wh. Um pedido a um agente com raciocínio, cerca de 50 Wh. O valor não anda longe das estimativas relativamente a consultas de texto de comprimento máximo.
Atento o que se disse acima, embora o impacto individual por resposta pareça pequeno, multiplica-se por milhares de milhões de interações diárias:
Por prompt (prompt médio de 10 a 50 mensagens / ~200 palavras):
Consumo direto: ~0,3 ml a 2 ml por resposta.
Consumo indireto: ~3 ml a 10 ml por resposta.
Pegada total por prompt: Varia tipicamente entre 0,5 ml e 10 ml de água (ou cerca de 500 ml por cada 10 a 50 perguntas/respostas num modelo como o GPT-3/GPT-4 em data centers convencionais).
6. Pegada hídrica indireta
A produção de semicondutores avançados para IA (como GPUs da Nvidia, aceleradores TPU e memórias HBM) exige uma das operações químicas e industriais mais rigorosas e intensivas em água do mundo.
Nesta escala, um único defeito do tamanho de uma molécula ou a presença de minerais microscópicos pode arruinar wafers de silicone inteiros, destruindo milhões de dólares em microchips.
6.1. A pegada hídrica do fabrico de hardware de IA
A pegada hídrica da indústria de semicondutores é desproporcionalmente alta em comparação com quase todas as outras indústrias:
Volume diário por fábrica (Fab): Uma fábrica avançada de semicondutores (como as instalações da TSMC no Taiwan ou da Intel no Arizona) consome entre 15 a 40 milhões de litros de água bruta por dia – o equivalente ao consumo diário de uma cidade com mais de 100.000 habitantes.
Intensidade por wafer de IA: Um único wafer de silicone de 300 mm destinado a chips de IA pode necessitar de 7.000 a 19.000 litros de Água Ultrapura (UPW) ao longo do seu ciclo de produção, atravessando centenas de etapas de lavagem, gravação química (etching) e polimento químico-mecânico (CMP).
Complexidade estrutural do chip de IA: Chips de IA utilizam litografia ultravioleta extrema (EUV) com dezenas de camadas e interligações de transístores em nós de 3nm ou 2nm. Quanto menor o nó do processo e mais complexo o chip, maior o número de etapas de lavagem com UPW necessárias.
Perda de conversão: Para produzir 1.000 litros de UPW, são necessários entre 1.400 a 1.600 litros de água municipal/bruta, gerando um desperdício contínuo caso os sistemas de reciclagem não estejam otimizados.
6.2. O que é água ultrapura (UPW)?
A água potável convencional é um condutor elétrico repleto de minerais, gases dissolvidos e poeiras microscópicas. A água ultrapura (UPW - Ultrapure Water) é levada ao limite teórico de pureza da molécula.
Neste estado de ultra-pureza, a UPW atua como um “solvente faminto”: tenta dissolver tudo com que entra em contacto. Por isso, não pode ser transportada em tubagens normais (exige plásticos especiais fluorados como PVDF) e nem sequer pode ser consumida por seres humanos, pois extrairia minerais essenciais das células do corpo instantaneamente.
6.3. O processo de ultrapurificação da água (etapa a etapa)
O sistema de tratamento de uma fábrica de semicondutores é uma instalação industrial monumental que purifica a água em três fases integradas:
Fase 1: Pré-tratamento (remoção macroscópica)
Filtração multimeios e microfiltração: Retira partículas grandes, areia e sedimentos em suspensão.
Abrandamento de água: Utilização de resinas de troca iónica para remover metais alcalinos (como cálcio e magnésio) e evitar a incrustação dos equipamentos subsequentes.
Filtração por carbono ativado: Absorve e remove o cloro (utilizado no tratamento municipal) e grande parte da matéria orgânica inicial, prevenindo danos nas membranas sensíveis.
Fase 2: Tratamento primário (separação molecular)
Osmose inversa dupla (Double PASS RO): A água é forçada sob altíssima pressão através de membranas semipermeáveis de poliamida. Isto remove 98% a 99% de todos os sais dissolvidos, minerais e grandes moléculas orgânicas.
Oxidação ultravioleta (UV 185 nm): Lâmpadas UV de alta intensidade operando no comprimento de onda de 185nm quebram as ligações de carbono dos compostos orgânicos remanescentes (TOC), convertendo-os em dióxido de carbono () e moléculas ionizadas.
Desgaseificação por membrana: Remoção mecânica/vácuo de gases dissolvidos, especialmente o oxigénio (O2) e o CO2. O oxigénio dissolvido é letal no fabrico de chips porque oxida a superfície do silicone fora de controlo (native oxide).
Electrodesionização (EDI): Combina membranas de troca iónica e corrente elétrica para remover iões remanescentes de forma contínua, elevando a resistividade da água para perto de 15-17 M Ω ⋅ cm.
Fase 3: Polimento final (polishing loop)
Realizado imediatamente antes de a água entrar no equipamento que lava o wafer de IA, pois a UPW perde a sua pureza rapidamente se ficar estagnada:
Leito misto de troca iónica não-regenerável: Resinas de altíssima pureza capturam os últimos vestígios de iões (como Sódio, Potássio e Ferro), elevando a água ao seu limite físico de 18,2 M Ω ⋅ cm.
Ultrafiltração termopolida (UF): Membranas com poros de tamanho atómico (até 0,01 μm) filtram os últimos resíduos de sílica coloidal e fragmentos celulares de bactérias.
Esterilização UV de polimento (254 nm): Destrói qualquer micróbio ou contaminação biológica sobrevivente.
6.4. Gestão de efluentes e reciclagem hídrica
Devido ao elevado impacto ambiental e ao custo de captar água bruta em regiões propensas a secas (como Taiwan ou o sudoeste dos EUA), as fábricas de semicondutores aplicam estratégias avançadas de economia circular:
Reciclagem interna em circuito fechado: As águas que saem dos ciclos de enxaguamento mais limpos são recapturadas e redirecionadas para o início do circuito de UPW. As fábricas mais modernas conseguem reciclar entre 75% a 85% de toda a água que utilizam.
Segregação de efluentes tóxicos: A água contaminada com solventes, metais pesados (como cobre) ou substâncias químicas eternas (PFAS) é canalizada para circuitos separados de desintoxicação química intensa e evaporação de resíduos, antes de poder ser devolvida à natureza ou reutilizada na refrigeração das próprias instalações.