O principal problema da infraestrutura de IA: o risco de ativos obsoletos – aqueles que dependem de estruturas desatualizadas hoje pagarão o preço amanhã
Xpert Pré-lançamento
Seleção de idioma 📢
Publicado em: 11 de abril de 2026 / Atualizado em: 11 de abril de 2026 – Autor: Konrad Wolfenstein
Problema crucial da infraestrutura de IA: o risco de ativos obsoletos – Quem depende de estruturas desatualizadas hoje pagará o preço amanhã – Imagem: Xpert.Digital
Armadilha no lobby em vez de progresso: a verdade oculta sobre as necessidades de eletricidade da IA
Inteligência artificial com alto consumo de energia: a alternativa engenhosa (e ignorada) aos gigantescos centros de dados nucleares
A falta de transparência como um problema político central da infraestrutura de IA
As demandas energéticas da inteligência artificial estão crescendo exponencialmente — e, com elas, o pânico político. Para atender às gigantescas necessidades de eletricidade dos centros de dados de IA planejados, uma solução supostamente inovadora surgiu repentinamente na Europa e nos EUA: pequenos reatores nucleares modulares (SMRs). Mas, enquanto políticos e lobistas da indústria celebram essa salvação nuclear como a única opção, um erro de cálculo econômico sem precedentes se anuncia nos bastidores.
Custos de construção exorbitantes, prazos de implementação que se estendem por décadas e o imenso risco de ativos obsoletos transformam o sonho de uma gigafábrica de IA movida a energia nuclear em uma aposta de alto risco. O que é particularmente explosivo é o que tem sido sistematicamente omitido do debate: uma infraestrutura de IA descentralizada. Este artigo examina as verdades ocultas sobre os custos do debate dos SMRs (reatores modulares pequenos) e mostra por que corremos o risco de repetir os dispendiosos erros estruturais do passado com a tecnologia do futuro.
A verdadeira provocação deste debate, portanto, não é a questão técnica de qual infraestrutura é melhor. A verdadeira provocação é política: por que a discussão sobre infraestrutura de IA à prova de futuro se concentra quase exclusivamente em uma tecnologia cujo horizonte de implementação está além do horizonte de planejamento dos roteiros de IA, cujo histórico de custos é caracterizado por estouros de orçamento de várias centenas por cento e cujo subsídio é amplamente obscurecido?
Relacionado a isto:
A falta de transparência como um problema político central da infraestrutura de IA: a questão energética como uma tática estratégica de diversão
Nos debates em torno da construção de gigafábricas de IA na Europa, uma questão domina a discussão pública: de onde virá toda a eletricidade? A resposta que circula cada vez mais em círculos políticos e fóruns da indústria é: pequenos reatores nucleares modulares, os chamados Reatores Modulares Pequenos (SMRs). Essa resposta soa tecnologicamente avançada, é politicamente viável e tem a vantagem de conquistar os grupos de interesse existentes — a indústria nuclear, as empresas estatais de energia e as instituições de pesquisa nuclear. No entanto, o que está quase totalmente ausente dessa discussão é uma avaliação econômica honesta: as gigafábricas de IA centralizadas, alimentadas por reatores SMR, são de fato a resposta economicamente mais sensata para a crescente demanda por poder computacional? Ou essa questão desvia a atenção de uma alternativa estrutural muito mais fundamental — a infraestrutura de IA descentralizada?
A Agência Internacional de Energia (IEA) prevê que o consumo global de eletricidade por centros de dados mais do que dobrará até 2030, atingindo quase 1.000 terawatts-hora anualmente. Mesmo hoje, um único grande centro de dados de IA consome tanta eletricidade quanto uma cidade de 50.000 habitantes, e as instalações realmente grandes já operam na faixa de gigawatts. Somente para os EUA, a IEA prevê uma necessidade adicional de capacidade de 60 gigawatts até 2029 apenas para centros de dados e aplicações de IA — o equivalente à produção de cerca de 60 usinas nucleares. Esses números são impressionantes, mas levam a uma linha de raciocínio falha: projetam, sem reflexão, a arquitetura atual de centros de dados centralizados para o futuro, em vez de considerar seriamente modelos alternativos de infraestrutura.
A verdade oculta sobre os custos por trás da promessa de SMR (remodelação de pequeno porte)
A discussão em torno dos Pequenos Reatores Modulares (SMRs) é caracterizada por um notável grau de otimismo que, após uma análise mais aprofundada, revela-se pouco fundamentado empiricamente. Os defensores dos SMRs prometem tempos de construção mais curtos, custos reduzidos devido à produção em massa e escalabilidade mais rápida em comparação com os reatores convencionais de grande porte. No entanto, a realidade apresenta um panorama consideravelmente mais preocupante.
O mercado global de usinas nucleares está estagnado há anos. Em 2024, apenas seis novas usinas nucleares entraram em operação no mundo, enquanto quatro foram desativadas – um aumento líquido de duas usinas. As razões são estruturais: custos de investimento extremamente altos, prazos de construção de 10 a 15 anos e riscos de financiamento que praticamente só podem ser suportados por empresas estatais. O principal exemplo dessa explosão de custos é Flamanville 3, na França: inicialmente estimada entre € 3,2 e € 3,3 bilhões em 2006 e planejada para um período de construção de cinco anos, a usina acabou custando € 23,7 bilhões após 17 anos de construção.
Mesmo o projeto emblemático dos EUA, a usina nuclear de Vogtle, na Geórgia, teve seu orçamento inicial estimado entre US$ 14 e US$ 15,5 bilhões, mas acabou custando US$ 34 bilhões – mais que o dobro da estimativa original. A Westinghouse, uma das principais empresas de tecnologia nuclear do mundo, declarou falência pouco depois. Os custos da usina britânica de Hinkley Point C dispararam para £ 32,7 bilhões (aproximadamente US$ 41,3 bilhões) – apesar do orçamento inicial do projeto ser de £ 2 bilhões. A regra prática agora utilizada por observadores experientes do setor é: multiplique a estimativa inicial de custo da indústria nuclear por dez para chegar a um valor realista.
Para as centrais de SMR (Reatores Modulares Pequenos), que até o momento não possuem um único sistema modular implantado comercialmente no mundo ocidental, a situação dos custos é ainda mais incerta. Uma análise da Fundação Heinrich Böll, do início de 2024 (nota: o ano foi corrigido para 2024 em vez do futuro 2026), conclui que a maioria dos conceitos de SMR ainda está em estágios iniciais de desenvolvimento, carece de aprovação regulatória na UE e dificilmente gerará quantidades significativas de eletricidade antes de 2050. O Instituto de Economia Energética e Análise Financeira (IEEFA) confirma essa avaliação crítica: os SMRs continuam sendo muito caros, muito lentos para construir e muito arriscados para desempenhar um papel significativo na transição energética nos próximos 10 a 15 anos. De acordo com o IEEE, os investimentos em SMRs desviariam recursos de fontes de energia renováveis, livres de carbono e mais econômicas, que já estão disponíveis hoje.
Um aspecto frequentemente negligenciado neste debate são os subsídios ocultos. De acordo com cálculos do Fórum para a Economia de Mercado Ecológica e Social, encomendados pelo Greenpeace, o apoio histórico à energia nuclear na Alemanha ascendeu a pelo menos 165 mil milhões de euros em subsídios estatais entre 1950 e 2008 – mais 92,5 mil milhões de euros em custos futuros previsíveis. No entanto, o governo alemão declarou menos de 200 milhões de euros nos seus relatórios de subsídios – uma diferença de várias ordens de grandeza, atribuível a uma definição extremamente restrita de subsídios. Este cálculo não tem em conta isenções fiscais, garantias governamentais, financiamento da investigação, os custos dos depósitos de resíduos nucleares e – o mais significativo – a responsabilidade governamental praticamente ilimitada em caso de catástrofe. Se os operadores de centrais nucleares fossem obrigados a pagar um seguro de responsabilidade civil padrão de mercado, a energia nuclear seria, segundo estes cálculos, até 2,70 euros por quilowatt-hora mais cara – e, portanto, simplesmente não competitiva.
A falta de transparência: quando os interesses de grupos de pressão ditam as decisões de infraestrutura
A questão de por que a discussão sobre o fornecimento de energia para gigafábricas de IA se concentra quase exclusivamente na energia nuclear – e não simultaneamente em alternativas descentralizadas – não é técnica, mas política. Ela aponta para uma falta estrutural de transparência no debate sobre infraestrutura pública.
A União Europeia declarou a criação de gigafábricas de IA como uma prioridade estratégica e lançou um fundo InvestAI de 20 bilhões de euros para construir até cinco dessas instalações. Uma gigafábrica de IA, conforme definida pela UE, compreende 100.000 ou mais chips especializados, e cada instalação, incluindo o fornecimento de energia, tem um custo estimado pela UE entre 3 e 5 bilhões de euros. A Alemanha destinou 805 milhões de euros em financiamento inicial para uma dessas instalações e está em negociações ativas para definir quais empresas serão contempladas com o contrato – Deutsche Telekom, Schwarz Group, Ionos ou um consórcio bávaro. Essa estrutura de financiamento cria, inerentemente, enormes incentivos perversos: favorece projetos centralizados de grande escala, pois somente estes atendem aos critérios da definição de "gigafábrica" da UE. Abordagens menores e descentralizadas ficam à margem desse esquema de financiamento, embora muitas vezes pudessem ser mais atraentes do ponto de vista econômico.
A falta de transparência também é evidente na apresentação seletiva dos dados de custos. Quando políticos e representantes da indústria falam sobre SMRs, citam estimativas otimistas dos fabricantes. Quando os críticos apontam para estouros de orçamento no passado, estes são descartados como incidentes isolados ou problemas inerentes à tecnologia predecessora. No entanto, não existe uma única evidência empírica confiável de que os SMRs serão mais econômicos em escala comercial do que os projetos de reatores de grande porte que servem como exemplos negativos – principalmente porque nenhum projeto de SMR comercialmente relevante foi ainda comissionado de acordo com os padrões ocidentais.
Relacionado a isto:
A alternativa negligenciada: por que a infraestrutura de IA descentralizada pode ser a resposta economicamente superior
A pergunta que surpreendentemente raramente é feita em todo o debate sobre gigafábricas de IA e seu fornecimento de energia é: por que precisamos de gigafábricas? E se precisamos delas, por que elas precisam necessariamente ser centralizadas?
A infraestrutura de IA local e descentralizada está passando por uma discreta, porém fundamental, reavaliação econômica. Pesquisas dos Institutos Fraunhofer mostram que sistemas baseados em computação de borda podem economizar até 35% nos custos de eletricidade em comparação com o processamento em nuvem convencional, pois exigem menos largura de banda e capacidade de refrigeração. Uma fábrica com 1.000 sensores de IoT enviando medições a cada segundo transmitiria 86 milhões de pontos de dados para a nuvem diariamente sem computação de borda; com filtragem de dados local (filtragem de borda), esse número é reduzido para aproximadamente 8 milhões – uma economia de 90% nos custos de largura de banda e armazenamento em nuvem. Esses números são economicamente significativos, mas raramente são abordados em discussões públicas sobre infraestrutura.
Os data centers de borda descentralizados também oferecem recuperação de calor local, que pode ser usada para aquecer áreas residenciais, prédios de escritórios ou instalações industriais. Essa sinergia melhora significativamente o equilíbrio geral de custos quando o calor residual é considerado um subproduto economicamente viável. As gigafábricas centralizadas produzem o mesmo calor residual, mas em um local onde a demanda por seu uso é insuficiente.
É importante destacar que o acordo de coalizão do governo federal alemão visa explicitamente apoiar infraestruturas descentralizadas, como a computação de borda em locais distribuídos. Ao mesmo tempo, porém, pelo menos uma gigafábrica europeia de IA está sendo instalada na Alemanha – uma abordagem que contradiz estruturalmente o princípio da descentralização. Essa inconsistência reflete a drástica divergência entre prestígio político e racionalidade econômica quando se trata de decisões sobre infraestrutura.
O modelo de infraestrutura de IA composto por algumas poucas instalações enormes e centralizadas replica o paradigma ultrapassado de fornecimento centralizado de energia por meio de grandes usinas – e isso em um momento em que o próprio setor energético está apenas começando a internalizar as vantagens das estruturas de geração descentralizadas. Seria um erro histórico repetir os erros institucionais do setor energético na área de infraestrutura de digitalização.
Relacionado a isto:
O Paradoxo de Jevons e a Lógica Enganosa da Eficiência
Um contra-argumento comum à relevância do dilema da descentralização dos SMRs é que o hardware de IA está se tornando cada vez mais eficiente e, portanto, o consumo de energia se estabilizará. Esse argumento não está totalmente errado, mas também não está totalmente certo, e ignora o chamado paradoxo de Jevons.
Em 2024, em Berlim, o CEO da Microsoft, Satya Nadella, afirmou que o desempenho dos sistemas de IA dobra a cada seis meses. Dados atuais sugerem que as capacidades desses sistemas estão dobrando a cada sete meses – um ritmo significativamente mais rápido do que a Lei de Moore, que prevê uma duplicação a cada dois anos. A startup chinesa de IA DeepSeek demonstrou, de forma impressionante, no final de 2024 e início de 2025, que resultados comparáveis podem ser alcançados com uma fração dos recursos anteriormente necessários: o DeepSeek V3 foi treinado em dois meses usando apenas 2.048 GPUs NVIDIA H800, um feito que a Meta precisou de 30,8 milhões de horas de GPU para um modelo comparável.
No entanto, o argumento de que os ganhos de eficiência tecnológica podem aliviar a demanda energética geral não se sustenta por uma razão estrutural. À medida que os sistemas de IA se tornam mais baratos e eficientes, seu uso também se intensificará — e a demanda cresce mais rapidamente do que os ganhos de eficiência. A AIE (Agência Internacional de Energia) confirma que, embora o consumo de energia relacionado à IA esteja aumentando mais lentamente do que a expansão da capacidade, o consumo de eletricidade por data centers mais que dobrará, chegando a 945 TWh globalmente até 2030. Somente na Alemanha, a demanda energética de data centers subiu para 21,3 bilhões de quilowatts-hora em 2025, ante 20 bilhões de kWh em 2024 e 12 bilhões de kWh em 2015. Os ganhos de eficiência e o crescimento da demanda estão em constante competição, com a demanda historicamente sempre prevalecendo.
Além disso, há uma nuance importante no exemplo do DeepSeek: apesar do treinamento eficiente, o modelo consome até 87% mais energia durante a operação (inferência) do que um metamodelo comparável com 70 bilhões de parâmetros. A complexidade das arquiteturas que permitem um treinamento mais eficiente pode aumentar o consumo de energia durante a operação. A eficiência em uma área do sistema, portanto, não se traduz necessariamente em eficiência no sistema como um todo – uma constatação que os planejadores de infraestrutura centralizada frequentemente ignoram ao planejar a capacidade.
Nossa experiência global nos setores industrial e econômico em desenvolvimento de negócios, vendas e marketing
Nossa experiência global nos setores industrial e econômico em desenvolvimento de negócios, vendas e marketing - Imagem: Xpert.Digital
Áreas de atuação: B2B, digitalização (de IA a XR), engenharia mecânica, logística, energias renováveis e indústria
Mais informações aqui:
Um centro temático que oferece informações e conhecimento especializado:
- Plataforma de conhecimento que abrange economias globais e regionais, inovação e tendências específicas do setor
- Uma coletânea de análises, insights e informações contextuais sobre nossas principais áreas de atuação
- Um espaço para conhecimento especializado e informações sobre os desenvolvimentos atuais em negócios e tecnologia
- Um centro para empresas que buscam informações sobre mercados, digitalização e inovações do setor
Modular, reversível e à prova do futuro: é assim que os formuladores de políticas evitam erros dispendiosos em infraestrutura
O armazenamento de energia em baterias como um divisor de águas? A revolução das baterias de íon-sódio e suas implicações
Um dos argumentos mais convincentes para reavaliar a estratégia centralizada de SMR reside no rápido desenvolvimento das tecnologias de armazenamento de energia – particularmente a tecnologia de íons de sódio, comumente conhecida como baterias de sal. Esse desenvolvimento não é especulativo, mas empiricamente verificável e tem implicações diretas para a viabilidade econômica de infraestruturas de IA descentralizadas.
As baterias de íon-sódio já estão se aproximando da paridade de custos com a tecnologia de íon-lítio. De acordo com dados da IDTechEx, o preço médio de uma célula de íon-sódio está atualmente em torno de US$ 87 por kWh. Espera-se que os custos de produção em nível de célula caiam para cerca de US$ 40 por kWh – um cenário provável com o aumento da escala de produção. Para armazenamento estacionário, as tendências de preço são ainda mais impressionantes: a BloombergNEF registrou uma queda no preço dos pacotes de armazenamento estacionário para US$ 70 por kWh em 2025 – uma redução de 45% em relação ao ano anterior, tornando-se a maior queda de preço de qualquer segmento de baterias.
As projeções de longo prazo são particularmente interessantes para o planejamento estratégico de infraestrutura. Até 2050, as baterias de íon-sódio poderão atingir custos de armazenamento de energia de € 11 a € 14 por megawatt-hora, assumindo altas taxas de aprendizado – tornando-as mais baratas que a tecnologia de íon-lítio, cujo custo previsto varia entre € 16 e € 22 por MWh. Esses valores alteram fundamentalmente todo o cálculo de viabilidade econômica para data centers descentralizados alimentados por energia solar. Um data center descentralizado que armazena energia solar renovável durante o dia e a utiliza à noite ou durante períodos de baixa produção eólica e solar pode ser operado economicamente com esses custos de armazenamento de uma forma que era completamente inviável há cinco anos.
As baterias de íon-sódio também oferecem vantagens estruturais cruciais para uma infraestrutura amplamente escalável: o sódio está disponível em quantidades ilimitadas e é uma matéria-prima nacional na Europa, eliminando assim a dependência de importações estratégicas. A reciclagem é significativamente mais fácil do que com as baterias de lítio, pois as células não contêm cobre nem cobalto. A profundidade de descarga pode chegar a 100% sem danificar a bateria. Além disso, a infraestrutura tecnológica para baterias de íon-sódio já está instalada na Alemanha, particularmente na Turíngia e na Saxônia.
É importante sermos honestos quanto às limitações: as baterias de íon-sódio têm uma densidade de energia menor do que as baterias de íon-lítio, o que aumenta seu peso e volume. Sua eficiência média, em torno de 79%, é significativamente menor do que a das baterias de íon-lítio, que é de 96%. No entanto, para aplicações de armazenamento estacionário em larga escala, onde peso e volume não são as principais restrições, a menor densidade de energia não representa uma desvantagem decisiva. Quando se trata de armazenamento em escala de rede para data centers distribuídos, a vantagem de eficiência das baterias de íon-lítio é menos relevante do que a análise geral de custo-benefício ao longo de seu ciclo de vida.
Juntamente com a tecnologia de íons de sódio, as baterias de estado sólido também estão experimentando um crescimento exponencial. O mercado global de baterias de estado sólido está crescendo a uma taxa média anual de até 36,4%. Cenários otimistas preveem custos de US$ 80 a US$ 120 por kWh para células de estado sólido até 2027 – e espera-se que reduções substanciais adicionais de custos por meio da escalabilidade sejam alcançadas na década seguinte.
Relacionado a isto:
O risco de ativos obsoletos: quando o futuro chega mais cedo do que o planejado
Talvez o argumento econômico mais convincente contra uma decisão impensada de construir gigafábricas de IA movidas a SMRs seja o risco dos chamados ativos obsoletos. Esse termo se refere a investimentos que perdem tanto valor devido a influências externas, como mudanças tecnológicas, alterações nas condições de mercado ou exigências regulatórias, que deixam de gerar retorno.
A história da tecnologia está repleta de exemplos de decisões de infraestrutura consideradas acertadas na época do planejamento, mas que se revelaram alocações equivocadas e dispendiosas poucos anos após a entrada em operação. No setor energético, inúmeras usinas termelétricas a carvão construídas ou ampliadas na década de 2010 já perderam valor significativo ou foram desativadas prematuramente – apesar da projeção de vida útil restante de 30 a 40 anos. A Agência Internacional de Energia Renovável (IRENA) estima que o risco de ativos obsoletos possa chegar a US$ 20 trilhões em um cenário de manutenção do status quo.
Esse risco é particularmente acentuado para a infraestrutura de IA, pois o ritmo do desenvolvimento tecnológico é excepcionalmente rápido. Um pequeno reator de ressonância magnética (SMR) comissionado hoje tem uma perspectiva realista de comissionamento não antes de 2035 ou 2040 – mesmo sob suposições otimistas em relação a licenças, tempo de construção e cadeias de suprimentos. De acordo com as descobertas atuais, o desempenho dos sistemas de IA dobra a cada seis ou sete meses. Dentro dos 10 a 15 anos necessários para construir um SMR, as capacidades dos sistemas de IA terão melhorado em um fator de 20.000 a 300.000 – uma magnitude na qual previsões confiáveis de requisitos específicos de infraestrutura simplesmente não são mais possíveis.
O problema não se resume à incerteza do hardware. Toda a arquitetura dos sistemas de IA está passando por uma transformação. Como o DeepSeek demonstrou de forma impressionante, otimizações inteligentes de algoritmos podem reduzir os requisitos de hardware em dez vezes — sem qualquer perda de qualidade. Novas arquiteturas de chips que vão além da arquitetura de von Neumann e superam a chamada "barreira da memória" estão em desenvolvimento. Computadores baseados em fótons, chips neuromórficos e computadores quânticos — todas essas tecnologias, quando atingirem a maturidade comercial, têm o potencial de reduzir drasticamente o consumo de energia por computação. O futuro dessas tecnologias será decidido precisamente nos 10 a 15 anos necessários para que um SMR (Single Memory Recorder - Reator de Memória Simplificado) esteja disponível online.
Quem investe hoje em gigafábricas de IA movidas a SMRs está se comprometendo com uma única fonte de energia por 40 a 60 anos – a vida útil típica de uma usina nuclear. E faz isso na esperança de que a indústria de IA mantenha uma demanda constante justamente pelo tipo de infraestrutura centralizada e de alto consumo energético que esses reatores se destinam a alimentar durante esse período. Da perspectiva atual, essa é uma aposta que parece extremamente arriscada.
O gargalo do conhecimento técnico: o problema estrutural subestimado da energia nuclear
Outro argumento fundamental contra a estratégia de SMR (reatores modulares pequenos), que recebe pouca atenção no debate público, é a grave escassez de mão de obra qualificada na indústria nuclear. Nas últimas três décadas, caracterizadas por moratórias, decisões de desativação gradual e falta de novos projetos de construção, a indústria nuclear sofreu perdas significativas de conhecimento institucional.
O mercado de usinas nucleares hoje depende de um número muito pequeno de empresas — em sua maioria estatais — que são capazes de construir e exportar usinas nucleares. A rede global de fornecedores, engenheiros e especialistas certificados para a implementação de projetos nucleares é mínima. Isso significa que, mesmo com uma decisão política favorável aos SMRs (Reatores Modulares Pequenos), o gargalo não é o licenciamento ou o capital, mas sim a disponibilidade de conhecimento especializado. Se os EUA, o Canadá, o Reino Unido, a França e vários países da UE quiserem lançar programas de SMRs simultaneamente, todos estarão competindo pelo mesmo número limitado de profissionais de engenharia nuclear.
Isso contrasta fortemente com a situação no setor de energias renováveis e tecnologias de armazenamento. A indústria solar global passou por um crescimento exponencial na última década, o número de profissionais qualificados no setor de energias renováveis está crescendo constantemente e as cadeias de suprimentos para módulos solares, inversores e tecnologias de armazenamento são bem desenvolvidas e diversificadas internacionalmente. A infraestrutura de IA descentralizada pode aproveitar essa base existente de conhecimento, cadeias de suprimentos e experiência regulatória. A indústria de pequenos e médios motores (PMM), por outro lado, ainda precisa construir essa base – sob enormes pressões de tempo e custo.
As contas econômicas nacionais: uma comparação direta
Uma comparação sistemática dos diversos fatores resulta na seguinte situação econômica:
| critério | Gigafábrica de IA com suporte a SMR | Infraestrutura de IA descentralizada com energia solar e armazenamento |
|---|---|---|
| Primeira entrega de eletricidade | 2035–2040 (otimista) | Imediatamente até 2027 |
| Intensidade de capital (entrada) | 3 a 5 bilhões de euros por Gigafábrica e SMR | Escala modular, quantidades individuais menores |
| Risco de custo | Extremamente alto (excedentes históricos de 100 a 600%) | Baixos; os custos da tecnologia estão caindo continuamente |
| Risco de obsolescência tecnológica | Muito elevado (compromisso de 40 a 60 anos) | Perfil baixo; expansível e adaptável de forma modular |
| disponibilidade de conhecimento técnico | Gargalo; poucos fornecedores globais | Força de trabalho qualificada, ampla e crescente |
| Subsídios ocultos | Alto (responsabilidade, descarte, pesquisa) | Pequena quantidade |
| Custos de armazenamento de energia (2025) | Não relevante (carga base) | 70 USD/kWh (estático, tendência de queda) |
| Custos de armazenamento de energia (previsão para 2050) | Não relevante | 11–14 EUR/MWh |
| Consumo de água | Alto (sistemas de refrigeração) | Pouco ou nada |
| Incerteza regulatória | Muito alto | Médio |
| Flexibilidade em resposta às mudanças na demanda | Não | Alto |
| Risco ambiental | Alto nível (segurança nuclear, resíduos de longo prazo) | Baixo |
A comparação mostra que uma gigafábrica de IA baseada em SMR não forneceria eletricidade antes de 2035-2040, na melhor das hipóteses (otimista), enquanto uma infraestrutura de IA descentralizada com energia solar e armazenamento estaria disponível imediatamente, já em 2027. Em termos de intensidade de capital, a opção SMR exige investimentos iniciais muito altos, em torno de € 3 a 5 bilhões por gigafábrica mais SMR, enquanto a solução descentralizada permite escalonamento modular e valores de investimento individuais significativamente menores. O risco de custo é extremamente alto para SMR (com históricos de estouro de orçamento de 100 a 600%), enquanto para energia solar + armazenamento é baixo, já que os custos da tecnologia estão em constante queda. O risco de obsolescência tecnológica é muito alto para SMR devido a um compromisso de 40 a 60 anos, enquanto a infraestrutura descentralizada apresenta baixo risco de obsolescência por ser modularmente expansível e adaptável. O conhecimento técnico é um gargalo para SMR, com poucos fornecedores globais, enquanto a solução descentralizada conta com um amplo e crescente conjunto de profissionais qualificados. Subsídios ocultos (responsabilidade civil, descarte, pesquisa) são altos para SMR e baixos para sistemas solares com armazenamento. Os custos de armazenamento de energia não são relevantes para SMR, pois seu propósito é gerar energia de base; para sistemas descentralizados, os custos projetados atingem aproximadamente USD 70/kWh (estado estacionário, tendência de queda) em 2025 e EUR 11–14/MWh em 2050. O consumo de água é alto para SMR devido aos sistemas de refrigeração, enquanto é baixo ou inexistente para sistemas solares com armazenamento. A incerteza regulatória é muito alta para SMR e moderada para a opção descentralizada. A flexibilidade em resposta a mudanças na demanda é quase totalmente ausente em SMR, enquanto a solução descentralizada oferece alta flexibilidade. Por fim, os riscos ambientais são altos para SMR (segurança nuclear, resíduos de longo prazo) e baixos para sistemas solares com armazenamento. No geral, a opção SMR apresenta pior desempenho em quase todos os critérios – com a única exceção do fornecimento confiável de energia de base, independente das condições climáticas. No entanto, esse argumento está se tornando menos importante à medida que o avanço das tecnologias de armazenamento, como o armazenamento em larga escala de íons de sódio com ciclos de carga/descarga mais longos, possibilita armazenar grandes quantidades de energia por dias e semanas, invalidando, em grande parte, o argumento da carga base.
O ponto cego da lógica de planejamento: por que os tomadores de decisão são sistematicamente atrasados
Existe uma razão estrutural pela qual os tomadores de decisão em governos e grandes empresas industriais repetidamente tomam decisões de infraestrutura que, em retrospectiva, parecem ser maus investimentos: os ciclos de planejamento institucional são fundamentalmente incompatíveis com o ritmo da mudança tecnológica.
Os programas governamentais, as resoluções parlamentares, os programas de financiamento e as licitações públicas operam em ciclos de quatro a dez anos. Um projeto de infraestrutura como uma estação de retransmissão de transporte público (SMR) é decidido em um ambiente político e tecnológico que terá mudado fundamentalmente diversas vezes antes de sua entrada em operação. A inércia institucional criada por procedimentos burocráticos, pelo lobby de influentes grupos industriais e pela fixação psicológica em decisões tomadas em um determinado momento significa que as necessidades e opções reais no momento da construção já não se alinham com as premissas feitas durante o planejamento.
Os avanços tecnológicos dos últimos séculos demonstram vividamente essa aceleração: a Revolução Industrial levou cerca de 100 anos para que seus principais efeitos econômicos se manifestassem. A eletrificação levou aproximadamente 50 anos. A internet transformou a economia global em cerca de 20 anos. A inteligência artificial e os desenvolvimentos de hardware associados estão alterando as condições estruturais fundamentais em ciclos de menos de dez anos – e com uma aceleração cada vez maior. A lógica que era apropriada para as decisões de infraestrutura no século XX é estruturalmente inadequada para o século XXI.
Isso é particularmente relevante para investimentos irreversíveis de grande escala com longos períodos de amortização. Um parque solar pode ser erguido em poucos meses e modificado ou desmontado com relativa facilidade caso as necessidades mudem. Um centro de dados baseado em arquitetura modular pode ser dimensionado e modernizado. Uma usina nuclear, uma vez construída, é uma estrutura praticamente rígida por 40 a 60 anos, cujos custos de descomissionamento chegam a bilhões. O valor estratégico da flexibilidade e da capacidade de escolha — a habilidade de reagir a circunstâncias em constante mudança — é sistematicamente subestimado nos cálculos de investimento tradicionais.
Uma conclusão ponderada: não se trata de uma situação de "ou um ou outro", mas sim de uma questão de priorização
Seria uma simplificação excessiva afirmar que os SMRs são essencialmente inúteis ou que a infraestrutura descentralizada pode atender a todas as necessidades. A realidade é mais complexa.
Existem casos de uso específicos para os quais o poder computacional centralizado — pelo menos para o treinamento de grandes modelos de IA — ainda será necessário no curto prazo. E há argumentos legítimos a favor da energia nuclear como parte de uma matriz energética diversificada e de baixo carbono — especialmente em países que não possuem recursos renováveis suficientes. A França, que mantém uma infraestrutura de usinas nucleares existente, depreciada ao longo de décadas, está em uma posição fundamentalmente diferente de um país que deseja construir reatores modulares pequenos (SMRs) do zero hoje.
O verdadeiro problema não é a ideia de pequenos reatores em si. O problema reside na combinação de três fatores: primeiro, a discrepância entre o momento em que os SMRs (reatores modulares pequenos) poderiam fornecer energia e o momento em que a infraestrutura de IA (inteligência artificial) precisa dessa energia; segundo, a falta de transparência em relação aos custos totais reais, incluindo subsídios ocultos e riscos de obsolescência; e terceiro, a cegueira estratégica para o fato de que os desenvolvimentos tecnológicos — tanto em hardware de IA quanto em armazenamento de energia — podem alterar fundamentalmente as premissas subjacentes a essas decisões de investimento em um prazo menor do que um período típico de construção.
A resposta economicamente responsável para a questão energética da era da IA não reside na escolha entre SMR e energias renováveis, ou entre centralização e descentralização. A resposta está em conceber decisões de infraestrutura que maximizem a flexibilidade e minimizem o risco de obsolescência. Isso significa modularidade, reversibilidade, neutralidade tecnológica e transparência. E significa não transferir os custos para os contribuintes das gerações futuras enquanto se privatizam os lucros hoje — um padrão que, infelizmente, tem caracterizado sistematicamente a história da energia nuclear na Europa.
A verdadeira provocação deste debate, portanto, não é a questão técnica de qual infraestrutura é melhor. A verdadeira provocação é política: por que a discussão sobre infraestrutura de IA à prova de futuro se concentra quase exclusivamente em uma tecnologia cujo horizonte de implementação ultrapassa o horizonte de planejamento dos roteiros de IA, cujo histórico de custos é caracterizado por estouros de orçamento de várias centenas por cento e cujo subsídio é amplamente obscurecido? A resposta a essa pergunta não é tecnológica, mas político-econômica – e é precisamente por isso que ela permanece tão teimosamente ignorada no debate público.
Seu parceiro global de marketing e desenvolvimento de negócios
☑️ Nosso idioma comercial é inglês ou alemão
☑️ NOVO: Correspondência em seu idioma nativo!
Konrad Wolfenstein
Eu e minha equipe teremos o prazer de estar à sua disposição como seu consultor pessoal.
Você pode entrar em contato comigo preenchendo o formulário de contato aqui ou simplesmente ligando para +49 7348 4088 965. Meu endereço de e-mail é : [email protected]
Estou ansioso pelo nosso projeto conjunto.
☑️ Apoio a PMEs em estratégia, consultoria, planejamento e implementação
☑️ Criação ou realinhamento da estratégia digital e digitalização
☑️ Expansão e otimização dos processos de vendas internacionais
☑️ Plataformas de negociação B2B globais e digitais
☑️ Desenvolvimento de Negócios / Marketing / Relações Públicas / Feiras Comerciais Pioneiras
🎯🎯🎯 Hub de dados para o setor B2B como uma solução quase interna
A solução quase interna: como a Xpert.Digital elimina as lacunas operacionais no marketing e vendas B2B – Negócios inteligentes orientados por conteúdo - Imagem: Xpert.Digital
A Xpert.Digital é um hub industrial B2B orientado por dados, liderado por Konrad Wolfenstein . A empresa atua como uma solução externa, quase interna, para parceiros industriais, preenchendo lacunas operacionais em marketing, conteúdo e vendas – sem exigir recursos adicionais por parte do cliente.
Mais informações aqui:
