{
  "schemaVersion": "1.0",
  "kind": "nilu.article",
  "id": "datacenters-sistema-fisico-demanda",
  "slug": "datacenters-sistema-fisico-demanda",
  "locale": "pt-br",
  "sourceLocale": "pt-br",
  "localizationStatus": "source",
  "title": "Data centers — como funcionam e por que estão expandindo",
  "summary": "Um guia sobre servidores, racks, workloads, energia, resfriamento e a cadeia física que condiciona a expansão dos data centers.",
  "author": "NiLu",
  "publishedAt": "2026-07-29T00:00:00.000Z",
  "updatedAt": "2026-07-29T00:00:00.000Z",
  "canonicalUrl": "https://blog.nilu.pro/pt-br/blog/datacenters-sistema-fisico-demanda/",
  "representations": {
    "html": "https://blog.nilu.pro/pt-br/blog/datacenters-sistema-fisico-demanda/",
    "markdown": "https://blog.nilu.pro/pt-br/blog/datacenters-sistema-fisico-demanda.md",
    "json": "https://blog.nilu.pro/pt-br/blog/datacenters-sistema-fisico-demanda.json"
  },
  "bodyMarkdown": "# Data centers — como funcionam e por que estão expandindo\n\nUm guia sobre servidores, racks, workloads, energia, resfriamento e a cadeia física que condiciona a expansão dos data centers.\n\nAuthor: NiLu\nLocale: pt-br\nPublished: 2026-07-29\nUpdated: 2026-07-29\nCanonical: https://blog.nilu.pro/pt-br/blog/datacenters-sistema-fisico-demanda/\nMarkdown: https://blog.nilu.pro/pt-br/blog/datacenters-sistema-fisico-demanda.md\nJSON: https://blog.nilu.pro/pt-br/blog/datacenters-sistema-fisico-demanda.json\n\n## Resumo do artigo\n\n- Um data center combina equipamentos de TI com energia, resfriamento, conectividade, segurança e operação.\n- Potência de componente, servidor, rack e instalação são medidas diferentes.\n- Racks de IA podem ser muito densos sem representar a instalação típica.\n- A capacidade depende de várias camadas industriais; o gargalo pode migrar entre elas.\n\n## Índice\n\n- [O sistema](#o-sistema)\n- [Tipos e métricas](#tipos-e-metricas)\n- [Arquiteturas de IA](#arquiteturas-de-ia)\n- [Benchmarks e eficiência](#benchmarks-e-eficiencia)\n- [Cadeia de dependências](#cadeia-de-dependencias)\n- [O que ainda não é mensurado](#o-que-ainda-nao-e-mensurado)\n\n<a id=\"o-sistema\"></a>\n\n## O sistema\n\nUm data center concentra equipamentos de tecnologia da informação e a infraestrutura necessária para mantê-los energizados, conectados, resfriados e disponíveis. A camada de TI inclui servidores, aceleradores, memória, armazenamento e networking. A instalação adiciona conversão elétrica, UPS, distribuição, redundância, cooling, segurança física e edifício. [[1]](#ref-1) [[2]](#ref-2)\n\nCloud não é uma aplicação equivalente a IA, vídeo ou banco de dados. É um modelo de entrega e operação no qual workloads diferentes compartilham infraestrutura. [[3]](#ref-3)\n\n<a id=\"tipos-e-metricas\"></a>\n\n## Tipos e métricas\n\nInstalações podem ser corporativas, de colocation, hyperscale, edge ou especializadas. Essas categorias dependem da pergunta analisada e não formam necessariamente grupos mutuamente exclusivos. [[2]](#ref-2)\n\nTambém é necessário separar:\n\n- potência do componente;\n- potência do servidor;\n- potência do rack;\n- potência total da instalação;\n- consumo ao longo do tempo;\n- trabalho computacional realizado.\n\nTDP não mede consumo do servidor ou do site. PUE descreve a relação entre energia total da instalação e energia de TI dentro de uma fronteira definida; não mede eficiência do software, valor do workload ou impacto ambiental completo. [[1]](#ref-1) [[4]](#ref-4)\n\n<a id=\"arquiteturas-de-ia\"></a>\n\n## Arquiteturas de IA\n\nSistemas com alta densidade de aceleradores alteram o rack. A configuração NVL72 integra bandejas de computação, switches NVLink, alimentação e resfriamento líquido, com potência aproximada de 120 kW na documentação da NVIDIA. Trata-se de configuração específica. [[5]](#ref-5)\n\nNa pesquisa Uptime 2025, 82% de 709 operadores disseram que a maior densidade implantada em suas instalações permanecia abaixo de 30 kW. A pesquisa mede a maior densidade por instalação respondente, não a distribuição de todos os racks. Portanto, produto de alta densidade e rack típico pertencem a universos diferentes. [[6]](#ref-6)\n\n<a id=\"benchmarks-e-eficiencia\"></a>\n\n## Benchmarks e eficiência\n\nMLPerf Inference mede desempenho em modelos e cenários definidos. Quando há submissão de potência, a potência AC do sistema é medida durante a execução. Comparações exigem compatibilidade de modelo, precisão, cenário, software e configuração. [[7]](#ref-7) [[8]](#ref-8)\n\nUm resultado de benchmark não deve ser convertido diretamente em consumo anual, utilização média ou energia do data center completo. [[7]](#ref-7) [[8]](#ref-8)\n\n<a id=\"cadeia-de-dependencias\"></a>\n\n## Cadeia de dependências\n\nA capacidade depende de uma sequência que pode incluir foundry, encapsulamento avançado, HBM, chips de rede, óptica, servidores, racks, cooling, equipamentos elétricos, construção e comissionamento. Relatórios corporativos demonstram dependências e oferta limitada em algumas etapas, mas não fornecem uma média global comparável de prazos de entrega. [[9]](#ref-9) [[10]](#ref-10) [[11]](#ref-11)\n\nO gargalo pode migrar conforme uma camada expande mais rápido que outra.\n\n<a id=\"o-que-ainda-nao-e-mensurado\"></a>\n\n## O que ainda não é mensurado\n\nNão há fonte pública robusta para dividir globalmente a capacidade entre IA, vídeo, bancos de dados, serviços web, analytics, HPC, armazenamento e outros workloads. A pesquisa canônica trata essa ausência como Incerteza, não como autorização para aproximar participações por proxies.\n\nTambém não há medição global comparável de:\n\n- utilização de servidores e aceleradores;\n- potência em idle;\n- distribuição de densidade por rack;\n- prazos de entrega por camada;\n- capacidade instalada versus utilizável.\n\nProxies de adoção não serão apresentados como participação física ou energética.\n\n## Referências\n\n1. <a id=\"ref-1\"></a>[U.S. EPA ENERGY STAR — Data center rating FAQ and PUE definition](https://nepis.epa.gov/Exe/ZyPURL.cgi?Dockey=P100TSZE.TXT). U.S. EPA. Acesso em 24 jul. 2026.\n2. <a id=\"ref-2\"></a>[LBNL — 2024 United States Data Center Energy Usage Report](https://eta-publications.lbl.gov/publications/2024-lbnl-data-center-energy-usage-report). Lawrence Berkeley National Laboratory. Acesso em 24 jul. 2026.\n3. <a id=\"ref-3\"></a>[NIST — The Definition of Cloud Computing (SP 800-145)](https://csrc.nist.gov/pubs/sp/800/145/final). NIST. Acesso em 24 jul. 2026.\n4. <a id=\"ref-4\"></a>[NVIDIA — H100 Tensor Core GPU specifications](https://www.nvidia.com/en-us/data-center/h100/). NVIDIA. Acesso em 22 jul. 2026.\n5. <a id=\"ref-5\"></a>[NVIDIA — DGX GB Rack Scale Systems Hardware Guide](https://docs.nvidia.com/dgx/dgxgb200-user-guide/hardware.html). NVIDIA. Acesso em 24 jul. 2026.\n6. <a id=\"ref-6\"></a>[Uptime Institute — 2025 Global Data Center Survey](https://uptimeinstitute.com/about-ui/press-releases/uptimes-15th-annual-global-data-center-survey-results-shows-both-commitment-and-hesitancy). Uptime Institute. Acesso em 24 jul. 2026.\n7. <a id=\"ref-7\"></a>[MLCommons — MLPerf Inference benchmark documentation](https://docs.mlcommons.org/inference/). MLCommons. Acesso em 24 jul. 2026.\n8. <a id=\"ref-8\"></a>[MLCommons — MLPerf Inference power measurement methodology](https://docs.mlcommons.org/inference/power/). MLCommons. Acesso em 24 jul. 2026.\n9. <a id=\"ref-9\"></a>[NVIDIA — FY2026 Form 10-K](https://www.sec.gov/Archives/edgar/data/1045810/000104581026000021/nvda-20260125.htm). NVIDIA / SEC. Acesso em 24 jul. 2026.\n10. <a id=\"ref-10\"></a>[AMD — FY2025 Form 10-K](https://www.sec.gov/Archives/edgar/data/2488/000000248826000018/amd-20251227.htm). AMD / SEC. Acesso em 24 jul. 2026.\n11. <a id=\"ref-11\"></a>[Arista Networks — FY2025 Form 10-K](https://www.sec.gov/Archives/edgar/data/1596532/000159653226000013/anet-20251231.htm). Arista / SEC. Acesso em 24 jul. 2026.\n"
}