# Data centers — como funcionam e por que estão expandindo

Um guia sobre servidores, racks, workloads, energia, resfriamento e a cadeia física que condiciona a expansão dos data centers.

Author: NiLu
Locale: pt-br
Published: 2026-07-29
Updated: 2026-07-29
Canonical: 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

## Resumo do artigo

- Um data center combina equipamentos de TI com energia, resfriamento, conectividade, segurança e operação.
- Potência de componente, servidor, rack e instalação são medidas diferentes.
- Racks de IA podem ser muito densos sem representar a instalação típica.
- A capacidade depende de várias camadas industriais; o gargalo pode migrar entre elas.

## Índice

- [O sistema](#o-sistema)
- [Tipos e métricas](#tipos-e-metricas)
- [Arquiteturas de IA](#arquiteturas-de-ia)
- [Benchmarks e eficiência](#benchmarks-e-eficiencia)
- [Cadeia de dependências](#cadeia-de-dependencias)
- [O que ainda não é mensurado](#o-que-ainda-nao-e-mensurado)

<a id="o-sistema"></a>

## O sistema

Um 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)

Cloud 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)

<a id="tipos-e-metricas"></a>

## Tipos e métricas

Instalações 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)

Também é necessário separar:

- potência do componente;
- potência do servidor;
- potência do rack;
- potência total da instalação;
- consumo ao longo do tempo;
- trabalho computacional realizado.

TDP 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)

<a id="arquiteturas-de-ia"></a>

## Arquiteturas de IA

Sistemas 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)

Na 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)

<a id="benchmarks-e-eficiencia"></a>

## Benchmarks e eficiência

MLPerf 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)

Um 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)

<a id="cadeia-de-dependencias"></a>

## Cadeia de dependências

A 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)

O gargalo pode migrar conforme uma camada expande mais rápido que outra.

<a id="o-que-ainda-nao-e-mensurado"></a>

## O que ainda não é mensurado

Não 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.

Também não há medição global comparável de:

- utilização de servidores e aceleradores;
- potência em idle;
- distribuição de densidade por rack;
- prazos de entrega por camada;
- capacidade instalada versus utilizável.

Proxies de adoção não serão apresentados como participação física ou energética.

## Referências

1. <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.
2. <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.
3. <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.
4. <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.
5. <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.
6. <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.
7. <a id="ref-7"></a>[MLCommons — MLPerf Inference benchmark documentation](https://docs.mlcommons.org/inference/). MLCommons. Acesso em 24 jul. 2026.
8. <a id="ref-8"></a>[MLCommons — MLPerf Inference power measurement methodology](https://docs.mlcommons.org/inference/power/). MLCommons. Acesso em 24 jul. 2026.
9. <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.
10. <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.
11. <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.
