Data centers — como funcionam e por que estão expandindo

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.

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] [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]

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]

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] [4]

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]

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]

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] [8]

Um resultado de benchmark não deve ser convertido diretamente em consumo anual, utilização média ou energia do data center completo. [7] [8]

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] [10] [11]

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

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. U.S. EPA ENERGY STAR — Data center rating FAQ and PUE definition. U.S. EPA. Acesso em 24 jul. 2026.
2. LBNL — 2024 United States Data Center Energy Usage Report. Lawrence Berkeley National Laboratory. Acesso em 24 jul. 2026.
3. NIST — The Definition of Cloud Computing (SP 800-145). NIST. Acesso em 24 jul. 2026.
4. NVIDIA — H100 Tensor Core GPU specifications. NVIDIA. Acesso em 22 jul. 2026.
5. NVIDIA — DGX GB Rack Scale Systems Hardware Guide. NVIDIA. Acesso em 24 jul. 2026.
6. Uptime Institute — 2025 Global Data Center Survey. Uptime Institute. Acesso em 24 jul. 2026.
7. MLCommons — MLPerf Inference benchmark documentation. MLCommons. Acesso em 24 jul. 2026.
8. MLCommons — MLPerf Inference power measurement methodology. MLCommons. Acesso em 24 jul. 2026.
9. NVIDIA — FY2026 Form 10-K. NVIDIA / SEC. Acesso em 24 jul. 2026.
10. AMD — FY2025 Form 10-K. AMD / SEC. Acesso em 24 jul. 2026.
11. Arista Networks — FY2025 Form 10-K. Arista / SEC. Acesso em 24 jul. 2026.