A provocação: mais barato por unidade, mais caro no total
Em março de 2026, a Gartner divulgou uma previsão que resume bem o paradoxo do setor: o custo de inferência para modelos de linguagem com 1 trilhão de parâmetros deve recuar mais de 90% até 2030, frente aos valores praticados em 2025, abrindo caminho para modelos até 100 vezes mais eficientes em custo no fim da década. Os motivos incluem avanços na fabricação de semicondutores, melhorias nas arquiteturas de IA, adoção de chips especializados e expansão da computação de borda.
O aviso, porém, vem junto: o planejamento orçamentário de longo prazo precisa incorporar não apenas a queda dos preços unitários, mas o crescimento esperado no consumo total de tokens — ou seja, cada consulta de IA fica mais barata, mas o volume de consultas cresce ainda mais rápido.
Onde a conta aparece: na energia
Enquanto o custo por token cai, o consumo elétrico dos data centers está subindo. Segundo estimativa da Gartner, o consumo mundial de eletricidade dos data centers deve crescer 26% em 2026, passando de 447 TWh em 2025 para 565 TWh este ano, com potência instalada saindo de 104 GW para 132 GW no mesmo período — e projeção de chegar a 290 GW até 2030.
O motor dessa alta é específico: enquanto o consumo dos servidores convencionais deve crescer apenas 1,2% em 2026, a demanda dos equipamentos otimizados para IA deve aumentar 84,2%, chegando a 175 TWh — já respondendo por 31% de toda a eletricidade usada pelos data centers este ano.
A resposta do mercado: processar mais perto, gastar menos com transporte de dados
É nesse contexto que a computação de borda (edge) ganha força como estratégia de contenção de custo — não só de latência. O mercado global de edge computing atingiu cerca de US$ 261 bilhões em 2025 e deve crescer 13,8% ao ano, chegando a US$ 380 bilhões até 2028, segundo a IDC. A combinação com 5G já entrega latência abaixo de 10 milissegundos, o que viabiliza IA rodando localmente em vez de ida e volta constante até a nuvem central.
O padrão que vem se consolidando, segundo especialistas ouvidos pela Computer Weekly, é claro: modelos menores e otimizados, executados localmente para melhorar latência, custo e privacidade, enquanto a nuvem permanece essencial para treinamento, coordenação e gerenciamento do ciclo de vida.
O que observar a seguir
- Se a queda de custo projetada pela Gartner realmente se materializa no ritmo esperado, ou se a demanda por capacidade cresce rápido demais e trava o barateamento
- Como grandes players resolvem o gargalo de energia — inclusive com acordos como o de reativação de usinas nucleares específicas para alimentar data centers
- Se a adoção de edge AI no Brasil acompanha o ritmo global, dado o custo de entrada ainda alto para médias empresas
Fontes: Gartner (via ISP.Tools e ISTOÉ), Computer Weekly, TI.RIO, GabrielDevs.
