Busque energia barata, não GPUs: um playbook de escolha de locais para a infraestrutura de IA, para CTOs

Em 2026, a sua maior restrição em IA não são as GPUs. São os elétrons. Investidores estão financiando startups orientadas a energia para abastecer data centers de IA, ex-líderes de IA das big techs estão defendendo abertamente ganhos de 10–1000x em eficiência energética, e as filas de interconexão à rede em muitas regiões dos EUA são medidas em anos, não trimestres. Se você tratar a escolha do local como um detalhe, sua curva de custos de IA ficará errada por uma ordem de magnitude — ou você simplesmente ficará sem capacidade.

Isso não é um ponto filosófico. Preço da energia, disponibilidade e eficiência de resfriamento (PUE) agora determinam três inegociáveis: economia unitária, prazo de capacidade e divulgações de carbono que seus clientes enterprise exigem cada vez mais. A boa notícia: você não precisa virar desenvolvedor de data center. Você precisa de uma estratégia de localização e de um checklist de compras que se traduzam em margem real.

Primeiros princípios: por que a escolha de local agora domina a economia da IA

• O custo de energia se compõe com a escala. Uma única GPU classe H100 consome cerca de 700 W em carga. Multiplicado por centenas ou milhares, e acrescido do PUE (muitas vezes 1,2–1,6 fora dos hiperescaladores), você está comprando megawatts — mesmo que você “apenas alugue GPUs”. Os provedores repassam esse custo de energia.
• A disponibilidade de energia é o gargalo para GPUs. Muitas regiões não conseguem adicionar rapidamente novas cargas de múltiplos megawatts. Se o seu provedor não consegue garantir capacidade, suas reservas escorregam. É por isso que você deve perguntar não apenas “Vocês têm H100s?”, mas “Qual subestação e em qual fila de interconexão estamos?”
• Latência só importa para o que é interativo. A maior parte do trabalho de IA é batch ou tolerante a atraso: geração de embeddings, fine-tuning, reconstruções noturnas de índices, destilação de modelos. Rode isso onde a energia é barata e o resfriamento é eficiente. Mantenha apenas a inferência realmente interativa perto dos usuários.
• Carbono está virando cláusula contratual. RFPs enterprise cada vez mais exigem reporte 24/7 de carbono, não compensações anuais. Regiões com redes limpas (hidrelétrica, eólica) simplificam vendas e compliance.

A matemática que muda decisões

Vamos colocar números arredondados usando consumos típicos publicados:

• GPU classe H100/H200: ~700 W de TDP em carga
• GPU classe L40S: ~350 W em carga
• PUE: 1,2 (hiperescala bom) a 1,6 (colo legado)

Exemplo A: um cluster de treinamento com 512 GPUs (classe H100), 70% de utilização média, PUE 1,3.

• Carga de TI ≈ 512 × 0,7 × 700 W = 250 kW
• Carga da instalação ≈ 250 kW × 1,3 ≈ 325 kW
• Energia mensal ≈ 325 kW × 720 h ≈ 234 MWh
• A US$ 0,05/kWh: ≈ US$ 11,7 mil/mês; a US$ 0,15/kWh: ≈ US$ 35 mil/mês

Exemplo B: 5.000 L40S para inferência de alto throughput a 40% de utilização, PUE 1,2.

• Carga de TI ≈ 5.000 × 0,4 × 350 W = 700 kW
• Carga da instalação ≈ 700 kW × 1,2 = 840 kW
• Energia mensal ≈ 840 kW × 720 h ≈ 605 MWh
• A US$ 0,05/kWh: ≈ US$ 30 mil/mês; a US$ 0,20/kWh: ≈ US$ 121 mil/mês

Isso é a maior parte dos seus custos all-in? Não — hardware, aluguel e margem da plataforma muitas vezes superam a energia bruta. Mas, em escala, os deltas são dinheiro real (US$ 1M+/ano) e, mais importante, a disponibilidade de energia e o PUE determinam se o seu provedor consegue sequer aceitar seu pedido no próximo trimestre.

O framework de localização para CTOs: escolha por workload, não por logo

Pare de perguntar “AWS, nuvem de GPU ou colo?” e comece a perguntar “Para este workload, qual é minha tolerância a latência e residência de dados, e qual combinação de preço de energia, PUE e capacidade vence?”

Segmente sua IA por latência e gravidade de dados

• Tier 1 – Inferência interativa (TTFB abaixo de 150 ms): UI de chat, assistente de código inline, autocompletar de busca. Deve rodar perto dos usuários (ou da API que o seu produto chama). Mire em metrôs ou, no máximo, um salto de backbone. Orçamentos de latência morrem com 100+ ms de RTT extra. A ida e volta São Paulo–Miami costuma ficar em 110–140 ms; isso sozinho estoura seu orçamento se seus usuários estiverem na Virgínia.
• Tier 2 – Quase em tempo real (0,5–5 s): Pós-processamento, reexecução de ranqueamento, function calling leve que pode se esconder atrás de spinners ou jobs em segundo plano. Pode viajar 1–2 regiões se você encadear corretamente.
• Tier 3 – Batch/tolerante (minutos a horas): Geração de embeddings, reconstruções noturnas de índices, fine-tuning, destilação de modelos, avaliação offline. Rode onde a energia é barata e limpa. Envie artefatos à frente.

Escolha um padrão de regiões por tier

• Tier 1: Escolha metrôs de baixa latência com custo de energia razoável. Nos EUA isso costuma significar Northern Virginia, Ohio, Dallas, Phoenix. Negocie por instalações modernas (PUE ≤ 1,3). Evite zonas costeiras congestionadas com alto $/kWh, a menos que você realmente precise da proximidade com usuários finais.
• Tier 2: Empurre para redes mais baratas ainda em backbones rápidos: Meio-Oeste dos EUA, Quebec, Oregon, partes de Espanha/Portugal para usuários na UE. Muitos oferecem mixes dominados por hidro/eólica e intensidade de carbono materialmente menor.
• Tier 3: Persiga energia barata e limpa globalmente. Províncias com predominância de hidrelétricas no Canadá, corredores de vento no interior dos EUA, norte da Suécia/Finlândia na UE e hidro/eólica em Brazil. A rede de Brazil é majoritariamente renovável (hidro + eólica + solar em crescimento), o que ajuda na contabilidade de carbono; as tarifas contratadas reais variam, mas podem ser altamente competitivas para compradores com carga estável e alta.

Um reality check nearshore: o papel de Brazil no seu mix

Brazil não é onde você hospeda um endpoint de chat voltado aos EUA. É onde você pode rodar com bom senso workloads de Tier 3 (e alguns de Tier 2) se quiser vantagens de preço e carbono com sobreposição de fuso horário nearshore.

• Energia e carbono: A matriz elétrica de Brazil é predominantemente renovável, ancorada em hidrelétricas e eólicas. Isso muitas vezes significa menor carbono incorporado por kWh do que a média dos EUA, o que é útil em auditorias enterprise que hoje olham além de compensações.
• Matemática da latência: O RTT São Paulo ↔ Miami é tipicamente 110–140 ms. Isso é ótimo para batch e trabalho em segundo plano. Não serve para streams de tokens interativos para usuários nos EUA.
• Sobreposição de time: 6–8 horas de sobreposição de jornada com os fusos dos EUA simplificam operações e resposta a incidentes em comparação a opções offshore distantes.
• Trade-offs: Impostos de importação de hardware e logística podem doer se você estiver comprando seus próprios racks; a seleção de parceiros importa. Nuvens de GPU dentro de Brazil ainda têm capacidade limitada em comparação com a América do Norte, mas isso está mudando. Trate Brazil como um âncora de batch, não como sua única região.

Três arquiteturas pragmáticas que realmente recomendamos

1) IA em plano dividido: mantenha o hot loop local, empurre o pesado para onde a energia é barata

• O quê: Inferência de Tier 1 em um ou dois metrôs nos EUA mais próximos dos seus usuários. Tier 2/3 em uma região de baixo custo e baixo carbono (por exemplo, Quebec, interior dos EUA com eólica ou Brazil).
• Como: Versione seus modelos e índices de embeddings. Promova artefatos via um registry (OCI funciona bem). Use CDC para mover conteúdo com consentimento do usuário exigido para jobs batch; mantenha PII de alto risco fixa em sua região de origem quando possível.
• Por quê: Você obtém latência previsível, computação em volume mais barata e números de carbono mais limpos que você consegue mostrar em um slide.

2) Sanduíche neocloud: bordas de hiperescaladores + regiões especializadas em GPU

• O quê: Frontend e microsserviços críticos de latência no seu hiperescalador atual. Jobs pesados de GPU colocados em um provedor especialista que comprove vantagens de preço de energia e PUE.
• Como: Conecte via links privados ou VPNs dedicadas; firme contratos de dados e DPA para fluxo transfronteiriço. Peça ao provedor de GPU detalhes de subestação/alimentador e atestação de PUE/WUE, não apenas “temos H100s”.
• Por quê: Você compra flexibilidade e ramp-ups de capacidade mais rápidos sem mover toda a sua stack. Este é o caminho mais rápido para economias reais que a maioria dos times Série B–D consegue executar.

3) Tenha um pedaço: racks reservados onde a energia é a certa

• O quê: Comprometa-se com um pequeno número de racks reservados (um a quatro) em uma instalação com $/kWh e PUE comprovadamente baixos. Popule com o mix de GPUs de que seus workloads realmente precisam (muitas vezes L40S/classe A100 para inferência, classe H100 para treinamentos específicos).
• Como: Trabalhe com um parceiro que lide com compras, importação/exportação e logística inteligente de RMA. Exija faturamento de energia transparente — você quer uma linha de kWh, não um chute combinado.
• Por quê: Se sua carga de IA é estável, o spread entre aluguel varejista de GPU e possuir/arrendar por longo prazo muitas vezes supera, de longe, os custos de energia e operações. Você também deixa de sofrer com crises de capacidade em nível de região.

O checklist de compras que realmente filtra os provedores

Ao emitir seu RFP ou apertar um fornecedor, faça perguntas que revelem sua posição de energia e a verdade operacional. Se não souberem responder, não operam em escala significativa.

• Preço e estrutura da energia: Qual é o nosso $/kWh efetivo e como é indexado? É repasse de um PPA ou tarifa de concessionária? Há sazonalidade ou tarifas de demanda que devemos modelar?
• PUE e WUE: Qual é seu PUE dos últimos 12 meses e uso de água, por instalação? Forneça atestação de terceiros ou screenshots de telemetria. Queremos PUE ≤ 1,3 para novas implantações.
• Capacidade e interconexão: Qual subestação os alimenta? Qual a folga disponível hoje e no roadmap de 12–18 meses? Algum ID ativo de fila de interconexão?
• Contabilidade de carbono: Intensidade de carbono por hora baseada em localização (gCO2/kWh) e qualquer matching 24/7 com energia livre de carbono. Compensações anuais não contam como limpas para RFPs que pedem.
• Divulgações de latência: Latência de ida e volta da sua instalação para os grandes metrôs de usuários que nos importam. Mostre traceroutes, não mapas de marketing.
• Estrategia térmica: Resfriamento a ar vs. líquido agora e em 12 meses. Contenção de corredor quente? Pronto para líquido? Consegue aumentar densidade sem mover cages?
• Domínios de falha: Como feeds de energia, chillers e caminhos de rede são isolados? Mostre pelo menos N+1 em energia e resfriamento.
• Saídas contratuais: Capacidade explícita de reduzir ou mover regiões se metas de latência ou PUE forem perdidas. Direito de auditoria em faturas de energia se estivermos em repasse.

Orçamentando a verdade: para onde o dinheiro realmente vai

Para a maioria das startups que alugam GPUs mês a mês, a energia bruta é minoria na fatura. Mas isso não torna a localização um arredondamento. Ela vaza para o preço de três formas:

• Margem do provedor: Regiões caras forçam preços mais altos ou cotas mais apertadas. A mesma hora de GPU em uma região com hidrelétrica frequentemente sai 10–30% mais barata líquida para você, depois de negociar.
• Prazo de capacidade: Se o seu fornecedor não consegue garantir megawatts, você não escala. “Teremos H200s no Q1” não significa nada se a subestação deles está no limite.
• Carbono no ciclo de vendas: Se você vende para enterprise ou setor público, alegações de região limpa encurtam revisões de segurança e sustentabilidade. Isso economiza tempo real de calendário.

Segurança e governança de dados: os bloqueios que você realmente consegue remover

• Limites de PII: Mantenha PII de alto risco e dados regulados residentes na região. Para IA batch, mova apenas os campos mínimos necessários (tokenizados ou mascarados). Use controles de acesso em nível de objeto e contratos de dados que você consiga mostrar a um auditor.
• Contratos transfronteiriços: Atualize DPAs para nomear explicitamente suas regiões e processadores de batch. Para Brazil (LGPD), UE (GDPR) e leis estaduais dos EUA de privacidade, documente o que flui e por quê.
• Proveniência e artefatos: Versione modelos, embeddings e snapshots de dados. Proveniência torna a promoção entre regiões auditável e reversível.

Plano 30/60/90 dias para reduzir risco e economizar

Dia 0–30: Instrumente e modele

• Meça kWh por 1.000 tokens para seus principais caminhos de inferência (o provedor pode estimar se você não conseguir). Acompanhe utilização e latência p95/p99.
• Classifique workloads pelos três tiers. Seja implacável — a maioria dos jobs “em tempo real” não é.
• Monte uma planilha simples de TCO: US$/h de GPU, utilização assumida, PUE, US$/kWh e penalidade de latência se remoto. Faça um sanity check com as cotações dos provedores.

Dia 31–60: Prove a divisão

• Pilote Tier 3 em uma região barata e limpa (Quebec, eólica no Meio-Oeste ou Brazil com um parceiro validado). Mova um pipeline de embeddings ou uma reconstrução noturna de índice.
• Instrumente de ponta a ponta. Valide promoção de artefatos, mascaramento de dados e runbooks de incidentes através de fusos horários.
• Rode um game day de falhas: corte a região remota e confirme que fallbacks locais mantém os SLAs intactos.

Dia 61–90: Trave capacidade e SLAs

• Negocie 6–12 meses de capacidade na região de energia barata vencedora. Coloque metas de PUE e latência no MSA com saídas.
• Dimensione corretamente a capacidade de Tier 1 com concorrência e cache realistas. Superprovisione menos depois que seu offload de batch for real.
• Publique números de carbono no seu pacote de segurança. Isso encurta ciclos enterprise e o alinha ao que conselhos cada vez mais esperam.

E quanto a “os chips do futuro vão resolver”?

Sim, os fornecedores estão perseguindo nós sub-1 nm, novos interposers e silício específico para inferência. A eficiência vai melhorar. Mas a física diz que duas coisas permanecem verdadeiras: mover tokens consome energia, e conectar novos megawatts leva tempo. Os times vencedores orçam a energia que conseguem de fato obter no próximo trimestre e colocam os workloads certos nas regiões certas agora — e então capturam ganhos de eficiência como upside.

Onde a DHD Tech entra

Nós projetamos e operamos backends de IA em plano dividido para startups dos EUA com pods nearshore em Brazil. Na prática, isso significa que pegamos um job de IA “sempre ligado” caro por trimestre, movemos para uma região mais barata e limpa sem quebrar latência ou compliance, e deixamos você com dashboards que mostram tanto dólares quanto gramas de CO2 economizados. Você não precisa “ferver o oceano” para ver ganhos materiais — precisa de um movimento bem escolhido.

Principais aprendizados

• Preço e disponibilidade de energia agora condicionam capacidade e economia unitária de IA tanto quanto o suprimento de GPUs.
• Segmente workloads por latência: mantenha Tier 1 local; empurre Tier 2/3 para regiões baratas e limpas.
• Exija transparência de PUE, carbono e interconexão dos provedores de GPU — não apenas nomes de modelos.
• Brazil é uma forte âncora nearshore para IA batch: rede altamente renovável, vantagens de custo e sobreposição de fuso horário.
• Execute um piloto 90 dias de plano dividido para capturar economias sem arriscar seus SLAs.