Falar em soberania de IA sem falar em energia é como discutir soberania alimentar ignorando o solo. Um país pode ter os melhores pesquisadores, os algoritmos mais sofisticados e uma política industrial bem desenhada — e ainda assim ser completamente dependente de outra nação para rodar qualquer coisa em escala. A capacidade computacional que sustenta os modelos de IA modernos não existe no éter. Ela existe em racks de servidores que consomem eletricidade em volumes que rivalizavam, há dez anos, com os de cidades médias.
A cadeia lógica que as estratégias nacionais ignoram
Toda capacidade de IA se reduz, no limite, a uma questão de computação. E computação em escala se reduz a uma questão de energia. Um modelo de linguagem de fronteira como o GPT-4 ou o Claude, durante o treinamento, consome energia equivalente ao consumo residencial anual de centenas de famílias. A inferência — o ato de responder a uma pergunta, gerar um texto, processar uma imagem — é mais eficiente por chamada, mas multiplica-se por bilhões de requisições diárias. O total não é trivial.
A implicação estratégica é direta: um país que não controla a camada energética não controla a camada física da IA, independentemente do que fizer nas camadas superiores. Pode regulamentar, pode financiar startups, pode criar laboratórios nacionais. Mas se os data centers que executam os modelos dependem de energia importada, cujo preço e disponibilidade são determinados por terceiros, toda a arquitetura de soberania tem uma fissura na base.
A exposição dupla de países dependentes
A maioria dos países que hoje fala em "estratégia nacional de IA" enfrenta, na verdade, dois problemas estruturais que se sobrepõem. O primeiro é a dependência energética: países que importam hidrocarbonetos para gerar eletricidade têm seu custo de computação atrelado ao preço do petróleo e do gás natural em mercados internacionais — mercados sujeitos a choques geopolíticos, sanções e decisões de cartéis. O segundo é a dependência de infraestrutura de nuvem: a maior parte da capacidade de computação disponível globalmente é operada por três empresas americanas e, em escala menor, por uma empresa chinesa.
Quando os dois problemas se somam, o resultado é uma vulnerabilidade composta. Uma crise de energia encarece o custo de rodar modelos locais. Uma crise geopolítica pode restringir o acesso à nuvem estrangeira. Um cenário em que ambas ocorrem simultaneamente — e a história recente da Europa em 2022 mostrou que isso é possível — pode paralisar infraestruturas digitais inteiras sem que nenhum adversário precise atacar diretamente um servidor.
O que separa países que levam energia a sério
Alguns países perceberam a cadeia lógica cedo e construíram suas estratégias de IA com energia como variável central, não como afterthought. A França é o caso mais óbvio: décadas de investimento em energia nuclear produziram uma matriz elétrica com custo marginal baixo e alta previsibilidade. Quando a França decidiu apostar em soberania de IA, a infraestrutura energética já estava lá. O problema era diferente — e mais gerenciável.
Os Emirados Árabes Unidos construíram uma posição ainda mais deliberada. O Abu Dhabi Investment Authority e a G42 desenvolveram estratégias paralelas de energia e infraestrutura de dados, com data centers alimentados por energia renovável local e acordos de capacidade de GPU negociados diretamente com fabricantes. A Arábia Saudita, com o Projeto NEOM e os investimentos da Saudi Aramco em tecnologia, segue trajetória semelhante. O que esses países têm em comum não é o modelo energético — nuclear, solar, fóssil soberano — mas a decisão de tratar energia e computação como variáveis integradas da mesma política industrial, não como ministérios separados que nunca conversam.
O caso brasileiro: vantagem real, problema real
O Brasil entra nessa conversa com uma vantagem genuína que poucos países têm: mais de 85% da matriz elétrica gerada por fontes renováveis, com predominância hídrica complementada por capacidade eólica e solar em expansão. Isso significa que um data center construído no Brasil tem, na base, uma das matrizes mais limpas do mundo — e, estruturalmente, menos exposição a choques de preço de combustíveis fósseis.
O problema não está na fonte de energia. Está na concentração geográfica da infraestrutura que a usa. A quase totalidade da capacidade instalada de data centers no Brasil fica no corredor São Paulo–Rio de Janeiro. Há razões históricas para isso — proximidade com os maiores mercados consumidores, presença de cabos submarinos, disponibilidade de mão de obra técnica — mas o resultado é uma fragilidade estrutural. Uma interrupção no sistema de transmissão que abastece esse corredor, seja por evento climático extremo, seja por falha sistêmica, tem capacidade de impactar desproporcionalmente a infraestrutura digital nacional. Além disso, a dependência operacional das grandes nuvens americanas — AWS, Azure e Google Cloud dominam o mercado corporativo brasileiro — significa que mesmo os dados processados em território nacional frequentemente dependem de sistemas de controle, autenticação e orquestração que residem fora dele.
O que decisores de infraestrutura digital precisam entender antes de 2030
A questão para quem toma decisões de política pública não é simplesmente "construir mais data centers". Construir mais data centers no mesmo corredor, com a mesma dependência de fornecedores de nuvem estrangeiros, resolve o problema de capacidade sem resolver o problema de soberania. A pergunta certa é outra: como distribuir infraestrutura de computação ao longo da matriz energética nacional de forma que o custo, a resiliência e o controle melhorem simultaneamente?
Isso implica decisões regulatórias específicas. Incentivar data centers em regiões com excedente de geração renovável — o Nordeste brasileiro tem irradiação solar entre as mais altas do mundo e capacidade eólica subutilizada — exige uma combinação de política tarifária, marcos regulatórios para contratos de energia de longo prazo e investimento em transmissão. Implica também revisar o marco legal para que empresas que processam dados de cidadãos brasileiros não possam fazer isso exclusivamente em infraestrutura cujo controle final está em outro país. E implica tratar a qualificação técnica em operações de data center como parte da política de educação profissional, não como externalidade que o mercado vai resolver sozinho.
A janela de decisão é curta. A demanda por capacidade de computação cresce mais rápido do que qualquer projeção de cinco anos atrás indicava. Países que tomarem as decisões certas agora — sobre onde construir, como alimentar e quem controla a infraestrutura — vão estabelecer posições estruturais difíceis de reverter. Países que tratarem soberania de IA como questão de algoritmo, ignorando a camada física, vão descobrir que o problema ficou mais caro de resolver depois.
Leia também
- A crise de energia da IA: o que o consumo dos data centers significa para quem decide sobre infraestrutura
- Energia, o novo petróleo da IA: quem controla o recurso controla a era
- Energia: O Gargalo Que Ninguém Colocou no Roadmap da Computação
- Eletrificação: o que muda quando tudo começa a rodar na tomada
- IA eficiente em energia: quando menor e mais barato vence maior
- Infraestrutura crítica e dependência energética: o que gestores precisam saber