💻 computer science

The Rising Unsustainability of AI Graphics Cards Production

Este estudo estima os danos ambientais crescentes da produção de placas gráficas de IA de 2013 a 2025, revelando que, apesar dos ganhos de eficiência operacional, o crescente esgotamento de recursos e as emissões de carbono provenientes da fabricação necessitam de uma mudança em direção a alterações estruturais de políticas, design de hardware durável e um movimento cultural afastado do crescimento perpétuo.

Autores originais: Clément Morand, Aurélie Névéol, Anne-Laure Ligozat

Publicado 2026-07-03

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Clément Morand, Aurélie Névéol, Anne-Laure Ligozat

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O Panorama Geral: O Custo Escondido do "Cérebro"

Imagine o boom da Inteligência Artificial como um enorme projeto de construção de uma nova cidade superinteligente. Todos estão falando sobre quanta eletricidade essa cidade usa para manter suas luzes e computadores funcionando (o custo "operacional").

No entanto, este artigo argumenta que estamos ignorando o custo de construir os tijolos propriamente ditos. Os autores focam nas placas gráficas (os chips de computador especializados que alimentam a IA). Eles descobriram que, embora estejamos tentando tornar esses chips mais eficientes, o processo de fabricação deles está, na verdade, tornando-se mais sujo, mais pesado e mais intensivo em recursos a cada ano.

A Investigação: Rastreando os "Tijolos"

Os pesquisadores atuaram como detetives, analisando o histórico das placas gráficas de estações de trabalho da NVIDIA (os "tijolos" de alto desempenho usados para IA) de 2013 a 2025.

Eles construíram um conjunto de dados de 174 modelos de placas diferentes. Para entender o dano ambiental, utilizaram um método chamado Avaliação de Ciclo de Vida (LCA). Pense nisso como uma auditoria "do berço ao portão":

Berço: Escavação de metais e minerais brutos.
Portão: O momento em que a placa pronta sai da linha de montagem.
Nota: Eles não contaram a eletricidade usada quando a placa está realmente funcionando em um data center; eles contaram apenas o custo de fabricá-la.

Eles mediram duas coisas principais:

Pegada de Carbono: Quanto de gás de efeito estufa é emitido para fabricar a placa (como o escapamento de uma fábrica).
Depleção de Recursos: Quanto dos metais finitos da Terra (como ouro, cobre e terras raras) são consumidos para fabricar a placa.

As Descobertas: Maiores, Mais Rápidas e Mais Caras

O estudo encontrou uma tendência clara e preocupante: Fabricar uma única placa gráfica está se tornando muito mais prejudicial ao longo do tempo.

1. O Efeito "Super-Size"

A Analogia: Imagine um smartphone. Dez anos atrás, ele tinha uma tela pequena e uma câmera minúscula. Hoje, ele tem uma tela enorme, uma câmera gigante e um processador superveloz.
A Realidade: As placas de IA seguiram o mesmo caminho. O "cérebro" (GPU) dentro da placa tornou-se fisicamente maior, e a memória (armazenamento) explodiu em tamanho.
A Armadilha: Embora a tecnologia dentro do chip tenha se tornado mais precisa (usando circuitos menores e mais finos), o tamanho bruto do chip e a quantidade de memória necessária cresceram tão rápido que o custo ambiental de fabricar uma única placa quadruplicou desde 2013.
- 2013: Fabricar uma placa custava cerca de 50 kg de emissões de CO2.
- 2025: Fabricar uma placa custa cerca de 200 kg de emissões de CO2.

2. A Armadilha do "Rebote"

A Analogia: Se você compra um carro super eficiente em termos de combustível, pode se sentir bem por isso. Mas se essa eficiência fizer você dirigir 10 vezes mais longe todos os dias, acabará usando mais gasolina do que antes.
A Realidade: Engenheiros tornaram os chips mais eficientes energeticamente. Mas, como eles são tão eficientes, as empresas compram placas maiores e as operam com mais intensidade. O artigo observa que, embora os chips sejam melhores, a energia total necessária para rodar uma única placa aumentou ligeiramente porque estamos exigindo que eles façam muito mais trabalho.

3. A Explosão de Vendas

A Analogia: Não é apenas que cada tijolo está ficando mais pesado; é que estamos construindo um arranha-céu em vez de uma casa.
A Realidade: O número de placas vendidas disparou. Em 2022, as empresas compravam algumas centenas de milhares de placas. Em 2024, elas compravam mais de um milhão por trimestre.
O Resultado: O dano ambiental total proveniente apenas da fabricação dessas placas aumentou drasticamente. Os autores calcularam que a poluição da fabricação das placas vendidas em 2024 é aproximadamente equivalente às emissões anuais de 700.000 pessoas vivendo em uma cidade como Copenhague, Dinamarca.

O Problema da "Base"

Os pesquisadores dividiram o dano em três partes:

A GPU (O Cérebro): Está piorando ao longo do tempo.
A Memória (O Armazenamento): Está ficando muito pior ao longo do tempo (esta é a fonte de dano que mais cresce).
A Base (O Gabinete, Resfriamento e Placa de Circuito): Esta parte permanece praticamente a mesma, mas como a GPU e a Memória estão ficando tão enormes, a "Base" agora parece uma fração minúscula do problema total.

A Conclusão: Eficiência Não é o Suficiente

O artigo conclui com uma verdade dura: Não podemos simplesmente "esverdear" o nosso caminho para fora deste problema.

O Equívoco: Muitas pessoas pensam que, se apenas alimentarmos nossos data centers com energia solar, resolveremos a crise ambiental da IA.
A Realidade: Mudar para energia limpa ajuda com os custos de funcionamento, mas não faz nada pelos custos de fabricação. O dano ocorre antes mesmo da placa ser conectada à tomada.

A Metáfora Final:
Imagine que você está tentando salvar o planeta dirigindo um carro elétrico. Isso é ótimo! Mas se você também estiver comprando um carro novo todos os meses e jogando o antigo em um aterro sanitário, o dano ambiental da fabricação de todos esses novos carros acabará superando os benefícios de dirigi-los.

Os autores argumentam que a indústria de IA precisa parar de assumir que "mais potente" é sempre sinônimo de "melhor". Eles sugerem que precisamos olhar para a suficiência — questionar se realmente precisamos construir essas placas massivas e ávidas por recursos todos os anos, ou se podemos encontrar maneiras de usar o que já temos por mais tempo.

Em resumo: O artigo alerta que os "tijolos" da revolução da IA estão se tornando cada vez mais tóxicos para produzir, e simplesmente fazê-los funcionar com eletricidade limpa não corrigirá o dano causado pela construção deles em primeiro lugar.

Resumo Técnico: A Crescente Insustentabilidade da Produção de Placas Gráficas para IA

Definição do Problema
A rápida expansão da infraestrutura de Inteligência Artificial (IA) tem impulsionado investimentos massivos em hardware, particularmente em placas gráficas, que são centrais para o treinamento de IA. Embora uma atenção significativa tenha sido dada ao consumo de energia operacional e às emissões de carbono dos centros de dados, os danos ambientais associados à produção desses componentes de hardware permanecem subestudados. A literatura existente frequentemente carece de transparência nos dados de ciclo de vida e, embora existam modelos paramétricos para servidores e dispositivos de usuário, dados de alta qualidade sobre placas gráficas — especificamente em relação à exaustão de recursos e ao carbono incorporado — têm sido escassos. Essa lacuna impede uma compreensão completa da insustentabilidade do setor de IA, especialmente à medida que projetos de data centers em larga escala exigem centenas de milhares de placas gráficas por instalação. Além disso, as estratégias de mitigação atuais focam frequentemente no esverdeamento dos suprimentos de eletricidade, o que falha em abordar os impactos crescentes da fabricação de hardware.

Metodologia
Para abordar essa lacuna, os autores realizaram uma Avaliação de Ciclo de Vida (ACV) do tipo Berço ao Portão (Cradle-to-Gate) Atribucional de placas gráficas de estações de trabalho NVIDIA lançadas entre 2013 e fevereiro de 2025.

Curadoria de Dados: Os autores compilaram um conjunto de dados de 174 modelos de placas gráficas de estação de trabalho. As fontes de dados incluíram o banco de dados de GPUs do TechPowerUp, Wikipedia e folhas de dados oficiais da NVIDIA (usadas como referência para resolver discrepâncias). Os principais parâmetros técnicos coletados incluíram data de lançamento, área do die da GPU, nó tecnológico, tipo de memória, tamanho da memória e Potência de Design Térmico (TDP).
Modelagem Paramétrica: O estudo adaptou o modelo paramétrico implementado no MLCA (baseado em dados da Boavizta) para estimar os impactos de produção. O modelo trata a placa gráfica como a soma de suas partes:
- Die da GPU: Impacto calculado com base na área do die e um impacto fixo por $cm^2$ (derivado de dados de produção de CPUs da Intel).
- Memória: Impacto calculado estimando a área do die de memória necessária para o volume total de memória (usando um fator de densidade de memória constante) e multiplicando pelo impacto por $cm^2$ do die de memória.
- Componentes Base: Um valor de impacto constante contabiliza a carcaça, o dissipador de calor, a Placa de Circuito Impresso (PCB) e o transporte ascendente.
Categorias de Impacto: A avaliação focou em dois indicadores primários:
1. Pegada de Carbono: Medida como Potencial de Aquecimento Global (GWP) em $kgCO_2$ eq.
2. Exaustão de Recursos Metálicos: Medida como Potencial de Esgotamento Abiótico para elementos (ADPe) em $kgSb$ eq (equivalente de antimônio).
Análise de Escala Global: O impacto de produção por placa foi combinado com dados de vendas da Epoch AI (2022–2025) para estimar os danos ambientais totais globais incorridos pela aquisição de placas gráficas de IA.

Principais Contribuições

Lançamento de Conjunto de Dados: Os autores fornecem um conjunto de dados curado documentando os danos ambientais da produção de placas gráficas de estação de trabalho NVIDIA lançadas entre 2013 e 2025, juntamente com o código utilizado para reprodutibilidade.
Análise de Tendências: O estudo fornece evidências de que o impacto ambiental das placas gráficas individuais aumentou consistentemente ao longo da última década.
Tendências de Aquisição: O artigo analisa a trajetória de aquisição de placas gráficas, vinculando o crescimento do volume de vendas com o aumento dos danos cumulativos de produção.

Resultados

Evolução do Hardware: Ao longo do período de 12 anos, a área média do die da GPU aumentou linearmente, enquanto o tamanho do nó tecnológico diminuiu (nós mais finos). O tamanho da memória (em GB) cresceu exponencialmente (CAGனோ de aproximadamente 30%). Apesar das melhorias na eficiência computacional, o consumo total de energia (TDP) das placas aumentou ligeiramente, o que é consistente com um efeito rebote.
Impactos de Produção:
- Pegada de Carbono (GWP): A pegada de carbono de produção de uma única placa de estação de trabalho subiu de aproximadamente 50 $kgCO_2$ eq em 2013 para cerca de 200 $kgCO_2$ eq para modelos recentes.
- Exaustão de Recursos (ADPe): A exaustão de recursos metálicos por unidade permaneceu relativamente constante em aproximadamente 0,01 $kgSb$ eq, embora a composição dos impactos tenha mudado.
- Mudanças de Componentes: Enquanto os componentes base (PCB, carcaça) historicamente dominavam a exaustão de recursos, a participação dos impactos provenientes da GPU e da memória cresceu. Nos anos recentes, a memória tornou-se a fonte dominante de impactos de GWP, enquanto os componentes base permanecem dominantes para ADPe.
Escala Global: Entre o Q1 2022 e o Q3 2024, os danos de produção cumulativos das placas de IA NVIDIA vendidas mostraram um aumento acentuado. O GWP total estimado para este período (aprox. 698 $ktCO_2$ eq) é equivalente às emissões anuais máximas de cerca de 700.000 pessoas sob restrições de limites planetários.
Validação: O modelo paramétrico do estudo produz resultados consistentes com estudos independentes anteriores (ex: Lees-Perasso et al., ADEME) e com os próprios dados divulgados pela NVIDIA para modelos específicos como o H100, com diferenças geralmente dentro de margens aceitáveis (ex: <33% para GWP).

Significância e Alegações
O artigo argumenta que a comunidade de IA não pode confiar apenas em melhorias de eficiência operacional (como treinamento energeticamente eficiente ou computação consciente de carbono) para alcançar a sustentabilidade. O estudo destaca que os impactos relacionados à produção estão escalando e constituem uma parte significativa e frequentemente negligenciada da pegada ambiental do setor de IA.

Os autores alegam que a trajetória atual do desenvolvimento de hardware de IA — caracterizada por atualizações frequentes, aumento nos tamanhos de die e crescimento exponencial de vendas — é fundamentalmente incompatível com os limites globais de sustentabilidade e os limites planetários. Eles afirmam que abordar a insustentabilidade da IA requer ir além das otimizações incrementais em direção à "suficiência". Isso exige mudanças estruturais, incluindo intervenções políticas, design de hardware focado na longevidade e uma mudança cultural longe do imperativo do crescimento perpétuo e dos aumentos de desempenho. O estudo ressalta a necessidade urgente de maior transparência nos dados de ciclo de vida para compreender plenamente as implicações materiais da infraestrutura de IA.