Tóquio testa a transformação do calor dos centros de dados de IA em refrigeração e água quente

Um ensaio em Tóquio aproveita o calor desperdiçado dos servidores

Tóquio está a apoiar um projeto para recuperar calor diretamente de servidores de inteligência artificial e utilizá-lo na refrigeração de edifícios, no abastecimento de instalações balneares próximas e no apoio a fábricas. A demonstração decorre de 16 de julho de 2026 a 31 de março de 2028, com o governo metropolitano a contribuir com até 520 milhões de ienes para as despesas elegíveis.

A Tokyo Electric Power Company Holdings, conhecida como TEPCO, lidera o trabalho com a MESH-X e a NHK Technologies num centro de dados em Tóquio. O objetivo é resolver um problema prático que cresce a par da IA: grande parte da eletricidade consumida pelos equipamentos informáticos acaba por se transformar em calor, que os operadores têm de dissipar para manter as máquinas a funcionar.

O anúncio do governo de Tóquio descreve um sistema que utiliza a evaporação para arrefecer servidores equipados com unidades de processamento gráfico, ou GPUs, enquanto recolhe diretamente o seu calor a uma temperatura elevada. As GPUs são chips que realizam muitos cálculos em simultâneo, o que as torna fundamentais para a IA moderna.

O projeto reúne duas necessidades que, habitualmente, são geridas em separado. Os centros de dados precisam de refrigeração, enquanto os edifícios e as empresas vizinhos precisam de calor. A recuperação de calor útil pode permitir que a mesma eletricidade sirva tanto a computação como as necessidades energéticas locais.

O Japão está também a testar outra abordagem: transferir cálculos de IA entre cidades ou alterar o horário em que são executados para os adequar à disponibilidade de eletricidade. Em conjunto, as experiências abordam a forma como a IA consome energia, o local onde essa energia é utilizada e o destino que lhe é dado depois.

Como o WaBiCo capta o calor dos chips

A TEPCO chama à sua abordagem WaBiCo, abreviatura de Watt Bit Cogeneration. O nome associa os watts, uma medida de potência, aos bits, unidades de informação digital. A ideia central é tratar os equipamentos eletrónicos de elevado desempenho tanto como recursos de computação como fontes de calor aproveitável.

A tecnologia de refrigeração mantém a água sob pressão reduzida, cerca de metade da pressão atmosférica, para que ferva a aproximadamente 80 graus Celsius, em vez dos habituais 100 graus. O calor da GPU provoca a evaporação, permitindo ao sistema recolher energia térmica a uma temperatura útil para outras aplicações.

A TEPCO descreve uma placa de refrigeração concebida especificamente para arrefecer diretamente a GPU e recuperar o seu calor. O método de circulação utiliza o próprio calor para o transportar, sem uma bomba a impulsionar o processo. Captar a energia junto do chip permite obter calor a uma temperatura mais elevada e útil do que deixá-lo dissipar-se pela sala de servidores.

A temperatura é importante porque diferentes tarefas exigem diferentes níveis de calor. O ar morno, cuja recolha é dispendiosa, tem utilizações limitadas. O calor recuperado a cerca de 80 graus Celsius pode servir uma gama mais ampla de aplicações em edifícios e na indústria, consoante os equipamentos e as temperaturas de que estas necessitem.

Entre as utilizações previstas estão o abastecimento de instalações balneares e fábricas próximas, o fornecimento de aquecimento urbano e a utilização do calor recuperado como fonte de energia para arrefecer salas de servidores ou instalações vizinhas. A refrigeração acionada por calor utiliza energia térmica para alimentar um ciclo de arrefecimento, em vez de depender inteiramente de um compressor elétrico.

O que Tóquio financia e testa

O anúncio da seleção do projeto da TEPCO indica que Tóquio escolheu a proposta a 30 de junho de 2026. A empresa identifica-se como operadora principal e especifica que a contribuição máxima do governo, de 520 milhões de ienes, constitui um apoio parcial a despesas determinadas.

O departamento metropolitano de indústria e trabalho de Tóquio integra a demonstração na Estratégia Tóquio 2050, no âmbito do objetivo de maximizar a eficiência energética. O trabalho prático combina o desenvolvimento de um sistema de refrigeração por evaporação com ensaios num ambiente real de funcionamento.

O projeto tem de ligar a recuperação de calor a um destino útil. Numa instalação balnear, isso significa um fornecimento fiável de energia térmica. Numa fábrica, significa adequar a temperatura e o horário às necessidades de um processo industrial. Nas salas de servidores, significa integrar o calor recuperado num sistema de refrigeração que garanta um funcionamento fiável.

Os anúncios identificam o local da demonstração apenas como um centro de dados em Tóquio. Não indicam a taxa de recuperação de calor medida, a poupança de eletricidade, a redução das emissões, os clientes de calor identificados ou a data de lançamento comercial. Esses resultados determinarão a utilidade da abordagem para além do ensaio.

A eficiência da refrigeração e o reaproveitamento do calor medem ganhos diferentes

A TEPCO pretende melhorar um indicador normalizado de eficiência dos centros de dados, denominado Power Usage Effectiveness, ou PUE. Este divide toda a eletricidade utilizada por uma instalação pela eletricidade consumida pelos seus equipamentos informáticos. Um resultado mais próximo de 1 significa que se gasta menos eletricidade adicional em refrigeração e noutros sistemas de apoio.

Uma instalação hipotética que consuma 120 unidades de eletricidade, enquanto os seus computadores consomem 100, teria um PUE de 1,2. Reduzir as 20 unidades adicionais melhoraria esse valor. O projeto de Tóquio procura obter ganhos deste tipo alterando a forma como o calor é retirado dos chips.

O reaproveitamento do calor pode trazer outro benefício: um utilizador vizinho poderá satisfazer parte das suas necessidades de aquecimento com energia recuperada da computação. A eletricidade continua a alimentar os servidores, enquanto a energia térmica útil sai das instalações para outra finalidade.

Os dois benefícios exigem medições distintas. Os operadores têm de registar a eletricidade consumida na refrigeração, o calor efetivamente fornecido aos clientes e a energia que estes consumiriam de outro modo. Uma ligação de calor funcional torna-se valiosa quando as instalações recetoras conseguem utilizar a energia no momento em que esta chega.

Chips mais eficientes e tarefas de IA em expansão

A NVIDIA descreve a energia como a base das infraestruturas de IA. Na reunião de Davos de janeiro de 2026, o presidente executivo Jensen Huang comparou o setor a um bolo com cinco camadas: a energia na base, seguida dos chips, das infraestruturas, dos modelos e das aplicações.

Hiroki Saito, representante da NVIDIA, descreve a energia como a primeira porta de entrada da IA. O seu relato ilustra também a rapidez com que as necessidades de computação estão a mudar. Tomando a chegada do ChatGPT, em novembro de 2022, como ponto de partida, estima em 100 vezes esse nível os requisitos de processamento associados ao modelo de raciocínio DeepSeek, lançado em janeiro de 2025, e em 1.000 vezes os do agente autónomo OpenClaw, cerca de um ano depois.

Estes exemplos dizem respeito à evolução dos tipos de trabalho de IA. Os modelos de raciocínio consomem capacidade de computação ao analisar problemas, enquanto os agentes podem executar sequências de tarefas. Tarefas mais complexas podem exigir maior capacidade de processamento, mesmo à medida que cada chip se torna mais eficiente.

A NVIDIA afirma que a sua geração Rubin consegue realizar dez vezes mais processamento de agentes do que a Blackwell, com o mesmo consumo de energia. O valor prático depende da forma como o equipamento é instalado e das tarefas que executa.

Saito descreve também uma mudança nas prioridades de funcionamento. Os centros de dados tradicionais concentravam-se em manter-se disponíveis. Uma fábrica de IA, expressão usada pela NVIDIA para designar infraestruturas concebidas em torno da produção de IA, tem também de maximizar o resultado útil da computação. O aumento do desempenho por unidade de eletricidade e o crescimento da procura avançam em simultâneo, pelo que o consumo total depende de ambos.

Variações súbitas de potência criam outro problema

As instalações de IA enfrentam desafios que vão além do consumo total de eletricidade. Durante o treino de modelos, centenas de milhares de GPUs podem alterar em simultâneo o consumo de energia, em intervalos de milissegundos. Os equipamentos elétricos têm de absorver estas variações rápidas e manter a estabilidade da alimentação.

Amber Villegas-Williamson, consultora principal do Uptime Institute, que aconselha fornecedores de eletricidade e centros de dados em matéria de fiabilidade, descreveu a pressão:

«A IA cria, de facto, uma procura de energia muito invulgar»,

Villegas-Williamson comparou o desgaste a acelerar repetidamente o motor de um automóvel, em vez de manter uma velocidade constante. Drew Baglino, antigo executivo da Tesla e fundador da Heron Power Electronics, afirmou que a procura de energia da IA pode aumentar momentaneamente até 50% acima da capacidade prevista para uma instalação. No seu exemplo, um centro de dados concebido para 1 gigawatt poderia consumir 1,5 gigawatts durante uma fração de segundo.

Entre as falhas de equipamento associadas a estas pressões contam-se turbinas fissuradas e baterias que têm de ser substituídas ao fim de semanas ou meses. Segundo relatos, algumas instalações atingiram níveis de disponibilidade próximos dos 80%, enquanto as perdas de receitas estimadas durante interrupções variam entre milhares e centenas de milhares de dólares por minuto, consoante a atividade.

A North American Electric Reliability Corporation concluiu que cerca de três quartos dos modelos de carga relativos a mais de 33 gigawatts de procura de centros de dados nos Estados Unidos eram insuficientes para representar o comportamento dinâmico. Estes modelos ajudam as empresas de serviços públicos a prever o impacto dos clientes no sistema elétrico, tornando as rápidas variações de consumo uma questão importante para o planeamento.

Um campus de 2,67 gigawatts previsto para o oeste do Texas ilustra as consequências para o calendário. O promotor Joulent acrescentou tempo de engenharia para cumprir o requisito de fiabilidade de 99,999% imposto pela Microsoft, adiando o início do fornecimento de energia de 2027 para 2028. Com esse nível de fiabilidade, as interrupções anuais seriam de cerca de cinco minutos.

Transferir cálculos em vez de eletricidade

A segunda experiência do Japão aborda os locais e horários em que a IA consome eletricidade. A J-Power, a Cisco Systems, a East Japan Railway, a Hitachi e a Bitmedia anunciaram, a 8 de outubro de 2026, uma demonstração que liga centros de dados de IA em Yokohama e Kitakyushu.

O ensaio começou em agosto de 2026 e deverá decorrer até 1 de fevereiro de 2027. Testa a transferência de cargas de trabalho, que consiste em atribuir tarefas de computação a outro local ou horário, de acordo com as condições de eletricidade e de capacidade informática.

Uma transferência geográfica envia um cálculo para outro centro de dados. Uma transferência temporal agenda-o para outra hora. O sistema tem em conta as previsões de produção de energias renováveis, os preços de negociação da eletricidade, a oferta e a procura, a capacidade informática disponível e informações sobre catástrofes.

Um dos objetivos é utilizar eletricidade renovável que, de outro modo, poderia ser limitada. Ocorre uma limitação quando a produção solar ou eólica é temporariamente reduzida por a rede não conseguir transportar ou absorver toda a energia disponível. Transferir tarefas de IA adequadas para os períodos em que essa eletricidade está disponível poderia aumentar a sua utilização.

As empresas irão também analisar o tempo de processamento adicional causado pela transferência de tarefas e a forma de preservar a qualidade do serviço. Transferir uma tarefa tem custos práticos, pelo que o ensaio mede tanto o benefício em termos de eletricidade como o impacto no desempenho informático.

A fibra ferroviária liga a experiência mais abrangente

As cinco empresas estão também a testar uma rede totalmente fotónica ao longo da linha de alta velocidade Joetsu Shinkansen. Equipamentos de transmissão ótica nas estações de Echigo-Yuzawa, Jomo-Kogen e Takasaki irão utilizar a fibra ferroviária existente para avaliar a qualidade das comunicações perante vibrações e condições meteorológicas variáveis.

Os ensaios abrangem perdas de sinal, erros de transmissão, latência e variação da latência. Estas medições são importantes quando instalações de computação em locais diferentes precisam de funcionar em conjunto. A experiência com a rede ferroviária é uma parte distinta do programa, paralela à transferência de cargas de trabalho entre Yokohama e Kitakyushu.

A J-Power lidera o consórcio e avalia os resultados. A Hitachi constrói o sistema de transferência de cargas de trabalho e o ambiente de ensaio ótico; a Cisco apoia a conceção e a medição da rede; a JR East analisa os equipamentos de comunicação ferroviária; e a Bitmedia desenvolve o sistema nos centros de dados.

O trabalho dá continuidade à criação, em abril de 2026, de um conselho que inclui também a JR West Optical Network e a Nagoya Railroad. O objetivo mais amplo é coordenar o funcionamento de centros de dados de IA distribuídos, recorrendo a redes óticas de área alargada e à transferência de cargas de trabalho.

Os principais marcos mostram a sobreposição entre as experiências de recuperação de calor e de computação:

• Abril de 2026: sete empresas criam um conselho para redes óticas e transferência de cargas de trabalho.
• 30 de junho de 2026: Tóquio seleciona a proposta da TEPCO para recuperação de calor.
• 16 de julho de 2026: começa o período de demonstração do projeto de calor em Tóquio.
• Agosto de 2026: começa o ensaio de transferência de cargas de trabalho entre Yokohama e Kitakyushu.
• 1 de fevereiro de 2027: data prevista para o fim da demonstração de transferência de cargas de trabalho.
• 31 de março de 2028: data prevista para o fim do projeto de recuperação de calor de Tóquio.

O Japão quer mais computação e menos desperdício de energia

O Japão está a promover o investimento em IA e semicondutores enquanto trabalha para alcançar a neutralidade carbónica até 2050. As fábricas da TSMC na província de Kumamoto fazem parte desta expansão industrial. Em 2022, as energias renováveis representaram cerca de 22% da produção de eletricidade japonesa, deixando o país fortemente dependente de outras fontes, incluindo combustíveis fósseis.

O quinto plano empresarial especial abrangente da própria TEPCO estabelece como objetivo que o crescimento da procura de centros de dados na região metropolitana de Tóquio esteja entre os mais elevados do mundo até ao ano fiscal de 2040. O seu projeto de recuperação de calor insere-se, assim, numa ambição explícita de expansão do setor.

A recuperação de calor e a transferência de cargas de trabalho abordam diferentes aspetos dessa expansão. O WaBiCo procura obter mais resultados úteis da eletricidade já consumida pelos servidores. A transferência de cargas de trabalho procura adequar melhor a procura de computação à disponibilidade de eletricidade. Equipamentos capazes de lidar com variações rápidas de potência apoiam a fiabilidade de que ambas as abordagens necessitam.

Para as comunidades próximas, as oportunidades concretas são o aproveitamento do calor e uma ligação mais estreita entre os centros de dados e as necessidades energéticas locais. Para os operadores, os ensaios dizem respeito aos custos de refrigeração, ao tempo de computação produtiva e à fiabilidade do serviço. O próximo marco será o desempenho medido: quanta energia é poupada ou reutilizada enquanto os computadores continuam a trabalhar.

Principais pontos

• Tóquio está a apoiar uma demonstração da TEPCO para recuperar calor, com até 520 milhões de ienes para despesas elegíveis.
• O projeto decorre até 31 de março de 2028 e visa a refrigeração, instalações balneares, fábricas e aquecimento urbano.
• O WaBiCo utiliza evaporação a pressão reduzida para recuperar calor útil diretamente das GPUs.
• Um ensaio distinto transfere tarefas de IA entre Yokohama e Kitakyushu e entre diferentes horários de funcionamento, de acordo com as condições de eletricidade.
• As rápidas flutuações do consumo de energia da IA estão também a causar problemas de equipamento e de fiabilidade.
• A poupança de energia medida, o calor recuperado efetivamente fornecido e o desempenho operacional determinarão o valor prático das demonstrações.