O mundo dos negócios adora uma métrica. Um único número que pode contar uma história rápida e facilmente – mesmo que o contexto e as nuances se percam no processo.

Por anos, a indústria de data centers focou no PUE – um número simples que indicava quão eficientemente um data center operava. Serviu bem à indústria e permitiu que os operadores mostrassem rapidamente ao mundo o quanto ela havia melhorado.

Mas, à medida que avançamos para um mundo de resfriamento líquido e IA, em que os ganhos no PUE estão desacelerando, a eficiência dos tokens é a única métrica disponível para empresas focadas em IA?

O fim do PUE?

A eficácia do uso de energia (PUE) – há muito tempo a métrica 'estrela polar' para eficiência em data centers – tem suas desvantagens, mas sempre foi um atalho fácil para a indústria mostrar seus ganhos.

Desde que foi proposta pela primeira vez por Christian Belady e Chris Malone e promovida pela Green Grid em 2006, a média do setor de PUE caiu de cerca de 2,5 em 2007 para menos de 1,4 hoje. Para novas construções refrigeradas a líquido e instalações hiperescalas, os PUEs são frequentemente considerados iguais, ou até inferiores, a 1,1.

É popular porque é fácil de calcular – simplesmente a proporção entre a energia total da instalação e a energia consumida pela carga de TI – e fornece uma métrica única simples que pode ser amplamente compreendida por pessoas não técnicas.

Mas, quando se trata de PUE, há poucos ganhos em qualquer instalação recém-construída. Qualquer nova instalação que use resfriamento líquido provavelmente ficará em torno de 1,1. E a eficácia total do uso de energia (TUE) – uma métrica criada para medir melhor a eficiência energética dos data centers – ainda não se consolidou como um dado significativo em larga escala.

A próxima grande métrica em que a indústria focou foi a efetividade do uso da água (WUE), uma forma de os data centers medir sua eficiência hídrica. Medido em metros cúbicos de água por megawatt-hora de energia (m³/MWh), ele compara a água usada para resfriamento à energia consumida pelos equipamentos de TI.

À medida que o uso da água se tornou um problema mais importante na indústria – impulsionado em parte pelas mudanças climáticas, mas principalmente como forma de demonstrar o credo da sustentabilidade diante da resistência de moradores e autoridades – a WUE destacou como as instalações podem ser sedentas em climas secos, dependentes de resfriamento por evaporação. As melhorias aqui ainda estão em andamento, mas são frequentemente prejudicadas por escolhas de design feitas anos atrás.

No entanto, sistemas totalmente em malha fechada dependem apenas de uma única injeção de água, com o fluido circulando continuamente e sendo reutilizado. Em teoria, tais sistemas têm uma WUE de quase zero. Embora não sejam padrão da indústria, esses projetos de circuito fechado ou sem água estão se tornando muito mais comuns à medida que os operadores buscam novos projetos no processo de planejamento, em meio a um escrutínio crescente.

Então, qual é a próxima métrica que importa?

Hora e a vez dos tokens?

Em meio a um boom da IA e à diminuição do foco na sustentabilidade em um período de popularidade da direita, uma nova métrica excessivamente simples está prestes a ser destacada para a indústria de data centers focar? Entrem, tokens.

Durante um evento recente realizado em Buffalo, Nova York, executivos da Schneider Electric mencionaram tokens dezenas de vezes, destacando como empresas como hiperescalas, neoclouds e qualquer empresa ou operadora que queira implantar hardware de IA de alto nível estão focadas em extrair o máximo de tokens por watt e/ou por dólar de suas GPUs.

No jargão da IA, tokens são pequenas unidades de dados que podem ser processadas por modelos como o ChatGPT ou o Claude. Esses modelos de transformador recebem entradas como texto, imagens, áudio ou vídeo e dividem esses dados em tokens para processamento – tanto no treinamento quanto na inferência. Quanto mais rapidamente os tokens podem ser processados, mais rapidamente os modelos podem aprender e responder.

Quando os modelos de treinamento atingem bilhões ou trilhões de tokens e milhões de clientes fazem requisições de inferência, a eficiência dos tokens pode ter um grande impacto no tempo, no custo (e na energia) necessários para treinar um modelo ou processar grandes volumes de requisições.

A Nvidia frequentemente fala sobre o custo dos tokens e sobre os ganhos de eficiência ao promover seu hardware mais recente. Empresas de IA frequentemente cobram por token, então maior eficiência de tokens significa melhores margens em todas aquelas GPUs caras e na capacidade dos data centers associados.

Os tokens se tornaram a abreviação para descrever a eficácia dos modelos e do hardware que os roda em gerar dinheiro para seus donos. As pessoas adoram uma métrica simples, e "melhor eficiência de tokens = mais dinheiro" é o mais simples possível.

PUE e WUE chegaram ao limite?

Durante a apresentação, a Schneider destacou a importância dos tokens por watt como métrica (tokens divididos pelos watts consumidos; valores maiores são melhores), assim como o custo por token (custo total de computação, energia etc. dividido pelo número de tokens produzidos; quanto menor, melhor).

Embora um número maior de tokens por watt indique que o operador está, pelo menos, operando seu hardware e software de forma eficiente, isso não leva em conta o restante. Um data center com uma boa pontuação de tokens por watt, alimentado por gás natural barato, pode ser bom no papel, mas não exatamente ecológico.

Mas à medida que a indústria vê cada vez menos ganhos em indicadores como PUE e WUE, a eficiência dos tokens pode ser o único recurso para que as empresas alcancem ganhos significativos.

Durante sua apresentação, a Schneider também mostrou as pontuações PUE e WUE para dois data centers teóricos em Dallas, Texas, e em Paris, França, destacando as diferenças entre sistemas de ar refrigerado, de líquido refrigerado e em circuito aberto versus sistemas fechados.

Em todos os cenários, o PUE dessas novas versões teóricas seria de 1,15 ou menos, com a maioria abaixo de 1,1. E as pontuações do WUE para as instalações de circuito fechado resfriadas a líquido seriam essencialmente zero, pois só precisam ser preenchidas uma vez e substituídas muito ocasionalmente.

No mundo real, há muito mais variáveis, mas, no cenário teórico de Schneider, adotar sistemas de resfriamento líquido e de água em circuito fechado no kit mais eficiente em termos de energia significa que a única métrica que realmente mudou de forma significativa foi a eficiência simbólica, que variou significativamente em diferentes cenários. E se tokens significarem dólares, essa é a métrica em que muitos operadores vão focar ao construir instalações.

"Acho que ninguém tentou", diz Manish Kumar, vice-presidente executivo da Schneider Electric para energia segura e data centers, ao DCD, quando questionado sobre a necessidade de uma métrica simples que combine tokens com sustentabilidade. "Estamos realmente pensando profundamente nisso; é algo que precisamos analisar."

Kumar observa que provavelmente houve uma "mudança de narrativa" à medida que o mundo dos negócios reduz o foco na sustentabilidade e dá mais destaque aos tokens.

"Quanto mais você reduz os tokens por watt, mais competitivo se torna seu negócio", diz ele. "Então, talvez não seja revisado apenas pela sustentabilidade, mas também pela economia pura e pela competitividade."

Mas ele diz que a empresa "ainda acha" que a eficiência energética é importante nos data centers, considerando a quantidade de eletricidade que eles vão consumir.

"Não sei onde vamos nos estabelecer. Tokens por dólar continuarão sendo uma área de foco, mas, mais cedo ou mais tarde, algo vai acontecer."

Os números aumentam

Embora entender a eficiência dos tokens seja importante, não deveria ser o único fator relevante.

Algumas empresas estão pressionando os funcionários a gastar o máximo possível de tokens – ou seja, tokenmaxxing – na tentativa de fazer com que treinem sistemas e talvez encontrem algum valor real, ou apenas para mostrar que fazem parte do boom da IA, independentemente de haver benefício real. O segundo – exemplos reais do meme do 'número cresce' – está sendo usado para gerar lucro em muitas das maiores empresas do mundo.

O CEO da Nvidia, Jensen Huang, já falou sobre sua profunda preocupação de que os engenheiros não estejam trabalhando regularmente para gastar milhares de dólares em tokens todos os anos.

Alguns relatórios sugerem que funcionários de grandes empresas como Amazon e Meta estão inflando ativamente o consumo de tokens de IA em tarefas desnecessárias para atingir metas internas de uso e aparecer mais alto nos rankings internos. A DCD já ouviu falar de trabalhadores do conhecimento em empresas menores usando sistemas de IA para realizar tarefas 'importantes' de negócios, como verificar rotas de trens e gerar fotos de seus pets, para ajudar a manter essas pontuações no ranking que a gestão deseja.

Apesar da empresa ser uma grande usuária de IA, o presidente e COO da Uber, Andrew Macdonald, alertou recentemente que a gigante dos táxis ainda não encontrou uma relação entre o maior uso de tokens de IA e o aumento dos recursos úteis para os consumidores. Isso ocorreu dias depois do CTO da Uber, Praveen Neppalli Naga, ter dito que os engenheiros da empresa já haviam esgotado o orçamento do Claude Code de 2026 até abril.

A empresa de software ServiceNow também terá ultrapassado sua alocação anual do orçamento da Claude para o ano em menos de cinco meses. Boas notícias, talvez, para quem cobra por token, não tanto para empresas com orçamento limitado, a menos que os preços caiam drasticamente.

A morte do PUE já foi prevista há muito tempo, mas a velha métrica continua a funcionar porque conta rapidamente uma história simples. Embora tenha ajudado a indústria a pensar – e a ser melhor – em termos de eficiência energética, alguns argumentam que foi simples demais e levou a uma visão limitada.

Métricas baseadas em tokens também são simples. E podem estar muito mais diretamente ligados à receita do que ao PUE. Ainda é cedo para dizer, mas vamos torcer para que o foco em eficiência e sustentabilidade mais amplas não seja deixado de lado em uma busca limitada por retornos cada vez melhores dos tokens e por melhores margens de lucro.

A sustentabilidade, na era da IA e das neoclouds, já sofreu bastante nos últimos tempos. A indústria rapidamente aceitou o gás natural como fonte principal de energia – qualquer um que diga que é uma ponte de curto prazo para o hidrogênio ou a energia nuclear está mentindo ou é otimista demais – e circulam rumores de que alguns hiperescalas podem abandonar suas promessas de neutralidade de carbono para 2030. Não vamos exagerar ao produzir tokens infinitos de forma insustentável na busca, no curto prazo, por um dólar.