No último ano, a Uptime Intelligence publicou vários relatórios descrevendo como empresas e algumas de colocation planejavam suportar cargas de trabalho de IA em seus data centers.

Esses relatórios revelaram que apenas um pequeno número de empresas de colocation e de grandes empresas investia fortemente em data centers de alta densidade (refrigerados a líquido). A maioria estava traçando um caminho que envolveria mínima interrupção e despesa agora, com planos para suportar cargas de trabalho de IA de alta densidade no futuro.

Agora, com base em nossas pesquisas trimestrais recentes — e em discussões com membros da Uptime Network, clientes globais e consultores de engenharia do Uptime Institute — podemos identificar várias tendências-chave que moldam a implantação e a evolução da infraestrutura de IA. Este relatório reúne os principais insights dessas discussões.

Principais tendências

Algumas das principais tendências identificadas pela Uptime Intelligence em 2025 foram:

• Cautela financeira. CEOs e CIOs esperam que os retornos financeiros e os benefícios de negócios da IA sejam fortes ou até transformadores — eventualmente. No momento, porém, eles não têm certeza de como, em que medida e quando investir e construir. Além disso, há uma expectativa generalizada de agitação financeira no setor de IA, com alguns primeiros adotantes, fornecedores (e até alguns operadores) considerados em risco em uma correção de mercado para baixo. Executivos de empresas de todas as classes estão adotando medidas para reduzir seus próprios riscos.
• A maioria dos operadores reluta em se comprometer com alta densidade. Operadores com modelos de treinamento enormes, grandes investimentos ou aqueles que planejam clusters superdensos com altas tensões e resfriamento líquido tendem a se destacar e a atrair publicidade — mas provavelmente são minoria. A maioria das organizações (incluindo empresas e provedores de colocation) é adotante precoce ou tardia e só se compromete com investimentos significativos quando os resultados forem comprovados. No caso da infraestrutura de IA, muita coisa ainda não foi comprovada. Comparando o final de 2024 com o final de 2025, a Uptime observou uma hesitação crescente em se comprometer, em larga escala, com infraestrutura de alta densidade (resfriada a líquido). A estratégia predominante é construir capacidade limitada e, então, implantar de forma flexível, permitindo expansão e atualizações futuras — se e quando os retornos forem comprovados.
• A experiência ensina cautela. O entendimento de projetistas e operadores sobre a infraestrutura de IA passou do teórico para o estágio prático inicial. Como resultado, a equipe técnica está se tornando mais consciente das complicações relacionadas à resiliência, conformidade, complexidade, desempenho dos equipamentos, custos, comissionamento e fornecimento de equipamentos. Essas questões exigem atenção extrema e estão desacelerando a implantação.
• O TI também é cauteloso. Assim como as equipes de instalações estão aprendendo mais sobre os problemas práticos da infraestrutura de alta densidade, a TI está tendo que aplicar mais governança e resiliência aos seus projetos de IA à medida que avançam da prova de conceito para a produção. Isso significa que precisam abordar questões relacionadas à integridade dos dados, privacidade, direitos de acesso, responsabilidade, recuperabilidade, transparência, escalabilidade, desempenho, bem como conformidade e relatórios. Isso não impede a inovação nem a implantação de IA — na verdade, é um pré-requisito para a implantação em larga escala. Mas isso está desacelerando a inovação e a implantação – permitindo que gestores de infraestrutura e parceiros de colocation tenham mais tempo para avaliar qual infraestrutura implementar e quando.
• Nublado agora. Nublado depois? Muitos desenvolvedores de TI descobriram que o uso de nuvem pública (incluindo neoclouds) é uma opção menos arriscada e menos intensiva em capital para seus experimentos iniciais de IA do que a implantação local. Embora os serviços de GPU em nuvem sejam caros e às vezes indisponíveis, há uma variedade crescente de ferramentas que podem ser adotadas para evitar grandes investimentos em infraestrutura. Por esse motivo, uma parte significativa da IA corporativa será hospedada na nuvem. Essas decisões sobre o local, porém, não são definitivas. As empresas reconhecem o valor de construir infraestrutura local, e o investimento em infraestrutura dedicada pode ser adiado até que a demanda justifique o caso de negócio e a natureza dessa demanda seja melhor compreendida. Em implantações em escala, com inferência e treinamento, é provável que haja requisitos muito específicos para cada cliente. No geral, os resultados da pesquisa da Uptime Intelligence e dos membros sugerem que a implantação da IA provavelmente permanecerá híbrida (como é hoje), com a carga de trabalho contínua em crescimento.
• À prova de futuro, se possível. Muitos gestores dizem esperar inovações significativas em software e hardware, o que pode tornar investimentos em modelos grandes, processadores, resfriamento e energia inviáveis ou obsoletos. Exemplos disso incluem o impacto do modelo de IA DeepSeek e dos processadores de inferência. Por esse motivo, muitos operadores estão tentando projetar infraestrutura de energia e resfriamento adaptável, o que os ajudará a evitar compromissos com qualquer tecnologia — ou a deixar com capacidade isolada. Essa preocupação se aplica ao uso exclusivo da GPU Nvidia e a certos tipos de tecnologias de resfriamento líquido. Ao tomar decisões, os projetistas buscam minimizar o bloqueio de fornecedores ou de tecnologias e permitir flexibilidade para mudanças futuras, com custo e interrupção mínimos.
• A maioria dos sites de GPU hoje em dia é refrigerada a ar. Fora um pequeno número de empresas e daquelas empresas de colocation que constroem ou hospedam hiperescalas ou neoclouds, a maioria dos data centers hoje não hospeda nenhuma infraestrutura de alta densidade (refrigerada a líquido) ou a implantou apenas em capacidade limitada. Embora a maioria dos provedores de colocation hospede algumas GPUs, fazê-lo em quantidades limitadas. Essas GPUs são, em sua maioria, sistemas Nvidia refrigerados a ar e são frequentemente usadas por pilotos; as empresas são semelhantes. A maioria dos operadores consultados pela Uptime Intelligence, sejam provedores de colocation ou empresas, está focada em estender a vida útil dos sistemas refrigerados a ar até que os padrões de demanda fiquem mais claros. Isso significa usar tecnologias como resfriamento líquido assistido por ar, trocadores de calor nas portas traseiras, ou então selecionar sistemas refrigerados a ar da Nvidia, ajustando as temperaturas e o fluxo de ar conforme necessário.
• O resfriamento líquido direto pode ser implementado ao longo do tempo. Poucas empresas e provedores de colocation estão convencidos de que a infraestrutura refrigerada a líquido precisa ser implantada tão rapidamente ou de forma tão especulativa quanto alguns líderes de IA têm defendido. Muitos dos produtos atuais — e futuros — da Nvidia podem ser implementados com ar. Até mesmo hiperescaladores estão, quando possível, instalando armários com sidecars refrigerados a líquido, com resfriamento por ar no nível de instalação. Embora apenas um pequeno número de operadores esteja construindo ou tenha capacidade para implantar resfriamento líquido capaz de suportar até 130 kW por rack, quase todos estão ativamente explorando a tecnologia. A maioria dos provedores de colocation, em particular, afirma estar disposta a oferecer essa funcionalidade se solicitada pelos clientes (veja abaixo).
• Inferência ainda é uma incógnita. As empresas (e seus parceiros de colocation) estão inseguras quanto à potência computacional e elétrica (e, portanto, à densidade e ao resfriamento) necessária para a inferência — e têm consultado sobre isso de forma consistente nos últimos dois anos. Empresas como a Nvidia argumentaram que GPUs são necessárias — se não essenciais — para inferência, e que clusters de GPU podem realizar tanto treinamentos quanto inferências, ajudando a aumentar sua utilização. Mas outros discordam: dizem que até CPUs de entrada conseguem fazer a maior parte desse trabalho e que inferir é um uso desperdiçado e caro de GPUs que consomem muita energia. Para complicar a decisão, uma nova classe de circuito integrado específico para aplicação (ASIC) de inferência pode superar tanto no processamento de tokens quanto no consumo de energia. No entanto, há algum acordo: a inferência precisa ser resiliente e está melhor posicionada na maioria (mas não em todos) dos casos próximos à Edge, onde uma ampla gama de opções de hardware estará disponível, desde sistemas pequenos e de baixo custo até sistemas maiores, de alta densidade e caros. Operadores revelaram à Uptime Intelligence que a incerteza em torno da inferência, que se prevê consumir mais computação e energia do que o treinamento, está dificultando para eles saberem quanta capacidade do data center, qual densidade precisarão e onde ela deve ser localizada.

• Cargas de trabalho e designs variados. Embora o pensamento atual sugira que modelos fundamentais de IA se tornarão maiores e mais densos — com potencialmente centenas em desenvolvimento —, também haverá dezenas de milhares de modelos menores, específicos de domínio. Muitas empresas já estão implantando esses produtos. Esses modelos menores podem ser implantados sem recorrer a GPUs de alto desempenho, em clusters menores e com densidades mais baixas. Isso também permitirá maior reutilização do mesmo hardware para inferência. Dada a grande variação nos requisitos técnicos e comerciais para IA, é provável que operadores e provedores de colocation construam ou adaptem de forma pragmática em resposta a oportunidades imediatas, de acordo com a localização e as oportunidades de energia. A Uptime Intelligence espera apresentar um cenário de infraestrutura muito mais variado do que nos últimos anos, dominado pela nuvem comercial e padronizada (veja a Figura 1).
• Os contratos estão sendo reescritos. A necessidade de apoiar infraestrutura de maior densidade e atender a demandas de energia mais elevadas mudou o perfil de risco empresarial para muitos operadores, especialmente provedores de colocation, que possuem investimentos de capital significativos e compromissos com as companhias de energia. Isso está levando a uma revisão dos contratos tanto com fornecedores quanto com locatários. Os provedores de colocation, em particular, buscam impor restrições e condições aos inquilinos para assegurar o cumprimento de suas obrigações financeiras e de uso. Eles também são frequentemente forçados a negociar novos contratos com fornecedores de energia, que, por sua vez, estão expostos a novos riscos decorrentes da alta demanda por energia.

Resumo

No setor de TI e de infraestrutura, executivos e gestores tentam conciliar duas prioridades conflitantes. A primeira delas é que eles precisam entender, investir em e explorar a IA, que a maioria acredita ser transformadora para seus negócios, para o ambiente de negócios e para o mundo. Mas a infraestrutura de IA também é cara, complexa e tecnicamente imatura — e repleta de armadilhas de implantação que abrem novos riscos comerciais e legais.

Essa incerteza pode não ser muito preocupante para os principais pioneiros do evangelismo, mas a maior parte da IA será implantada por empresas maduras, mais conscientes dos riscos e dos custos. Não é a inércia ou o ceticismo da IA que está retardando a adoção, mas a necessidade de fazer isso bem — depois disso, a IA em todas as suas formas provavelmente será implantada em uma escala ainda maior.