Expansão de data centers nos EUA está muito atrasada

O atraso na construção de data centers nos EUA não é só um problema de cronograma, é um sintoma de uma infraestrutura em colisão com seus próprios limites físicos. Enquanto os gigantes da tecnologia prometem gastar mais de US$ 350 bilhões em capital em 2025, e a demanda por energia dos data centers deve saltar de 31 GW para 66 GW até 2027, a realidade no terreno é outra: 60% da capacidade planejada para 2027 ainda nem saiu do papel. Os gargalos vão além de licenças ou mão de obra, transformadores e disjuntores demoram até 24 meses para serem fabricados, e 188 grupos locais já bloquearam ou atrasaram US$ 64 bilhões em projetos desde meados de 2024. Seattle impôs moratória, ao menos 12 estados discutem leis semelhantes, e o Texas, apesar de se tornar o novo epicentro (com 6,5 GW em construção), depende cada vez mais de geração própria, como o Meitner Energy Center da Google, para contornar redes elétricas saturadas.

Essa pressão afeta diretamente o ritmo prático da IA: modelos como o Mu da Meta seguem adiados, iniciativas de produção são canceladas (apenas 18% dos gastos com tokens de IA chegam à operação), e laboratórios de fronteira já sinalizam que o atual ritmo de investimento em compute não é sustentável sem ganhos econômicos reais. A neocloud, nascida da aliança SpaceX-xAI-Anthropic, mostra que o mercado está se reorganizando em torno de infraestrutura escassa, não abundante.

Em 24 horas, entre 3 e 4 de junho de 2026, o cenário mudou radicalmente: o adiamento do Mu pela Meta e o 'acerto de contas dos tokens' já apontavam para estresse operacional; agora, o atraso estrutural na infraestrutura confirma que o gargalo não é apenas de software ou monetização, mas físico e energético. Antes, falávamos de risco de excesso de oferta de GPUs (Goldman Sachs) e de ineficiência no uso de compute; agora, sabemos que 60% da capacidade necessária para sustentar esse mesmo compute sequer foi iniciada, e pode levar até dez anos para ser conectada à rede em alguns casos.

Para profissionais de marketing digital e growth, isso significa que campanhas baseadas em inferência em tempo real, personalização massiva por IA ou automação avançada de conteúdo enfrentarão limites concretos de escala e custo. Se a carga de trabalho de inferência deve representar 75% de toda a computação de IA até 2027, e a infraestrutura para isso está atrasada, o preço por token vai subir, e a margem para experimentação, encolher. Empresas que apostam em dados estratégicos e plataformas centralizadas (como destacado no artigo sobre o 'erro fatal nas plataformas') ganham vantagem competitiva não só por algoritmos, mas por acesso privilegiado a recursos escassos, seja via parceria com hyperscalers, seja por infraestrutura própria.