Crescimento da inteligência artificial nos Estados Unidos eleva custos da rede elétrica e impacta consumidores em Washington

No verão de 2025, moradores de Washington viram as contas de luz subirem devido aos custos de capacidade da rede. O avanço da inteligência artificial impulsiona essa alta e obriga autoridades a debaterem quem deve pagar pela infraestrutura elétrica.

Expansão tecnológica e impacto nas contas

Instalações modernas de inteligência artificial demandam energia em escala industrial, com complexos que podem precisar de até um gigawatt. O Instituto de Pesquisa de Energia Elétrica estima que esses locais nos Estados Unidos consumirão entre 9% e 17% da eletricidade do país até 2030.

No Distrito de Columbia, a fatura mensal média de um cliente da Pepco aumentou cerca de 21 dólares em 2025, impulsionada pelos custos da operadora PJM. Esses custos saltaram de 28,92 dólares por megawatt-dia em 2024 para 269,92 dólares em 2025-2026. A previsão indica novas altas para 329,17 dólares em 2026-2027 e 333,44 dólares em 2027-2028.

Respostas regulatórias e compromissos do setor

Sete grandes empresas de tecnologia assinaram um compromisso com a Casa Branca em março para financiar a geração de energia necessária, cobrir custos de distribuição e pagar mesmo sem uso de eletricidade.

Em junho, a Comissão Federal de Regulamentação de Energia ordenou que seis operadoras justificassem tarifas para grandes cargas. Em 16 de setembro, a Câmara dos Representantes aprovou a Lei de Proteção ao Consumidor por 417 votos a 3. A medida exige que órgãos reguladores e concessionárias considerem padrões para o pagamento de infraestrutura por grandes instalações.

Cenário internacional e diretrizes futuras

A China atingiu o consumo de mais de 10 trilhões de quilowatts-hora de eletricidade em 2025, com alta de 30% em internet e serviços relacionados. A State Grid planeja investir cerca de 4 trilhões de yuans de 2026 a 2030, enquanto a China Southern Power Grid prevê mais um trilhão.

Especialistas sugerem quatro princípios para a alocação de custos. As recomendações incluem tratar cargas muito grandes como classe distinta de clientes, diferenciar infraestrutura dedicada de compartilhada, considerar o valor da flexibilidade e assegurar transparência na previsão da demanda.