Estimativa de resíduos eletrônicos de IA da Basel Action Network contabiliza o que estudos sobre servidores deixam de fora
A Basel Action Network ampliou a contabilização de resíduos de IA para além dos servidores, produzindo uma estimativa até 60 vezes maior do que uma projeção acadêmica amplamente citada. O modelo de resíduos eletrônicos de IA da Basel Action Network contabiliza equipamentos de refrigeração, distribuição de energia, sistemas de backup, redes, servidores e aceleradores.
Essa mudança de escopo importa porque os servidores representam apenas uma parte da infraestrutura física construída para inteligência artificial. No entanto, as maiores projeções do relatório também dependem de premissas contestadas sobre a vida útil dos equipamentos e o crescimento de longo prazo dos data centers.
Portanto, o verdadeiro conflito não é entre preocupação ambiental e investimento em IA. É entre uma contabilização abrangente do ciclo de vida e uma medição restrita, centrada na computação. Os CIOs precisam decidir quais ativos pertencem ao cálculo, por quanto tempo permanecem úteis e o que a aposentadoria realmente significa.
A contabilização de resíduos eletrônicos de IA da Basel Action Network amplia os limites
A medida mais consequente do relatório é mudar o que conta como infraestrutura de IA.
A Basel Action Network, ou BAN, publicou a primeira parte de seu relatório AI Waste Wave em setembro de 2026. A BAN é uma organização ambiental focada no comércio de resíduos perigosos e na aplicação da Convenção de Basileia.
As estimativas anteriores de resíduos de IA geralmente se concentravam em servidores, racks e aceleradores como GPUs. Em vez disso, a BAN modela cinco categorias de equipamentos que sustentam a capacidade computacional de um data center.
Seu projeto de referência atribui 35% da massa eletromecânica aos equipamentos de refrigeração. A distribuição de energia representa 34%, enquanto a energia de backup contribui com outros 15%. Servidores e aceleradores respondem por 13%, e os equipamentos de rede fornecem os 3% restantes.
Nessa divisão, 87% da infraestrutura física relevante fica fora da categoria de servidores. A BAN argumenta que as projeções anteriores sobre IA, portanto, omitiram a maior parte dos equipamentos associados a cada novo gigawatt de capacidade.
O relatório estima que um gigawatt de capacidade de data center exige aproximadamente 62.000 a 77.000 toneladas métricas de equipamentos eletromecânicos. Ele usa cerca de 70.000 toneladas por gigawatt como valor central.
Esse total inclui transformadores, equipamentos de comutação, fontes de alimentação ininterrupta, baterias, geradores, máquinas de refrigeração, dispositivos de rede, racks de servidores e processadores. A infraestrutura de armazenamento e backup também entra no limite mais amplo de contabilização.
Nem todo componente contém os mesmos materiais ou segue a mesma rota de descarte. Ainda assim, grande parte desses equipamentos se qualifica como equipamento elétrico ou eletrônico quando seu proprietário o descarta.
A distinção muda a questão ambiental. Contar apenas GPUs mede o componente que muda mais rapidamente e é mais visível. Contar a instalação pergunta como a demanda por IA remodela todo um sistema de hardware.
Uma nova geração de aceleradores pode exigir racks mais densos, diferente fornecimento de tensão, refrigeração líquida e estruturas de rede mais rápidas. Os equipamentos de suporte existentes podem continuar operacionais, mas deixar de se adequar ao novo projeto.
Essa condição é a obsolescência econômica, ou seja, quando o equipamento perde valor comercial antes de parar fisicamente de funcionar. Ela pode surgir quando a próxima arquitetura computacional exige sistemas de suporte incompatíveis.
A BAN aplica essa preocupação a grandes planos de expansão de data centers. Seu modelo conclui que a aposentadoria de equipamentos relacionados à IA pode atingir de 31 milhões a 46 milhões de toneladas anualmente até 2050.
Esses números fariam parte de uma projeção de 196 milhões a 211 milhões de toneladas de resíduos eletrônicos anuais totais. A BAN compara essa projeção com aproximadamente 67 milhões de toneladas geradas hoje.
A organização também estima que as aposentadorias cumulativas de equipamentos impulsionadas pela IA poderiam atingir centenas de milhões de toneladas entre 2025 e 2050. São resultados modelados, não fluxos de resíduos observados diretamente.
O escopo mais amplo do relatório é sua contribuição mais forte. Seus totais mais distantes exigem consideravelmente mais cautela porque pequenas mudanças na vida útil ou nas taxas de crescimento se acumulam ao longo de décadas.
Essa distinção deve permanecer visível em toda discussão sobre o relatório. A BAN identificou categorias ausentes com uma base física plausível. Ela não eliminou a incerteza sobre quando todos esses equipamentos se tornam resíduos.
Os 87% ausentes mudam a contabilização de custos dos data centers
A capacidade de IA não é apenas uma coleção de chips; é um sistema estreitamente acoplado, com custos materiais em todas as camadas.
O planejamento empresarial de IA frequentemente separa compras de computação da gestão de instalações. Os servidores entram em um orçamento, enquanto refrigeração, energia, baterias e atualizações de rede aparecem em outros.
Essa separação organizacional pode ocultar o impacto total de uma implantação. Uma equipe de compras pode calcular a depreciação de servidores sem relacioná-la a uma modernização de refrigeração desencadeada pela mesma instalação.
O padrão também afeta os cálculos de retorno sobre investimento. Um acelerador mais eficiente pode reduzir o custo de cargas de trabalho individuais, ao mesmo tempo que exige fornecimento de energia mais denso e nova infraestrutura de refrigeração.
Os ativos de refrigeração são especialmente importantes porque a remoção de calor muda com a densidade dos racks. Uma sala projetada para servidores corporativos de menor potência talvez não suporte sistemas de aceleradores densamente agrupados sem modificações extensas.
A distribuição de energia cria uma dependência semelhante. Instalações de maior densidade podem exigir novos equipamentos de comutação, transformadores, barramentos e sistemas de energia ininterrupta. Geradores de backup e baterias também podem precisar ser ampliados.
As redes introduzem outra pressão de renovação. Grandes clusters de IA usam conexões de alta largura de banda para mover dados entre aceleradores, armazenamento e outros servidores. Portanto, uma atualização de processador pode expor gargalos fora da bandeja de computação.
É por isso que o limite de contabilização da BAN merece atenção mesmo se suas previsões se mostrarem altas demais. A infraestrutura de suporte não é opcional, e seu custo ambiental não desaparece quando outro departamento é proprietário dela.
O problema vai além dos relatórios ambientais. Ignorar os equipamentos de suporte pode distorcer previsões de capital, exposição a seguros, orçamentos de descomissionamento e obrigações de fornecedores.
Uma empresa pode planejar a revenda de servidores, mas não ter uma rota de recuperação para unidades especializadas de refrigeração. Ela pode substituir baterias em outro cronograma sem relacionar essa rotatividade a decisões de capacidade de IA.
Os dados globais sobre resíduos eletrônicos oferecem uma referência importante. O mundo gerou 62 milhões de toneladas de resíduos eletrônicos em 2022, segundo a ITU e a UNITAR.
Apenas 22,3% foram documentados como formalmente coletados e reciclados por meio de sistemas ambientalmente adequados. A mesma avaliação projeta uma geração global de resíduos eletrônicos de 82 milhões de toneladas em 2030.
A infraestrutura de IA continuará sendo apenas uma parte desse fluxo mundial. Ainda assim, seus equipamentos exigem muitos materiais, são caros e estão concentrados em instalações onde as organizações podem rastreá-los mais efetivamente do que eletrônicos de consumo.
Essa concentração cria uma oportunidade. Operadores de data centers sabem onde a infraestrutura está instalada, quem a forneceu e quando ela entrou em operação. Eles podem vincular obrigações de recuperação antes que o equipamento chegue à aposentadoria.
Os CIOs podem começar vinculando cada expansão de capacidade a uma lista completa de ativos físicos. Esse registro deve abranger computação, armazenamento, redes, sistemas de energia, equipamentos de refrigeração, baterias, refrigerantes e materiais de supressão de incêndio.
O inventário também deve distinguir a propriedade. Provedores de nuvem, operadores de colocation, empresas, proprietários de imóveis e fornecedores de equipamentos podem controlar diferentes camadas dentro de uma mesma implantação.
Sem essa distinção, cada participante pode reportar apenas os ativos em seus próprios livros. Os fragmentos resultantes talvez nunca revelem a pegada material do serviço completo de IA.
As organizações também precisam de uma definição compartilhada de aposentadoria. Remover equipamentos de um cluster primário não significa necessariamente descartá-los.
Um servidor poderia passar do treinamento para a inferência, depois para o processamento em lote ou para um mercado secundário. Equipamentos de rede poderiam sustentar um ambiente de menor demanda. Componentes também poderiam ser reaproveitados como peças sobressalentes.
Por outro lado, um sistema de refrigeração pode ficar inutilizado quando uma nova arquitetura de rack o torna incompatível. Ele pode sair de operação mesmo que suas peças mecânicas permaneçam funcionais.
Os registros de ciclo de vida devem capturar esses caminhos. As equipes de engenharia podem preservar decisões de compra, mudanças de configuração e evidências de reutilização em uma base de conhecimento pesquisável.
Registros melhores não resolverão todas as questões ambientais. Eles mostrarão se um ativo foi reutilizado, armazenado, revendido, reciclado, exportado ou descartado.
Essa evidência é essencial porque o argumento agora se concentra na vida útil dos equipamentos. A BAN pressupõe uma rotatividade mais rápida do que vários hyperscalers reportam em sua contabilidade financeira.
A vida útil dos equipamentos é o elo mais fraco da previsão
A BAN estabelece um limite mais amplo para o hardware, mas seus maiores totais dependem da rapidez com que ativos utilizáveis se tornam resíduos.
A BAN atribui aos aceleradores, servidores e racks uma vida útil de 2,5 anos em partes importantes de seu modelo. Ela também usa uma vida útil de cinco anos para equipamentos de refrigeração e de oito anos para infraestrutura de distribuição de energia.
Essas premissas produzem rápidas ondas de substituição à medida que a capacidade dos data centers cresce. Combinadas a uma taxa anual de crescimento de capacidade de 8,8%, elas impulsionam os maiores totais de longo prazo do relatório.
A análise do setor que acompanha o relatório apresenta várias objeções. Analistas aceitam amplamente a necessidade de uma contabilização mais ampla, mas questionam a conversão de massa instalada em resíduos descartados.
Frank Dickson, da Dickson Research, considerou a estimativa de 70.000 toneladas por gigawatt direcionalmente crível. Ele considerou menos defensável a afirmação de haver 40 a 60 vezes mais resíduos.
Essa diferença reflete dois cálculos separados. Estimar a massa instalada em uma instalação não é o mesmo que estimar o ano em que cada componente se torna resíduo.
Os cronogramas de lançamento de aceleradores oferecem uma referência imperfeita para a vida útil. A Nvidia pode introduzir uma arquitetura mais rápida sem tornar economicamente inútil todo processador anterior.
O Google Cloud continuou listando instâncias V100 anos depois de a Nvidia introduzir esse acelerador em 2017. A AWS também continuou oferecendo sistemas baseados no A100, lançado em 2020, durante 2026.
Esses exemplos não estabelecem uma vida útil para todo o setor. Eles mostram que a substituição na fronteira tecnológica e a aposentadoria final são eventos diferentes.
O hardware mais antigo pode descer na hierarquia de cargas de trabalho. Clusters de treinamento podem exigir os aceleradores mais novos, enquanto inferência, testes, pesquisa ou processamento em lote podem tolerar sistemas mais antigos.
Os relatórios financeiros reforçam essa possibilidade. A contabilização de equipamentos da Microsoft em 2025 colocou equipamentos de informática dentro de uma faixa estimada de vida útil de dois a seis anos.
A Meta reportou a extensão da vida útil estimada da maioria dos servidores e ativos de rede para 5,5 anos a partir de janeiro de 2025. Essas vidas úteis contábeis não medem diretamente o uso físico, a reutilização ou o descarte.
Ainda assim, elas entram em conflito com uma suposição universal de aposentadoria após 2,5 anos. Os hyperscalers têm incentivos financeiros para manter infraestruturas caras produtivas por períodos mais longos.
A BAN argumenta que os equipamentos de IA enfrentam uma pressão incomum de substituição. A eficiência dos aceleradores pode alterar a economia operacional, enquanto novos sistemas podem exigir projetos diferentes de energia, resfriamento e rede.
Ambas as posições podem ser verdadeiras. O equipamento pode continuar útil em princípio, mas tornar-se pouco atraente dentro de uma instalação específica.
A variável decisiva é o que acontece após a remoção. A realocação estende a vida útil. A revenda transfere essa vida para outro proprietário. O armazenamento adia uma decisão sem proporcionar uso produtivo.
A reciclagem também não equivale à reutilização. Ela pode recuperar metais selecionados, mas normalmente destrói grande parte do valor incorporado à fabricação.
Um estudo sobre resíduos de servidores de 2024 estimou que a IA generativa poderia produzir entre 1,2 milhão e 5 milhões de toneladas de lixo eletrônico acumulado entre 2020 e 2030. Seu foco recaiu em grande medida sobre servidores de IA e componentes relacionados.
A mesma pesquisa constatou que estratégias circulares poderiam reduzir os resíduos modelados entre 16% e 86%. Essas estratégias incluíam estender a vida útil, reutilizar hardware e melhorar a recuperação de materiais.
Uma recalibração posterior, de 2026 estimou resíduos anuais de servidores de IA entre 131.000 e 224.800 toneladas até 2030. Esse estudo utilizou a capacidade de produção de chips e premissas mais conservadoras de vida útil.
A BAN e o estudo de 2026 não estão medindo sistemas idênticos. Um contabiliza grande parte da infraestrutura de suporte, enquanto o outro se concentra em servidores.
A discordância entre eles ainda expõe um grande problema de dados. Pesquisadores não dispõem de informações públicas completas sobre equipamentos de IA instalados, utilização real, momento de upgrades, implantação secundária e destinação final.
Portanto, a comparação de 40 a 60 vezes pode induzir ao erro quando apresentada sem escopo. Grande parte da diferença vem da contagem de categorias adicionais, e não da descoberta de que os inventários existentes de servidores eram dezenas de vezes maiores.
O restante decorre de suposições sobre crescimento e renovação. Essas suposições se tornam cada vez mais influentes quanto mais distante está o horizonte futuro.
Os números da BAN para 2050 devem ser lidos como cenários que mostram o que produziria um sistema de rápida expansão e rápida aposentadoria. Eles não são uma previsão medida com um intervalo de confiança estreito.
Essa limitação não invalida o alerta central. Ela define as evidências necessárias para testá-lo.
O Hardware Aposentado Não É Automaticamente Lixo Eletrônico
O erro central de política e contabilidade é tratar remoção, obsolescência e descarte como o mesmo evento.
O equipamento pode deixar um cluster de alto desempenho por diversas rotas. Cada rota tem um resultado econômico e ambiental diferente.
A realocação mantém o ativo dentro da mesma organização. Um servidor de treinamento pode dar suporte a inferência, simulação, desenvolvimento ou pesquisa interna após deixar um cluster de ponta.
A revenda transfere o equipamento para outro operador. O novo proprietário pode usá-lo para hospedagem, computação científica, renderização ou cargas de trabalho menores de IA.
O aproveitamento de peças preserva componentes selecionados. Memória, armazenamento, fontes de alimentação, adaptadores de rede, ventoinhas e processadores podem apoiar reparos ou sistemas recondicionados.
A reciclagem formal extrai materiais quando a reutilização produtiva deixa de ser prática. A qualidade da recuperação varia, especialmente em eletrônicos complexos e montagens especializadas.
O descarte encerra a vida produtiva do equipamento sem recuperação significativa. O processamento informal também pode expor trabalhadores e comunidades a substâncias perigosas.
Essas rotas não deveriam compartilhar um único rótulo. Combiná-las pode exagerar os resíduos em uma análise e ocultar o descarte prejudicial em outra.
O relatório da Basel Action Network usa a aposentadoria de equipamentos como base para modelar resíduos futuros. Essa abordagem captura ativos que deixam suas funções originais, mas não pode garantir seu destino posterior.
Um hyperscaler pode remover um servidor GPU após três anos e operá-lo em outro lugar por mais três. Outra empresa pode manter hardware semelhante armazenado porque a revenda ou a sanitização parecem difíceis demais.
O segundo ativo tecnicamente continua sendo propriedade da empresa, mas seu valor prático talvez já esteja perdido. O primeiro deixou sua instalação original sem se tornar resíduo.
A segurança de dados complica a reutilização. Dispositivos de armazenamento podem conter informações sensíveis, enquanto firmware e sistemas de gestão podem reter credenciais ou dados de configuração.
Às vezes, as organizações destroem equipamentos utilizáveis quando não conseguem verificar a sanitização. Procedimentos claros de apagamento e cadeias de custódia auditáveis podem tornar a reutilização mais viável.
O projeto também afeta a recuperação. Montagens proprietárias, sistemas integrados de resfriamento e firmware restrito podem reduzir as opções de reparo. Hardware modular pode permitir upgrades seletivos em vez da substituição de racks completos.
Os contratos com fornecedores importam pelo mesmo motivo. Cláusulas de recompra, devolução, recondicionamento e recuperação de componentes determinam se um plano de aposentadoria existe antes mesmo da chegada do equipamento.
Por isso, CIOs devem solicitar dados de destinação no nível do ativo. Campos úteis incluem data de instalação, carga de trabalho principal, data de remoção, motivo da remoção, valor residual, destino e certificado de recuperação.
As equipes de instalações precisam de registros comparáveis para transformadores, equipamentos de resfriamento, baterias, geradores e aparelhagem de manobra. Esses sistemas frequentemente têm proprietários e prestadores de serviço diferentes.
Os contratos de compras devem distinguir falha funcional de incompatibilidade arquitetônica. Essa diferença revela se a renovação reflete desgaste, limites de capacidade, economia de eficiência ou um novo projeto de instalação.
Essas evidências melhorariam os relatórios ambientais e as decisões de investimento. Também mostrariam se a infraestrutura de IA está criando ciclos de vida mais curtos do que os sistemas convencionais de data centers.
O limite dos relatórios deve se estender ao uso secundário. Um programa de devolução ao fornecedor não comprova reutilização ou reciclagem responsável, a menos que o fornecedor informe o resultado posterior.
As exportações exigem escrutínio semelhante. Mover equipamentos aposentados entre fronteiras pode apoiar a reutilização legítima, mas também pode transferir riscos de descarte para ambientes regulatórios mais fracos.
A Convenção de Basileia regula os movimentos internacionais de resíduos perigosos. A fiscalização torna-se difícil quando carregamentos são descritos como produtos reutilizáveis apesar de terem pouco valor restante.
Essas questões tornam o lixo eletrônico de IA um tema de governança, e não apenas um problema de reciclagem. Decisões tomadas durante a arquitetura e as compras determinam muitas opções disponíveis anos depois.
Uma empresa não pode recuperar componentes modulares se comprou um sistema fortemente integrado. Ela não pode documentar a reutilização se os registros de ativos desaparecem entre instalações, finanças e equipes de sustentabilidade.
O modelo mais amplo da BAN pressiona os CIOs a conectar essas funções. Mesmo uma estimativa menor de resíduos ainda exige evidências sobre o que aconteceu com a infraestrutura ao redor de cada servidor aposentado.
Três Sinais Testarão a Estimativa de Lixo Eletrônico de IA
As próximas evidências úteis virão de divulgações sobre ciclo de vida, uso secundário e mudanças mensuráveis na infraestrutura de suporte.
O primeiro sinal é se os grandes operadores publicam dados de ciclo de vida no nível do ativo para equipamentos de IA. Os relatórios atuais de sustentabilidade geralmente fornecem totais de energia, água, emissões ou resíduos amplos.
Uma divulgação mais útil separaria aceleradores, servidores, armazenamento, redes, baterias, sistemas de resfriamento e equipamentos de energia. Ela também informaria a vida útil mediana e a destinação final.
Essas informações testariam diretamente as suposições da BAN sobre aposentadoria. Vidas úteis próximas de 2,5 anos, com reutilização limitada, reforçariam o alerta de curto prazo do relatório.
Períodos operacionais mais longos, com realocação documentada, enfraqueceriam suas projeções mais elevadas. A depreciação contábil, por si só, não responderá à questão porque não revela a destinação física.
O segundo sinal é o crescimento de mercados secundários confiáveis para aceleradores de IA e sistemas relacionados. A disponibilidade contínua na nuvem de processadores mais antigos já sugere que gerações anteriores retêm valor.
No entanto, ofertas isoladas não estabelecem quanto hardware migra para cargas de trabalho de segunda vida. Os operadores precisam de dados sobre volume, utilização e destino.
Um mercado secundário funcional separaria a obsolescência de ponta dos resíduos físicos. Ele também daria às empresas uma premissa de valor residual fundamentada em transações.
Uma demanda fraca por revenda reforçaria a preocupação da BAN com a obsolescência econômica. Novos requisitos de energia, resfriamento e rede poderiam deixar equipamentos encalhados mesmo quando seus processadores permanecem funcionais.
O terceiro sinal é a frequência de substituição dos sistemas de suporte durante upgrades de IA. Esta é a parte menos visível do debate atual e a adição mais importante no modelo da BAN.
Se novas implantações de aceleradores desencadearem repetidamente a substituição de resfriamento, distribuição de energia, baterias e infraestruturas de rede, os estudos focados apenas em servidores continuarão incompletos.
Se os operadores adaptarem a infraestrutura existente por meio de adições modulares, a massa instalada mais ampla não se converterá em resíduos igualmente rápidos. Esse resultado reduziria a renovação modelada pela BAN.
Os CIOs não devem esperar uma previsão global perfeita antes de agir. Eles já podem exigir planos de ciclo de vida para cada grande compra de capacidade de IA.
Um plano prático deve identificar a vida útil esperada, cargas de trabalho de menor categoria, componentes atualizáveis, canais de revenda, obrigações de devolução e rotas verificadas de reciclagem. Ele deve incluir a instalação de suporte, não apenas o hardware de computação.
Os líderes também devem comparar cenários de substituição antes de aprovar uma arquitetura. Um sistema com custos operacionais menores pode gerar um retorno total inferior se tornar infraestrutura recente obsoleta.
A decisão deve considerar o valor residual e as despesas de descomissionamento. Também deve identificar qual parte arca com esses custos em acordos de nuvem, colocation e serviços gerenciados.
A estimativa de lixo eletrônico de IA da Basel Action Network não deve ser tratada como uma previsão consolidada. Sua correção de escopo é mais persuasiva do que seus totais mais distantes.
Ainda assim, o relatório altera o ônus da prova. As organizações já não podem supor que medir servidores captura as consequências materiais da expansão da IA.
A próxima pergunta para toda proposta de infraestrutura de IA deve ser concreta: quando esta arquitetura mudar, para onde irão seus servidores, redes, baterias, sistemas de resfriamento e equipamentos de energia?
