Relatórios de Energia de Data Centers da onsemi Contestam Moratórias Gerais
A onsemi quer que os operadores de data centers revelem com que eficiência convertem eletricidade da rede em computação de IA, apesar do crescente apoio político a moratórias de construção. O CEO Hassane El-Khoury defende que as comunidades precisam de dados operacionais comparáveis antes de decidir se uma instalação proposta desperdiça energia ou merece aprovação.
A proposta surge num conflito entre duas medições simplistas. Os promotores anunciam instalações pela sua capacidade elétrica, muitas vezes em centenas de megawatts ou até gigawatts. Os residentes vivenciam os projetos por meio das contas de eletricidade, da procura de água, do ruído, do uso do solo e de novas infraestruturas energéticas.
Nova Iorque optou por uma pausa temporária para novas instalações de hiperescala enquanto desenvolve normas mais rigorosas. El-Khoury considera as restrições generalizadas míopes. A sua alternativa, a divulgação de energia de data centers da onsemi, avaliaria as instalações pela produção computacional útil em relação à energia retirada da rede.
Isso parece mais preciso do que aprovar ou rejeitar projetos apenas com base na dimensão. Também levanta questões difíceis. As cargas de trabalho de IA variam, a computação útil não tem uma unidade universal e a empresa que propõe a métrica vende os chips de potência necessários para a melhorar.
A onsemi Quer Divulgações de Eficiência, Não Proibições Gerais
A mudança imediata é o apelo da onsemi por uma norma pública de eficiência que vá além da capacidade elétrica anunciada de uma instalação.
El-Khoury apresentou o argumento durante uma visita à unidade de fabrico da onsemi em East Fishkill, Nova Iorque. De acordo com o relatório original sobre divulgação energética, afirmou que os governos deveriam exigir informações sobre desperdício de energia em vez de rejeitar a infraestrutura de IA como categoria.
A distinção importa porque a capacidade anunciada de um projeto diz pouco sobre o que acontece depois de a eletricidade chegar à propriedade. Um campus proposto de um gigawatt informa os reguladores sobre a quantidade de energia que o empreendimento espera consumir à escala máxima. Não revela quanta eletricidade chega, em última instância, aos processadores, à memória, aos equipamentos de rede e ao armazenamento.
Várias etapas de conversão situam-se entre a ligação à rede e um chip de IA. Cada etapa altera a tensão, converte corrente alternada em corrente contínua ou distribui energia por racks e placas. Nenhuma conversão é perfeita, por isso parte da energia transforma-se em calor.
Esse calor cria outra carga. Os equipamentos de arrefecimento consomem eletricidade adicional, enquanto alguns projetos de arrefecimento também exigem quantidades substanciais de água. Uma perda no sistema elétrico pode, portanto, gerar um segundo custo operacional quando o sistema de arrefecimento remove o calor resultante.
El-Khoury quer que os decisores políticos comparem o consumo bruto de eletricidade com a computação útil fornecida por uma instalação. Em princípio, isso recompensaria operadores que produzem mais trabalho de IA com a mesma ligação à rede.
A proposta desloca o debate da escala para o desempenho. Uma grande instalação com fornecimento eficiente de energia, servidores otimizados e elevada utilização dos equipamentos pode superar uma instalação menor, mas mal aproveitada. A capacidade, por si só, não revelaria essa diferença.
As métricas atuais do setor resolvem o problema apenas parcialmente. A eficácia do uso de energia, ou PUE, compara o consumo total de eletricidade de uma instalação com a eletricidade utilizada pelos seus equipamentos de tecnologia da informação. Um PUE mais próximo de 1,0 indica que menos energia sustenta o arrefecimento, a iluminação e outros consumos indiretos.
O PUE não mede se os processadores estão a realizar trabalho valioso. Um edifício cheio de servidores inativos pode registar um PUE atrativo porque quase toda a sua eletricidade chega aos equipamentos de TI. A métrica não informa o público sobre a eficácia com que esse equipamento conclui tarefas de treino ou inferência de IA.
A proposta de El-Khoury vai, portanto, além da eficiência habitual de uma instalação. Pede aos operadores que liguem a procura da rede à produção computacional. É um objetivo mais revelador, mas também muito mais difícil de normalizar.
O momento reflete a posição comercial da onsemi. A empresa fornece semicondutores de potência que atuam como interruptores elétricos rápidos em data centers, veículos e sistemas industriais. Uma melhor conversão pode reduzir perdas elétricas em toda a chamada árvore de potência, a cadeia que transporta eletricidade desde a ligação de uma instalação até aos chips individuais.
A onsemi também tem interesse direto em convencer os governos de que um hardware melhor pode aliviar parte do problema energético. Uma divulgação mais rigorosa daria maior visibilidade a componentes de potência eficientes durante decisões de aquisição e licenciamento.
Esse interesse não invalida a proposta. Significa que os decisores políticos devem separar a ideia útil de divulgação da medição ou tecnologia preferida de qualquer fornecedor específico.
Porque a Divulgação de Energia dos Data Centers de IA Se Está a Tornar Urgente
A pressão resulta de uma lacuna crescente entre a velocidade da construção para IA e a qualidade da informação pública sobre os seus custos locais.
Os data centers dos EUA consumiram cerca de 176 terawatts-hora de eletricidade em 2023, ou aproximadamente 4,4% do consumo nacional de eletricidade. Um estudo federal sobre a procura de energia projetou que a sua participação poderia atingir entre 6,7% e 12% até 2028.
O intervalo amplo é importante. Mostra que nem mesmo os investigadores nacionais conseguem reduzir a procura futura a um único número fiável. As remessas de hardware, a adoção de IA, a utilização dos servidores, os sistemas de arrefecimento e as práticas operacionais podem alterar o resultado.
As comunidades ainda precisam de tomar decisões antes que essa incerteza desapareça. As empresas de serviços públicos precisam de planos de geração, transmissão e subestações anos antes de um grande cliente começar a operar. Os reguladores devem decidir quem paga pelas melhorias se a procura projetada mudar ou se um campus planeado nunca atingir a capacidade total.
Os residentes enfrentam uma desvantagem informativa durante esse processo. Os contratos entre empresas de serviços públicos e grandes clientes podem conter termos confidenciais. Os anúncios de projetos enfatizam investimento, empregos e capacidade máxima, enquanto os dados operacionais muitas vezes chegam mais tarde ou permanecem agregados.
O governo federal começou a abordar a lacuna de medição. Em março de 2026, a Administração de Informação Energética dos EUA lançou três estudos-piloto voluntários abrangendo o Texas, o estado de Washington, a Virgínia do Norte e Washington, DC.
A agência identificou 196 empresas que operam data centers nessas regiões. O seu inquérito-piloto sobre energia pergunta às empresas participantes sobre utilização de eletricidade, fontes de energia, características dos locais, servidores e sistemas de arrefecimento.
Essas categorias são mais amplas do que um único rácio de eficiência. Podem ajudar os investigadores a distinguir a procura computacional da infraestrutura de apoio e a identificar diferenças entre instalações.
No entanto, os pilotos pedem a cada empresa participante que reporte informações para pelo menos uma instalação. Ainda não criam um inventário nacional completo. A participação voluntária também deixa o governo dependente da cooperação do setor.
A EIA indicou que planeia desenvolver um inquérito obrigatório após concluir os pilotos. Esse esforço daria aos decisores políticos uma base mais sólida para avaliar a divulgação de energia dos data centers da onsemi ou outro enquadramento normalizado.
O debate sobre os relatórios também se tornou uma questão de acessibilidade para os agregados familiares. Grandes instalações podem exigir novas centrais elétricas, linhas de transmissão, subestações e sistemas de reserva. A questão de saber se os clientes comuns absorvem esses custos depende da estrutura tarifária das empresas de serviços públicos, dos contratos, da regulação estatal e da precisão das previsões de procura.
A divulgação de eficiência não pode resolver todos os conflitos sobre repartição de custos. Pode tornar essas disputas mais concretas. Os reguladores poderiam comparar o consumo projetado com a operação medida, analisar a procura de pico e determinar se a eficiência prometida se concretizou.
Os promotores também enfrentariam pressão para definir as suas alegações. “Eficiente” precisaria de um denominador, de um período de reporte e de um limite consistente em torno da instalação. Sem esses detalhes, o termo continua a ser uma descrição de marketing, em vez de um resultado auditável.
Para trabalhadores do conhecimento que acompanham compromissos de infraestrutura em rápida mudança, uma base de conhecimento de IA pesquisável pode ajudar a ligar licenças, processos de empresas de serviços públicos, declarações empresariais e divulgações operacionais posteriores. O desafio não é encontrar um único número. É preservar contexto suficiente para comparar promessas com desempenho.
Nova Iorque Escolheu uma Pausa Enquanto a onsemi Defende a Medição
O conflito central é transparência direcionada versus limites de precaução, e não fabricantes de chips versus proteção ambiental.
Nova Iorque tornou o conflito concreto em julho de 2026. A governadora Kathy Hochul impôs uma moratória temporária em todo o estado sobre novos data centers de hiperescala enquanto as autoridades desenvolvem normas ambientais e comunitárias mais robustas.
A política suspende novas instalações acima do limiar estadual, em vez de esperar que os operadores comprovem a sua eficiência após a construção. O anúncio da moratória de Nova Iorque enquadrou a medida como proteção contra contas de eletricidade mais elevadas, pressão sobre a água, ruído, emissões e tensão na rede.
As autoridades estaduais também citaram quase 12 gigawatts de pedidos de carga de data centers na fila de interligação de Nova Iorque em maio de 2026. Mais de oito gigawatts terão entrado na fila durante 2025.
Um pedido de interligação não é o mesmo que uma instalação em funcionamento. Alguns projetos propostos alteram a dimensão, mudam de local ou nunca recebem aprovação de construção. Ainda assim, as empresas de serviços públicos têm de investigar pedidos credíveis porque até uma fração dessa procura pode afetar o planeamento de longo prazo.
A moratória dá ao estado tempo para criar regras antes de aprovar outra vaga de grandes cargas. A sua lógica é precautória. Quando a informação é incompleta e o custo potencial é elevado, uma pausa limita a exposição enquanto os reguladores constroem um enquadramento.
A crítica de El-Khoury visa a amplitude dessa resposta. Defende que os decisores políticos devem identificar o dano específico que querem evitar e medi-lo diretamente. Uma instalação não deve ser considerada inaceitável apenas porque apoia IA ou consome eletricidade substancial.
Esse argumento tem força prática. Uma pausa geral trata de forma semelhante operadores com tecnologias, contratos energéticos, métodos de arrefecimento e acordos comunitários diferentes. Também pode direcionar investimento para estados vizinhos sem melhorar a eficiência energética nacional.
O contra-argumento é igualmente prático. As normas de eficiência não protegem automaticamente os residentes contra custos de infraestrutura, poluição local, conflitos de uso do solo ou captação de água. Uma instalação pode ter bom desempenho em produção computacional por quilowatt-hora e ainda assim criar encargos locais inaceitáveis.
A abordagem de Nova Iorque também reconhece um problema de fiscalização. Um nível de eficiência prometido oferece proteção limitada, a menos que os reguladores possam inspecionar dados operacionais, verificar cálculos e impor consequências pelo desempenho insuficiente.
A política mais robusta poderá eventualmente combinar ambas as abordagens. Os governos podem exigir revisão ambiental e proteções de custos antes da construção e, em seguida, exigir divulgação operacional normalizada após uma instalação entrar em funcionamento.
Sob esse modelo, a divulgação de dados não substituiria o licenciamento. Ela criaria um ciclo de feedback. Os resultados medidos em instalações em operação melhorariam previsões futuras, processos tarifários, licenças e acordos comunitários.
É nesse ponto que a divulgação de dados energéticos de data centers da onsemi se torna mais do que um argumento corporativo. Se padronizada de forma independente, ela poderia ajudar reguladores a diferenciar projetos eficientes de instalações que consomem capacidade reservada sem gerar o valor econômico prometido.
Também revelaria se uma moratória aborda a unidade correta de risco. Os estados podem descobrir que o cronograma da rede elétrica, a geração local, a água para resfriamento ou as garantias de custo ao consumidor importam mais do que a capacidade nominal de uma instalação isoladamente.
A Parte Difícil É Definir Computação de IA Útil
Um padrão de computação por energia é atraente porque parece objetivo, mas as cargas de trabalho de IA resistem a comparações simples.
O treinamento e a inferência de IA desempenham funções diferentes. O treinamento constrói ou atualiza um modelo usando grandes conjuntos de dados e operações matemáticas repetidas. A inferência usa um modelo treinado para responder a um prompt, classificar informações, gerar mídia ou executar outra ação.
Mesmo dentro da inferência, uma saída pode diferir significativamente de outra. Uma solicitação curta de classificação utiliza recursos diferentes de uma longa sessão de raciocínio. Texto, imagens, áudio e vídeo também impõem diferentes exigências de computação e memória.
Portanto, contar tarefas criaria comparações distorcidas. Um operador poderia parecer mais eficiente ao processar muitas solicitações simples em vez de um número menor de solicitações mais exigentes.
Contar tokens, uma unidade comum para partes de texto processadas por um modelo, não resolveria totalmente a questão. As arquiteturas de modelos lidam com tokens de formas diferentes. Janelas de contexto mais longas aumentam o tráfego de memória, enquanto sistemas de raciocínio podem realizar computação interna que não aparece na resposta final.
Benchmarks de desempenho de chips oferecem outra opção. Reguladores poderiam comparar cargas de trabalho padronizadas concluídas por unidade de energia. Os benchmarks facilitam a avaliação de configurações de hardware em condições controladas.
Ainda assim, um benchmark não é um registro operacional. Instalações reais executam cargas de trabalho mistas, enfrentam mudanças na utilização e reservam capacidade excedente para picos de tráfego ou falhas. Um sistema otimizado para um benchmark pode ter desempenho diferente sob a demanda dos clientes.
A utilização cria outra complicação. Um servidor eficiente que permanece ocioso durante a maior parte do dia pode desperdiçar mais energia total do que um servidor menos eficiente, mas mantido ocupado de forma consistente. A divulgação das instalações deve, portanto, incluir tanto o desempenho dos componentes quanto o uso operacional.
O limite da medição também importa. Uma empresa pode informar a energia consumida dentro do data center, excluindo a eletricidade usada por geração próxima, infraestrutura de rede ou tratamento de água. Outro operador pode incluir esses sistemas.
O tempo também altera o resultado. A geração renovável pode variar a cada hora, e as redes regionais dependem de recursos diferentes durante os períodos de pico. Médias anuais podem ocultar se uma instalação adiciona demanda nas horas de maior restrição.
Uma estrutura confiável precisa de várias medidas complementares, em vez de uma única pontuação. Elas poderiam incluir consumo total de eletricidade, carga de pico, energia de TI, energia de resfriamento, utilização dos servidores, cargas de trabalho padronizadas concluídas, uso de água e intensidade de carbono por período de divulgação.
A União Europeia oferece um precedente relevante. Sua Diretiva de Eficiência Energética estabeleceu obrigações de divulgação para data centers qualificados, enquanto a Comissão Europeia trabalha em um sistema comum de classificação de sustentabilidade. A estrutura para data centers da UE coleta informações antes que os formuladores de políticas definam um método final de classificação.
Essa sequência é instrutiva. Os governos podem primeiro exigir dados brutos consistentes, examinar o que as informações revelam e então decidir quais métricas compostas merecem peso regulatório.
Os Estados Unidos poderiam seguir um caminho semelhante por meio do trabalho de pesquisa da EIA. A confidencialidade no nível das instalações ainda exigiria tratamento cuidadoso, especialmente quando os dados operacionais revelam atividade de clientes ou capacidade comercialmente sensível.
Relatórios públicos podem exigir agregação ou divulgação posterior. Reguladores, contudo, poderiam receber informações mais detalhadas sob proteções de confidencialidade. Auditores independentes poderiam verificar os cálculos sem expor as cargas de trabalho dos clientes.
O processo de definição de padrões deveria incluir operadores, concessionárias, empresas de semicondutores, grupos comunitários, pesquisadores de eficiência e especialistas independentes em medição. A onsemi pode contribuir com conhecimento técnico, mas não deveria controlar o denominador que determina se seus clientes parecem eficientes.
Chips de Energia Eficientes Ajudam, mas Não Encerram o Debate
A tecnologia da onsemi aborda perdas elétricas reais, embora ganhos no nível dos chips não possam responder a todas as objeções das comunidades.
A distribuição de energia em data centers envolve conversões repetidas. A eletricidade pode chegar como corrente alternada de alta tensão, passar por transformadores e equipamentos de manobra, seguir para distribuição em corrente contínua e sofrer nova redução de tensão antes de chegar aos processadores.
Semicondutores de potência controlam essas transições. Dispositivos de carbeto de silício e nitreto de gálio podem operar em altas tensões, altas frequências de comutação ou temperaturas elevadas em aplicações selecionadas. Suas características podem reduzir o tamanho de alguns componentes e melhorar a eficiência de conversão.
A onsemi tem promovido transformadores de estado sólido para futuras instalações de IA. Um transformador de estado sólido usa eletrônica de potência para conversão e controle de tensão, substituindo algumas funções desempenhadas por transformadores eletromagnéticos convencionais.
A empresa afirma que arquiteturas de corrente contínua com tensão mais alta podem reduzir as etapas de conversão. Seu plano de conversão de energia descreve uma mudança da indústria rumo à distribuição de 800 volts mais adiante na década.
Eliminar uma etapa de conversão pode evitar parte da perda de energia que, de outra forma, se transformaria em calor. Uma tensão de distribuição mais alta também pode reduzir a corrente para o mesmo nível de potência, o que pode diminuir perdas resistivas e exigências de condutores.
Esses ganhos se tornam valiosos na escala da IA. Um ponto percentual de eficiência em um campus muito grande representa demanda significativa de eletricidade e resfriamento. O benefício pode continuar durante toda a vida operacional da instalação.
A onsemi tem fortes razões comerciais para enfatizar esse mecanismo. Em seus resultados do segundo trimestre de 2026, a empresa descreveu os data centers de IA como seu negócio de crescimento mais rápido e afirmou que a receita relacionada deve mais que dobrar durante o ano.
A empresa informou receita trimestral total de US$ 1,604 bilhão, alta de 9% em relação ao ano anterior. Também destacou um papel mais amplo no ecossistema MGX da Nvidia, uma plataforma modular de servidores usada por integradores de sistemas.
Seus resultados trimestrais mostram por que a proposta de divulgação importa estrategicamente. Se os operadores precisarem documentar perdas de conversão, a compra de hardware de potência eficiente se torna mais fácil de justificar.
Isso não torna o hardware desnecessário. Significa que os leitores devem reconhecer tanto o valor de engenharia quanto o incentivo por trás do argumento de política pública.
A conversão de energia também representa apenas uma camada da eficiência de um data center. Design de processadores, movimentação de memória, redes, resfriamento, agendamento de software, arquitetura de modelos e utilização podem consumir ou economizar mais energia em outras partes do sistema.
Uma árvore de energia mais eficiente pode até contribuir para um efeito rebote. O menor uso de energia por computação reduz o custo de executar IA, o que pode incentivar clientes a solicitar mais computação. A demanda total de eletricidade pode aumentar mesmo que cada tarefa se torne mais eficiente.
Esse efeito não elimina as economias. Ele impede que formuladores de políticas tratem a eficiência de componentes como uma redução garantida no consumo absoluto.
Desenvolvedores de data centers também precisam gerenciar quando consomem energia. Um campus altamente eficiente que atinge a demanda de pico durante uma emergência na rede pode criar mais estresse no sistema do que uma instalação flexível que reduz cargas de trabalho durante horas de restrição.
A divulgação deve, portanto, capturar a flexibilidade da demanda. Os operadores podem deslocar algumas tarefas de treinamento, usar energia armazenada, ajustar o resfriamento ou agendar trabalho não urgente quando a eletricidade está mais disponível. Nem toda carga de trabalho de inferência pode esperar, mas muitas tarefas computacionais têm flexibilidade de agendamento.
O valor público da divulgação está em revelar essas diferenças. Reguladores poderiam identificar instalações que apenas compram componentes eficientes e aquelas que coordenam hardware, software e demanda da rede de forma eficaz.
O Que a Divulgação de Dados Energéticos de Data Centers da onsemi Precisa Comprovar em Seguida
A proposta só terá importância se regras independentes transformarem um conceito atraente de eficiência em evidências comparáveis e aplicáveis.
O primeiro sinal a observar é a transição da EIA de projetos-piloto voluntários para uma pesquisa nacional obrigatória. O piloto já abrange fontes de energia, consumo de eletricidade, características dos servidores e sistemas de resfriamento.
Uma pesquisa obrigatória estabeleceria uma base factual comum. Se incluir medidas operacionais suficientemente detalhadas, reforçaria o argumento a favor de uma regulação baseada em desempenho. Uma pesquisa limitada ou fortemente agregada deixaria autoridades locais buscando outras evidências.
O segundo sinal é o plano de Nova York para regras após sua moratória temporária. As autoridades precisam decidir quais instalações podem avançar, quem paga pelas melhorias na rede, como os efeitos ambientais são avaliados e o que os operadores devem divulgar.
Se Nova York adotar limites mensuráveis de desempenho ao lado de proteções comunitárias, reduzirá a distância entre a proposta de El-Khoury e a abordagem cautelosa do estado. Se depender principalmente do tamanho dos projetos, o conflito permanecerá.
O terceiro sinal é se operadores de hiperescala publicam dados comparáveis de eficiência computacional. Divulgações sobre eletricidade e água estão se tornando mais comuns, mas a produção útil de IA continua difícil de comparar entre empresas.
Uma resposta confiável da indústria usaria definições comuns de cargas de trabalho, divulgaria os limites de medição, informaria a utilização e aceitaria verificação independente. Estudos de caso seletivos enfraqueceriam o argumento de que a transparência voluntária pode substituir limites mais rigorosos.
Os leitores também devem observar a diferença entre capacidade planejada e capacidade em operação. Gigawatts anunciados atraem atenção, mas a demanda real da rede depende de cronogramas de construção, entrega de equipamentos, demanda dos clientes e utilização das instalações.
A eficiência informada deve ser acompanhada ao longo do tempo, em vez de celebrada no lançamento. Os primeiros meses de uma instalação podem parecer diferentes da operação estável. Atualizações de hardware, mudanças nas cargas de trabalho e maior ocupação podem alterar o desempenho.
As comunidades merecem mais do que uma única pontuação corporativa. Elas precisam de informações suficientes para responder a questões práticas sobre contas, água, ruído, emissões, confiabilidade e benefícios locais.
Os desenvolvedores também precisam de padrões previsíveis. Uma estrutura transparente pode reduzir a incerteza política ao definir as evidências necessárias para aprovação e operação contínua.
A intervenção da onsemi expõe uma fraqueza real no debate atual. Megawatts descrevem o tamanho de uma conexão elétrica, não a qualidade ou o valor público da computação por trás dela.
A solução proposta permanece incompleta. A produção computacional é difícil de normalizar, a eficiência pode aumentar a demanda total, e melhores chips de energia não resolvem todos os impactos locais.
Ainda assim, medição e precaução não precisam ser políticas opostas. Os governos podem proteger as comunidades antes da construção enquanto exigem que os operadores comprovem o desempenho posteriormente.
O próximo teste será verificar se os relatórios de energia para data centers da onsemi se tornarão um padrão com governança independente ou permanecerão um argumento de um fornecedor que tem a ganhar com isso. Leitores que acompanham o tema devem comparar a futura pesquisa federal, as regras finais de Nova York e as divulgações das hyperscalers. Esses três sinais mostrarão se o setor está pronto para substituir alegações amplas de eficiência por evidências.
