A corrida da IA não se mede por rumores
A corrida da IA não se mede por rumores
Acompanho a corrida da inteligência artificial com interesse, mas recuso-me a confundir rumores com verdade. Nos últimos dias, multiplicaram-se notícias que juntam restrições geopolíticas, novos modelos, centros de dados gigantes e chips especializados. Algumas têm base verificável; outras continuam a ser rumores, previsões ou alegações de empresas. Para mim, essa distinção é hoje mais importante do que qualquer tabela de benchmarks.
Uma das narrativas mais sensíveis envolve a possibilidade de os Estados Unidos restringirem modelos de IA chineses com pesos abertos. Há sinais claros de que Washington encara a tecnologia chinesa como uma questão de segurança nacional e mantém instrumentos de controlo de exportações e listas de entidades. Ainda assim, não encontrei confirmação oficial de uma ordem executiva que proíba, de forma geral, a utilização desses modelos no território norte-americano.
Eu não trataria uma discussão política preliminar como se fosse uma proibição já em vigor... afinal de contas.. como é que se proíbe o Open Source? Entre uma conversa dentro da administração, uma proposta regulatória e uma medida aplicável existe uma distância enorme. Empresas e programadores devem acompanhar a evolução legislativa, mas tomar decisões técnicas com base em pânico ou manchetes incompletas seria um erro evitável.
Também não aceito a ideia de que segurança e concorrência sejam objectivos incompatíveis. É legítimo exigir avaliações de risco, transparência sobre proveniência, protecção de dados e regras claras para modelos usados em infra-estruturas críticas. Mas uma política que simplesmente reduza as opções disponíveis pode concentrar ainda mais poder em poucas plataformas fechadas, elevando custos e diminuindo a capacidade de escolha de quem desenvolve produtos.
O verdadeiro ponto de tensão está na dependência. Se uma empresa só consegue operar porque um único fornecedor controla o modelo, a nuvem, os chips e a distribuição, fica vulnerável a alterações de preço, disponibilidade ou política. A abertura dos pesos não resolve todos os problemas de segurança, mas continua a ser uma forma relevante de preservar auditabilidade, autonomia técnica e concorrência.
Na China, o caso da Z.ai merece atenção precisamente porque envolve infra-estrutura e não apenas promessas sobre modelos. A Bloomberg noticiou que a empresa concluiu um centro de dados de um gigawatt com chips produzidos na China e iniciou uma operação parcial para apoiar o desenvolvimento da família GLM. Trata-se de uma informação reportada com base em fontes conhecedoras do projecto, não de uma auditoria pública independente.
Mesmo com essa cautela, a notícia é significativa. Um centro de dados desta escala, orientado para treino de IA e sem GPUs da Nvidia, sugere que a procura por alternativas domésticas deixou de ser apenas uma ambição política. Na minha leitura, não prova que os chips chineses já igualam os melhores produtos norte-americanos em todas as métricas, mas mostra uma capacidade de investimento e integração que não pode ser ignorada.
É precisamente por isso que considero simplista falar numa corrida entre um vencedor e um vencido. A autonomia tecnológica não nasce de um único modelo espectacular. Constrói-se com electricidade, centros de dados, redes, ferramentas de programação, fabrico de semicondutores, equipas de investigação e clientes dispostos a pagar pelo serviço. Quem controlar essa cadeia terá uma vantagem mais duradoura do que quem apenas vence uma semana de comparações online.
Do lado da Google, há uma notícia mais concreta, embora ainda prospectiva. A Reuters avançou que a empresa desenvolve um chip de servidor conhecido internamente como Frozen v2, concebido para incorporar elementos da arquitectura Gemini directamente no hardware. O objectivo seria reduzir a quantidade de cálculo e movimento de dados necessários para gerar respostas.
As estimativas internas apontadas por notícias sobre o projecto falam em ganhos de eficiência entre seis e dez vezes face às TPUs mais recentes. Eu leio esses números como uma meta de engenharia, não como desempenho demonstrado em produção. O próprio conceito tem um preço: um chip muito optimizado para uma arquitectura específica pode perder valor se a próxima geração do modelo exigir alterações profundas.
Essa é a troca que definirá a próxima fase da IA: flexibilidade contra eficiência. Os aceleradores generalistas permitem experimentar arquitecturas diferentes; o silício especializado pode baixar drasticamente o custo de servir um modelo estável e muito utilizado. Se o Frozen v2 chegar perto de 2028, como foi reportado, será uma aposta estratégica de longo prazo e não uma resposta imediata ao mercado actual.
Quanto aos modelos, mantenho a mesma regra. A Alibaba tem apresentado progressos relevantes na família Qwen e a própria empresa promoveu recentemente o Qwen3.6-Plus como uma evolução para agentes e programação. Já alegações sobre versões futuras, classificações absolutas ou melhorias diárias devem ser tratadas como material de teste, sobretudo quando faltam documentação técnica completa, licenças claras e avaliações reproduzíveis.
Para mim, um modelo não se torna superior porque uma demonstração parece impressionante. Quero saber em que dados foi avaliado, se os testes podem ser repetidos, quanto custa em utilização real, que limitações apresenta e quais são as condições de acesso. A distância entre uma prévia promissora e uma ferramenta fiável para produção continua a ser considerável.
O mesmo cuidado aplica-se à robótica e aos humanos digitais. Demonstrações de robôs humanóides, avatares biométricos e sistemas multimodais podem ser tecnicamente extraordinárias, mas uma cena controlada não equivale a funcionamento seguro em casas, hospitais ou espaços públicos. Eu esperaria testes independentes, informação sobre falhas, condições de operação e responsabilidade antes de anunciar a chegada iminente de robots generalistas ao quotidiano.
A conclusão a que chego é simples: a corrida da IA está a tornar-se mais física, mais cara e mais geopolítica, mas não deve tornar-se menos rigorosa. Há factos relevantes por detrás de várias notícias recentes... investimentos em computação, chips especializados e modelos mais capazes. Ainda assim, a melhor resposta ao ruído não é o entusiasmo cego nem o alarmismo: é separar o que foi confirmado, o que foi reportado e o que continua por demonstrar.
