IA 2026: soberania tecnológica ou dependência de GPU?

Em julho de 2024 o governo lançou o Plano Brasileiro de Inteligência Artificial com a palavra “soberania” repetida em quase todo parágrafo do documento oficial, e isso me deixou curioso pra ir atrás do anexo técnico e entender em qual GPU esse plano roda de verdade. Spoiler: não é uma GPU brasileira, porque GPU brasileira não existe. E aí começa o problema que ninguém no discurso oficial parece querer discutir com clareza: PBIA, soberania tecnológica e dependência são tratados como sinônimos quando, na prática, apontam pra direções opostas.

Eu acompanho esse tipo de política pública com o mesmo cuidado que leio changelog de biblioteca antes de atualizar em produção. Não acredito no texto de marketing, quero ver o que muda de fato no sistema. Quando você olha o PBIA camada por camada, não como anúncio de governo, mas como stack técnica, a conclusão incomoda. O Brasil resolveu (ou tentou resolver) a parte barata do problema. A parte cara, a que realmente define quem manda em quem, continua intocada.

As quatro camadas de uma stack de IA (e por que confundir “ter modelo nacional” com “soberania” é o erro do debate público)

Toda stack de IA relevante hoje se divide em quatro camadas, de baixo pra cima: chip, infraestrutura (datacenter e nuvem), modelo e dado. Cada uma tem um custo de entrada, um tempo de maturação e um grau de concentração de mercado completamente diferentes.

Fabricar chip de ponta é o fundo do poço em dificuldade. Existe basicamente uma empresa no planeta capaz de produzir os nós de 4 e 3 nanômetros necessários pra GPU de IA de última geração (a taiwanesa TSMC), e um projetista dominante do lado do design, a Nvidia. Construir datacenter em escala de supercomputador exige bilhões de dólares, energia elétrica estável em quantidade industrial e know-how de refrigeração que poucos países dominam fora dos hyperscalers americanos (Microsoft, Google, Amazon, Meta). Treinar um modelo de linguagem, por outro lado, custa caro, mas é ordens de magnitude mais barato que construir a infraestrutura embaixo dele. Já existe know-how público suficiente, arquiteturas transformer documentadas, papers abertos, checkpoints como o Llama da Meta pra fine-tuning, pra qualquer equipe competente fazer isso em meses. Dado é o que o Brasil historicamente tem de sobra: texto em português, dados de saúde pública, dados agrícolas, dados do Judiciário.

O erro que vejo repetido em entrevista, em painel, em thread de LinkedIn é tratar “lançar um modelo em português” como sinônimo de soberania tecnológica. Não é. É a camada mais fácil e mais barata de resolver. Soberania em IA, se olhar com frieza, se decide lá embaixo, na camada de chip e infraestrutura física, não na camada de cima onde o modelo recebe um nome bonito em português.

O que o PBIA de fato comprou com os R$ 23 bilhões: modelo, dado, ou infraestrutura?

O Plano Brasileiro de Inteligência Artificial, documento publicado pelo MCTI em 2024, prevê cerca de R$ 23 bilhões em investimento até 2028, distribuídos entre eixos de infraestrutura, pesquisa, aplicação em governo e formação de pessoal. Até aqui, número grande, parece plano sério. O problema aparece quando você olha pra onde esse dinheiro efetivamente compra capacidade.

No próprio texto do eixo de infraestrutura, o plano fala em ampliar o acesso a poder computacional via parceria com provedores de nuvem e em viabilizar crédito de processamento pra pesquisa e para aplicações de governo. Não há, no documento, meta de produção nacional de chip avançado nem projeto de datacenter público de capacidade soberana em escala de treinamento de modelo grande. O plano financia pesquisa, financia bolsa, financia aplicação de IA em serviço público, e tudo isso roda em cima de um chão de fábrica que é importado e sujeito a decisão regulatória de outro país.

É como montar uma fábrica cheia de máquina alugada: você produz o que quiser lá dentro, mas se o dono do equipamento decidir levar tudo embora, a fábrica para. O PBIA investe pesado nas camadas de modelo, dado e aplicação. Na camada de chip e na camada de infraestrutura física, o que existe, na prática, é contratação de mais acesso à nuvem de terceiros.

A camada que ninguém questiona: quem fabrica e vende a GPU que roda o “supercomputador nacional”

Toda vez que um projeto de IA brasileiro anuncia um “supercomputador” ou um “cluster de GPU nacional”, cabe a pergunta chata: GPU de quem? Na esmagadora maioria dos casos a resposta é Nvidia, porque não existe alternativa comercialmente viável em volume pra treinamento de modelo grande. O design do chip é da Nvidia, a fabricação física é feita pela TSMC em Taiwan, e a montagem final passa por uma cadeia de fornecedores concentrada na Ásia.

Isso não é exclusividade do Brasil, é a realidade de praticamente todo país fora dos Estados Unidos, China, Taiwan e Coreia do Sul. Mas é exatamente por isso que chamar isso de “soberania nacional” é um exagero retórico. Um padrão comum em laboratório de pesquisa brasileiro, inclusive em universidades públicas e centros de excelência, é treinar o modelo “nacional” usando crédito de GPU alugado em nuvem americana, simplesmente porque não existe datacenter público no país com capacidade suficiente pra rodar o treinamento localmente. O resultado técnico pode sair com “Made in Brazil” no nome do projeto, mas o ciclo de computação inteiro passou por servidor físico de outro país, sob jurisdição de outro país.

Dado é nacional. Time de pesquisa é nacional. O motor que faz tudo girar não é.

O cenário que já aconteceu com outros países: quando export control dos EUA trava hardware de IA de quem não é aliado

Esse não é exercício de ficção especulativa, é o que já aconteceu, documentadamente, com a China. Em outubro de 2022 o Departamento de Comércio dos Estados Unidos, por meio do Bureau of Industry and Security (BIS), impôs restrições de exportação a chips avançados de IA, incluindo diretamente os modelos de GPU de ponta da Nvidia. A Nvidia reagiu criando versões “rebaixadas” especificamente pra continuar vendendo no mercado chinês, os chips A800 e H800, e em outubro de 2023 o próprio BIS fechou essa brecha, ampliando as regras pra impedir também essas variantes de desempenho reduzido.

O ponto não é discutir se a restrição foi certa ou errada geopoliticamente. O ponto é este: de uma hora pra outra, por caneta de um órgão regulador em Washington, empresas e laboratórios inteiros perderam acesso ao hardware de ponta do qual dependiam pra treinar modelo de IA competitivo. Esse é o cenário que qualquer plano que se autodenomina “soberano” deveria levar em conta como risco real, não como hipótese distante. Se amanhã um projeto brasileiro classificado como estratégico (aplicação de IA em defesa, em infraestrutura crítica, em inteligência de Estado) passar a ser visto como sensível demais pelo regime de export control americano, o “supercomputador nacional” brasileiro trava exatamente do jeito que travou pra empresa chinesa. Não existe cláusula de contrato de nuvem que proteja disso, porque export control é decisão de governo, não cláusula comercial.

Nuvem alugada não é nuvem soberana: o que o contrato de uso de AWS/Azure realmente garante (e o que não garante)

Aqui entra outra confusão recorrente: tratar “ter dado hospedado em região Brasil da AWS ou da Azure” como se fosse soberania de dado. Não é, e vale separar os dois conceitos com precisão.

Um contrato de uso de nuvem com AWS, Azure ou Google Cloud garante, em geral, localização física do servidor em determinado país (quando você escolhe a região “São Paulo”, por exemplo), nível de serviço de disponibilidade, criptografia de dado em repouso e em trânsito, e conformidade com normas como a LGPD no caso de dado pessoal brasileiro. É proteção real, e não estou dizendo que usar nuvem americana seja erro operacional. Pra 95% dos projetos de software do país é a decisão certa.

O que esse mesmo contrato não garante é que a empresa controladora da infraestrutura não esteja sujeita à legislação extraterritorial do próprio país de origem, como o Cloud Act americano, que permite ao governo dos EUA requisitar dado hospedado em servidor de empresa americana independentemente de onde o servidor fisicamente esteja. Não garante continuidade de acesso a hardware de ponta em cenário de sanção ou restrição geopolítica. E não garante, principalmente, capacidade de operação em caso de corte unilateral de serviço, seja por decisão comercial, seja por decisão regulatória do país de origem do provedor.

Isso não é teoria de conspiração, é letra miúda de termo de serviço que qualquer um pode ler. O que falta no debate é alguém dizendo em voz alta: alugar nuvem não é construir soberania, é terceirizar risco estratégico pra empresa estrangeira, às vezes de forma consciente e aceitável, às vezes disfarçada de política de Estado.

O que soberania em IA exigiria de verdade, e por que isso custa muito mais que R$ 23 bi

Soberania de verdade em IA exigiria pelo menos três coisas que o PBIA, no desenho atual, não entrega: capacidade de fabricação ou montagem de semicondutor em escala relevante (ou acordo estratégico de longo prazo com um fabricante fora da órbita exclusiva americana), datacenter público de alta performance computacional com capacidade de treinamento de modelo de grande porte sem depender de crédito de nuvem estrangeira, e política industrial de energia dedicada pra sustentar esse tipo de operação.

Nenhuma dessas três coisas sai por R$ 23 bilhões até 2028. Pra efeito de comparação de ordem de grandeza, o CHIPS and Science Act americano, aprovado pelo Congresso dos Estados Unidos em agosto de 2022 e voltado especificamente pra fomentar produção de semicondutor em solo dos EUA, destinou cerca de US$ 52 bilhões em subsídio direto só pra essa fatia de fabricação de chip, sem contar P&D de modelo ou aplicação. Soberania em camada física de IA é projeto de década, não de plano quadrienal, e envolve decisão de infraestrutura energética que concorre com outras prioridades do país.

Isso não significa que o PBIA seja inútil. Formar pesquisador, financiar aplicação em saúde pública, estruturar dado nacional são passos reais e que valem a pena. O problema é a narrativa. Quando um documento oficial usa a palavra “soberania” pra descrever um plano que terceiriza praticamente toda a camada de chip e infraestrutura física pra Nvidia e hyperscaler americano, ele vende autonomia na camada decorativa e esconde dependência na camada estrutural. Quem decide de fato até onde a IA brasileira pode ir não está em Brasília. Está, por enquanto, em Santa Clara e em Taipé.

Pra quem trabalha com IA no dia a dia e precisa de GPU sem depender só do trio AWS/Azure/Google, vale olhar pra nuvens de GPU especializadas e provedores europeus com política de dado mais clara, tipo CoreWeave, Lambda ou OVHcloud. Não resolve a questão geopolítica de fundo, mas diversifica o fornecedor e reduz a concentração de risco. É paliativo, não soberania. Numa stack onde a camada mais crítica não está sob controle nacional, qualquer paliativo que reduza dependência de um único fornecedor já é lucro.

Fontes consultadas

• TELETIME News, Plano de Inteligência Artificial prevê R$ 23 bi para a tecnologia no Brasil, 30/07/2024, link
• Ministério da Ciência, Tecnologia e Inovação (MCTI), Plano Brasileiro de Inteligência Artificial (PBIA), IA para o bem de todos, 2024/2025, link
• CREA-RJ, Brasil lança versão final do Plano Brasileiro de Inteligência Artificial com investimento de R$ 23 bilhões até 2028, link
• Wilson Sonsini Goodrich & Rosati (WSGR) – Insights, BIS Implements New Semiconductor- and Supercomputer-related Export Controls and End-Use Controls, 12/10/2022, link
• Consumer Electronics Daily, US Semiconductor Export Controls: BIS Rules and China Impact, 07/10/2022 (regra), link
• Understanding AI (IEA-USP), Como os EUA têm usado os chips para estrangular o desenvolvimento da IA na China, link