Sobre o que a IA roda, e onde

Toda resposta de um assistente é calculada em algum lugar. Um chip em um data center faz as contas, a rede elétrica fornece a energia e um sistema de refrigeração leva o calor embora. Para a maioria das empresas, tudo isso tem sido invisível.

Está virando uma decisão de negócio, porque define o preço da IA, a sua velocidade e o lugar para onde vão os seus dados.

A computação cresce mais rápido do que tudo à sua volta

O AI Index 2026, de Stanford, estima que a capacidade global de computação para IA cresceu 3,3 vezes por ano desde 2022, chegando ao equivalente a cerca de 17,1 milhões de chips H100 da Nvidia. A Nvidia responde por mais de 60 por cento disso. O Google e a Amazon fornecem boa parte do restante com chips próprios, e a Huawei tem uma participação pequena, mas crescente. Quase todos os principais chips de IA são fabricados por uma única fundição, a TSMC, em Taiwan.

O dinheiro vem atrás. A Agência Internacional de Energia (IEA) informa que os investimentos de capital das maiores empresas de tecnologia passaram de 400 bilhões de dólares em 2025 e devem subir mais 75 por cento em 2026. Ela também aponta uma escassez de memória de alta largura de banda, um componente essencial na produção de chips de IA, que deve durar pelo menos até o fim de 2027.

A energia é o novo limite

Chips precisam de eletricidade. A IEA contabiliza um aumento de 17 por cento na demanda de eletricidade dos data centers em 2025, e de 50 por cento nos data centers construídos para IA. Sua projeção central prevê que o consumo dos data centers praticamente dobre, de 485 terawatts-hora em 2025 para 950 em 2030, cerca de 3 por cento da demanda global de eletricidade. O consumo dos data centers voltados à IA triplica no mesmo período.

O AI Index estima a capacidade de energia dos data centers de IA em cerca de 29,6 gigawatts no fim de 2025, comparável ao pico de demanda do estado de Nova York. Pela estimativa do relatório, a demanda de energia de todos os sistemas de IA juntos é comparável ao consumo nacional de eletricidade da Suíça ou da Áustria.

A Europa quer mais dessa capacidade dentro de casa. A Comissão Europeia definiu a meta de triplicar a capacidade de data centers na UE em cinco a sete anos, observa a IEA. Em 30 de julho de 2026, a EuroHPC Joint Undertaking abriu uma chamada para até sete gigafábricas de IA em pelo menos sete Estados-membros, com dinheiro público como cliente-âncora e mais de 20 bilhões de euros em investimento privado esperados. As propostas vencem em 12 de novembro, e a seleção deve sair no início de 2027.

Cada resposta custa menos

Enquanto o total cresce, a resposta individual fica mais barata. A IEA escreve que a energia usada por tarefa de IA caiu recentemente pelo menos uma ordem de grandeza por ano, e que uma consulta simples de texto hoje costuma usar menos eletricidade do que uma televisão ligada pelo mesmo tempo.

Os preços contam a mesma história. A Epoch AI mediu a velocidade com que cai o preço para atingir um determinado nível de desempenho: entre 9 e 900 vezes por ano, dependendo da tarefa. As quedas mais rápidas foram recentes, e a Epoch tem o cuidado de dizer que elas podem não durar.

O hardware por baixo acompanhou. O AI Index, com dados da IEA, constata que o custo da computação em GPU caiu mais de 99 por cento desde 2006, e que os chips de ponta entregam cerca de dez vezes mais computação por watt do que os de uma década atrás.

O problema é o próprio trabalho. Vídeo, raciocínio e agentes podem usar centenas ou milhares de vezes mais energia por consulta do que uma simples resposta em texto, observa a IEA. A unidade fica mais barata. A conta depende do que você pede para a máquina fazer.

Pequena o bastante para o escritório

A segunda mudança é de tamanho. Um modelo capaz não precisa mais de um data center. O DGX Spark, da Nvidia, é uma máquina de mesa com até 128 GB de memória. A Nvidia afirma que ela roda modelos de até 200 bilhões de parâmetros, consegue fazer ajuste fino de modelos de até 70 bilhões, e que até quatro unidades podem ser interligadas para modelos maiores.

Modelos menores estão ficando melhores para o seu tamanho. O AI Index aponta um modelo aberto com 32 bilhões de parâmetros, quase 90 vezes menos que o Grok 4, que alcança resultados comparáveis em vários benchmarks. Seus criadores o treinaram com muito menos tokens e selecionaram os dados com grande cuidado.

A Suíça constrói o seu próprio. O Apertus, lançado em setembro de 2025 pela EPFL, pela ETH Zurich e pelo Centro Nacional Suíço de Supercomputação, foi treinado com mais de 10 milhões de horas de GPU no supercomputador Alps, nos tamanhos de 8 e 70 bilhões de parâmetros, com 15 trilhões de tokens em mais de 1'000 idiomas. Seus pesos, suas receitas e a documentação dos seus dados de treinamento são públicos. A versão 1.5 veio em julho de 2026, com compreensão de imagem e áudio e uma família de modelos compactos.

O país tem as pessoas para isso. O AI Index conta 110,5 autores e inventores de IA por 100'000 habitantes na Suíça, à frente de todos os outros países, com Singapura logo atrás.

Hospedagem suíça e europeia

Os grandes provedores se aproximaram. Em junho de 2025, a Microsoft anunciou 400 milhões de dólares para ampliar seus quatro data centers perto de Zurique e Genebra, pensando em IA para setores regulados como saúde, finanças e administração pública. O Heise, citando a Reuters, informou que a expansão deve manter os dados dentro das fronteiras suíças.

A Swisscom constrói sobre uma plataforma própria. Em fevereiro de 2026, lançou um assistente para o conhecimento das empresas operado inteiramente na Suíça, com vários modelos de código aberto usados sem alterações. Todos os dados são armazenados e processados nos seus data centers suíços, e os dados das empresas não treinam os modelos de base. A plataforma por baixo oferece capacidade de GPU e interfaces de modelos a terceiros, e a Swisscom citou o Apertus entre os modelos que planeja adicionar.

Escolher onde a sua IA roda

Para uma empresa pequena ou média, isso se resume a três opções. Um modelo de ponta alugado por meio de uma interface, com condições corporativas e uma região europeia. Um modelo aberto hospedado em uma nuvem suíça ou europeia. Ou um modelo em hardware próprio, no próprio prédio ou na própria conta de nuvem.

Decidimos com quatro coisas em mente: quão sensíveis são os dados; quanto trabalho passa pelo modelo, porque um custo fixo só compensa mais do que um custo por uso acima de certo volume; quão rápida uma resposta precisa ser; e quem vai cuidar do sistema depois que ele estiver rodando.

Nós mesmos usamos mais de uma dessas opções. O Twin trabalha para nós no Claude e no ChatGPT, e no nosso próprio hardware com um modelo nosso. O Studio guarda seus dados em Zurique. Para clientes, o Twin roda na Suíça ou na UE, ou no hardware do próprio cliente.

O Eigna, desenvolvido pelo nosso parceiro Eigna Labs, fica na ponta privada. Ele roda na própria nuvem de uma empresa ou nos seus próprios servidores, de uma única máquina a um cluster, e foi projetado para funcionar totalmente offline em redes fechadas. As correções o retreinam no hardware da própria empresa, e uma nova versão só entra no ar quando se sai melhor nos testes.

A máquina pode ser escolhida numa planilha. Quais dados podem sair de casa é uma questão de julgamento, e cabe a uma pessoa que responda por ela. Comece pelos dados. O chip, o prédio e o país decorrem deles.