Três pontos de inflexão da IA: do ChatGPT aos agentes e à inteligência física

Em uma conferência realizada em março em São Francisco, Jensen Huang, CEO e fundador da NVIDIA, descreveu três pontos de inflexão críticos no desenvolvimento da IA ao longo dos últimos dois anos. Sua principal conclusão: a computação deixou de ser um recurso auxiliar e se tornou a base de uma nova economia, na qual a IA afeta diretamente a receita das empresas e o PIB dos países. Cada ponto de inflexão mudou radicalmente a utilidade da tecnologia, o volume de tokens consumidos e o consumo de energia elétrica. Huang está convencido de que a indústria de desenvolvimento de software em breve será totalmente token-driven.

Por que a NVIDIA cresceu em velocidade estratosférica

Desde o início, a NVIDIA se concentrou não em chips isolados, mas na construção de uma pilha computacional completa — dos algoritmos à arquitetura e ao ecossistema. Já na era dos videogames, a empresa adotava uma abordagem de controle total: algoritmos de baixo nível, integração profunda em engines de software e arquitetura de sistemas.

A cultura da empresa foi desde o início voltada para a atualização anual de toda a pilha — de processadores e interconexões até a arquitetura. Somente o controle total sobre todas as camadas permite que inovações sejam implementadas nessa velocidade. Quando uma empresa possui toda a infraestrutura, ela pode alterá-la todos os anos, em vez de precisar alinhar componentes de diferentes fornecedores.

Três pontos de inflexão da IA

Primeiro: IA generativa. A capacidade de traduzir informações de uma forma para outra e gerar tokens automaticamente. O GPT-3 existiu por muito tempo como modelo até ser encapsulado na interface acessível do ChatGPT. No entanto, os sistemas generativos sofriam de alucinações — não se baseavam em contexto atualizado nem em dados verificados.

Segundo: IA de raciocínio (modelo O1). Surgiu o apoio em pesquisa, fatos e RAG (geração aumentada por recuperação). A IA aprendeu a geração condicional: a resposta é formada levando em conta o contexto e o ground truth. Surgiram a autoanálise e a autocorreção em tempo real. A utilidade cresceu drasticamente, o volume de tokens gerados aumentou centenas de vezes e o consumo computacional, mil vezes. O ChatGPT deixou de ser um entretenimento e se tornou uma ferramenta confiável.

Terceiro, o atual: IA agêntica. A IA pode trabalhar com arquivos e ferramentas, realizar buscas, planejar e executar tarefas complexas. Os prompts mudaram: em vez de perguntas, surgiram comandos como "crie" e "faça". Os agentes leem documentação por conta própria, pesquisam na web e aplicam ferramentas. Um único agente consome um milhão de vezes mais tokens do que um chatbot anterior e funciona continuamente em segundo plano. O OpenClaw se tornou o projeto open source de crescimento mais rápido da história e superou o Linux em número de downloads em apenas três semanas.

A economia dos tokens e a migração para o modelo token-driven

Huang propôs ver os data centers não como depósitos de dados, mas como fábricas de IA cujo principal produto são os tokens. Quanto mais poder computacional, mais tokens, e maior a receita. O volume de capacidade computacional está diretamente correlacionado à receita das empresas e ao PIB dos países.

A métrica-chave é tokens por watt. Com potência disponível limitada (1 a 2 gigawatts por fábrica), a eficiência da arquitetura determina o tamanho da receita de uma empresa no ano seguinte. A decisão sobre qual arquitetura computacional escolher agora é tomada em nível de CEO.

Segundo a previsão de Huang, isso vai transformar toda a indústria de TI. Hoje, ela basicamente aluga ferramentas. No futuro, cada empresa de software vai criar agentes — combinando modelos abertos e fechados, contratando "trabalhadores digitais" e alugando tokens especializados. Uma indústria de trilhões de dólares que quase não consumia tokens vai se tornar uma de suas maiores consumidoras, criando uma enorme nova demanda por computação. A indústria da internet já redirecionou todo o seu CapEx para sistemas de IA.

A próxima fronteira: a IA física

Nos próximos anos, os sistemas agênticos vão perder protagonismo. Em seu lugar, surgirá a IA física, que exige compreensão das leis da física, das relações de causa e efeito, da gravidade, da inércia e da permanência de objetos — a compreensão fundamental de que os objetos continuam existindo mesmo quando saem do campo de visão.

A NVIDIA desenvolve ativamente modelos nessa área, da simulação física à robótica e à biologia digital. Em dois ou três anos, a IA física deve se tornar o grande tema da próxima década. Ela vai abrir caminho para aplicações de inteligência artificial além dos data centers — em robôs, manufatura, veículos autônomos e no mundo real. Huang está convencido de que é impossível conter o crescimento da computação. No futuro, cada empresa precisará de poder computacional para gerar receita, e cada país precisará dele para manter a competitividade de sua economia nacional.