A inteligência artificial geral deve chegar entre meados da década de 2030 e 2040, mas não no formato de uma única superinteligência onipotente como frequentemente é retratada na ficção científica. A avaliação é do neurocientista Álvaro Machado Dias, professor da Universidade Federal de São Paulo e colunista especializado em tecnologia, que traça um panorama abrangente sobre o estado atual e os rumos da corrida global por IA. Suas análises conectam desenvolvimento tecnológico, dinâmicas de mercado e disputas geopolíticas entre grandes potências, revelando um cenário complexo no qual o hardware se estabeleceu como o principal diferencial competitivo.
Quando o ChatGPT foi lançado no final de 2022, marcando o início da era dos grandes modelos de linguagem acessíveis ao público em geral, poucos analistas previram exatamente como o setor evoluiria nos anos seguintes. O neurocientista avalia que, em linhas gerais, a velocidade de desenvolvimento acompanhou suas expectativas iniciais, mas com desvios significativos em relação a direções específicas. Certos avanços que pareciam iminentes demoraram mais do que o antecipado, enquanto outras transformações ocorreram de forma acelerada, surpreendendo até observadores mais experientes do setor tecnológico. O cenário que se consolidou em 2026 apresenta características distintas das projeções originais, sem deixar de representar uma continuidade evolutiva do paradigma inaugurado há três anos.
Um dos aspectos que mais surpreendeu o especialista foi a persistência do problema das alucinações nos grandes modelos de linguagem, sistemas de IA treinados em vastas quantidades de dados textuais para compreender e gerar linguagem natural. Inicialmente, acreditava-se que as alucinações — respostas inventadas ou factualmente incorretas — seriam rapidamente superadas através de refinamentos nas arquiteturas dos modelos. No entanto, a compreensão mais aprofundada do mecanismo de atenção, técnica fundamental descrita no artigo seminal Attention Is All You Need que fundamentou os transformers, revelou que essa limitação é intrínseca à abordagem atual de modelagem. Mesmo com o avanço das técnicas de RAG, sigla em inglês para Retrieval-Augmented Generation, que combina geração de texto com recuperação de informações de bases de conhecimento externas, o desafio permanece relevante, exigindo estratégias complementares para mitigação de erros factuais.
Por outro lado, a expectativa de rápida popularização de interfaces de conversação com buffer zero, ou seja, interações por voz em tempo real sem latência perceptível, ainda não se concretizou plenamente. Embora a tecnologia de conversão de texto em voz já estivesse razoavelmente desenvolvida, sua adoção em ambientes comerciais e de atendimento ao público permanece limitada. Totens de atendimento, robôs de serviço e outras aplicações ainda apresentam interrupções e tempos de processamento que criam certo desconforto na experiência do usuário, sugerindo que a perfeita fluidez na conversação entre humanos e máquinas ainda requer avanços adicionais em infraestrutura computacional e otimização de algoritmos.
A dimensão que mais surpreendeu positivamente foi a rapidez com que governos e Estados passaram a incorporar estratégias de inteligência artificial em suas políticas públicas e agendas geopolíticas. Embora fosse esperado que nações como a China incluíssem a IA como elemento central de seus planos quinquenais de desenvolvimento, o comprometimento de governos ocidentais com essa agenda ganhou intensidade inesperada. A administração americana, por exemplo, passou a tratar a tecnologia como questão de segurança nacional e prioridade estratégica, reconhecendo que a capacidade computacional se tornou um ativo tão crítico quanto armamentos convencionais ou recursos energéticos. Essa mudança de postura acelerou disputas internacionais por acesso a chips avançados, data centers e talentos especializados, transformando a inteligência artificial em componente central das relações entre grandes potências.
Nesse contexto, a cadeia de suprimentos de semicondutores emergiu como o elemento definidor da balança de poder tecnológico global. Atualmente, o Ocidente lidera claramente a corrida da inteligência artificial, não apenas no desenvolvimento de modelos fundacionais, mas sobretudo na produção de chips de alto desempenho necessários para treinar e executar esses sistemas. A fabricação de microprocessadores avançados envolve tecnologias patenteadas distribuídas por diversos países, com Taiwan ocupando posição central através da Taiwan Semiconductor Manufacturing Company, maior fabricante de chips sob encomenda do mundo. A empresa taiwanesa se consolidou como ator estratégico indispensável, pois sua capacidade de interrupção afetaria diretamente o progresso de toda a indústria ocidental de inteligência artificial, incluindo gigantes como a NVIDIA.
A NVIDIA, por sua vez, se estabeleceu como protagonista incontestável no mercado de hardware para inteligência artificial, fornecendo as unidades de processamento gráfico que se tornaram padrão da indústria para treinamento de modelos de grande escala. Mais do que simplesmente fabricar placas de vídeo, a empresa construiu uma vantagem competitiva duradoura através da plataforma CUDA, conjunto de ferramentas de software que permite extrair o máximo de performance de seus processadores. Essa combinação de hardware de alta performance com software de suporte adequado criou um ecossistema difícil de replicar, conferindo à empresa posição dominante que transcende o segmento de consumidores e se estende ao mercado corporativo e científico.
A China enfrenta desafios substanciais para competir nessa arena, pois embates comerciais e embargos tecnológicos limitam seu acesso a equipamentos essenciais de litografia, como as máquinas ultravioleta extremo fabricadas pela empresa holandesa ASML, necessárias para produzir os chips mais avançados. No entanto, o país asiático vem investindo pesadamente no desenvolvimento de alternativas domésticas, atraindo talentos e mobilizando recursos estatais em escala sem precedentes. A projeção do neurocientista é que essa disparidade atual tende a se reduzir ao longo do tempo, especialmente porque a miniaturização dos transistores está se aproximando dos limites físicos impostos pela própria matéria.
Conforme os componentes eletrônicos alcançam escalas de poucos nanômetros, fenômenos quânticos como o tunelamento de elétrons começam a interferir no funcionamento dos circuitos, estabelecendo um teto para a evolução tradicional da microeletrônica. Esse limite físico sinaliza o esgotamento progressivo da Lei de Moore, princípio que guiou a indústria de semicondutores por décadas ao prever a duplicação periódica da quantidade de transistores em um chip. Quando essa trajetória tecnológica atingir seu ponto de saturação, uma nova doutrina de computação deverá emergir, inevitavelmente incorporando conceitos da mecânica quântica. Esse cenário de ruptura tecnológica tenderia a nivelar as condições de competição global, criando oportunidades para nações que investiram massivamente em formação de engenheiros e cientistas especializados, caso notável da China.
A transição para uma nova paradigmática de processamento de informações poderia fundamentar a ascensão chinesa como líder mundial em inteligência artificial, não necessariamente através da replicação da cadeia ocidental de semicondutores, mas mediante a definição de novos padrões tecnológicos. Até lá, o consórcio liderado pelos Estados Unidos e apoiado por aliados como Taiwan, Holanda, Japão e Alemanha mantém vantagem significativa, decorrente de décadas de avanços cumulativos em design de chips, litografia avançada e integração de sistemas. Essa realidade geopolítica torna o Mar da China Meridional e outras regiões de tensão asiática particularmente sensíveis, uma vez que conflitos nessa área poderiam interromper a produção de componentes vitais para todo o ecossistema tecnológico global.
No mercado voltado ao consumidor final e às empresas de software, um movimento de especialização começa a se delinear com maior nitidez. Nos primeiros anos após o lançamento do ChatGPT, numerosas startups de inteligência artificial buscaram crescer rapidamente, capturando usuários em diversos segmentos e explorando múltiplas aplicações para seus modelos. Essa estratégia se alinhava à lógica típica de empresas em estágio inicial, que priorizam aquisição de base de usuários e crescimento acelerado como argumentos para rodadas subsequentes de investimento de capital de risco. No entanto, à medida que esses recursos iniciais se esgotam e a necessidade de geração de receita e lucratividade se torna premente, o foco tende a migrar para nichos onde as empresas possam estabelecer liderança técnica e vantagens competitivas mais sólidas.
A neurocientista observa que o mercado de inteligência artificial se caracteriza por alta fungibilidade dos produtos e baixa dependência de lock-in, termo em inglês que designa a facilidade com que clientes migram entre fornecedores diferentes. Diferentemente de sistemas operacionais ou softwares empresariais tradicionais, nos quais custos de migração e necessidade de treinamento criam barreiras significativas à troca, modelos de linguagem podem ser substituídos por alternativas superiores com relativa simplicidade. Nesse contexto, a liderança de mercado depende cada vez mais da capacidade de oferecer a melhor qualidade técnica em domínios específicos, incentivando a especialização em vez de tentativas de atender todas as demandas possíveis com uma única solução genérica.
A Anthropic ilustra bem essa tendência, concentrando esforços no desenvolvimento de capacidades avançadas de programação e aplicações corporativas, segmentos nos quais a disposição para pagamento é maior e a tecnologia tende a se tornar componente crítico das operações empresariais. Em vez de dispersar recursos em múltiplas frentes de atuação, a empresa optou por se posicionar como referência em usos que geram valor econômico direto e tangível para organizações e profissionais liberais. Essa abordagem contrasta com movimentos mais caóticos de empresas que inicialmente perseguiram simultaneamente produtos de texto, imagem, vídeo e outras modalidades, revisando estratégias quando a necessidade de foco se impôs.
Em relação à muito debatida inteligência artificial geral, conceito que descreve sistemas capazes de realizar qualquer tarefa intelectual que
