Infraestrutura e economia

O que cobrimos

• Chips e semicondutores: quem fabrica, quem compra e por que a cadeia é tão concentrada.
• Data centers, consumo de energia e de água, e o impacto nas redes elétricas.
• Custos de treinar e de usar modelos, e como eles mudam com o tempo.
• Investimentos, mercado de trabalho e a posição do Brasil nessa economia.

Perguntas que acompanhamos

• A demanda por energia da IA é compatível com as metas climáticas?
• O custo de usar IA vai continuar caindo, e quem se beneficia disso?
• O Brasil, com sua matriz elétrica majoritariamente renovável, pode se tornar um polo de data centers?
• Quais empregos mudam primeiro, e com que evidência?

Conceitos para começar

GPU: processador gráfico, originalmente feito para jogos, que virou a principal ferramenta para treinar e rodar modelos de IA por fazer muitos cálculos em paralelo.

Treino e inferência: treinar é construir o modelo, um processo caro e feito poucas vezes. Inferência é usá-lo para responder, o que acontece bilhões de vezes e soma um custo enorme.

Token: o pedaço de texto que o modelo processa, em geral parte de uma palavra. Os preços de uso costumam ser cobrados por milhão de tokens.

Computação (compute): a quantidade total de processamento usada para treinar um modelo. É um dos principais indicadores do tamanho de um projeto de IA.

Como lemos este tema

Números de investimento e consumo são fatos quando vêm de relatórios e balanços, e sempre citamos a fonte. Projeções de demanda de energia para 2030 são tendência ou especulação, conforme a base de dados que as sustenta.