.png)
A afirmação de que o Brasil está sendo “massacrado” na corrida global da inteligência artificial chama atenção pelo exagero deliberado da palavra. Mas o diagnóstico apresentado por Mat Velloso no Macro Day 2026, do BTG Pactual, aponta para uma discussão bem mais concreta. IA não funciona apenas em aplicativo, laboratório ou palestra. Ela precisa de chips, data centers, eletricidade, transmissão, refrigeração, fibra, dados, capital e profissionais capazes de operar toda essa infraestrutura.
Velloso, que passou por Microsoft, Google DeepMind e Meta, argumentou que o Brasil corre o risco de ampliar sua dependência tecnológica se discutir soberania em IA apenas pela criação de modelos nacionais. A crítica faz sentido quando se observa o que acontece por baixo do software. Modelos avançados dependem de capacidade computacional concentrada em chips caros e de uma infraestrutura física que passou a consumir volumes cada vez maiores de energia.
O governo brasileiro já reconhece parte desse desafio. O Plano Brasileiro de Inteligência Artificial 2024-2028 prevê R$ 23 bilhões em investimentos e inclui infraestrutura, supercomputação, formação, serviços públicos, inovação empresarial e governança. A EPE, por sua vez, passou a acompanhar de maneira específica a demanda de data centers porque essas instalações podem exigir reforços importantes na transmissão.
Existe, portanto, uma janela de oportunidade. Mas possuir eletricidade renovável, minerais e mercado consumidor não garante posição estratégica. Recurso disponível e capacidade industrial são coisas diferentes.
Resumo Infoalfa
PBIA: prevê R$ 23 bilhões em investimentos entre 2024 e 2028.
Data centers: são grandes cargas e já entraram no planejamento da expansão da transmissão brasileira.
Energia: IA em escala exige eletricidade abundante, estável e infraestrutura para entregá-la onde a computação será instalada.
Chips: GPUs e aceleradores concentram uma parte crítica da capacidade computacional.
Soberania: usar serviços estrangeiros de IA não equivale a dominar a infraestrutura necessária para produzi-los.
Oportunidade: Brasil possui matriz elétrica renovável, mercado, pesquisa e recursos minerais, mas precisa transformar potencial em execução.
A frase é forte. O problema estrutural existe.
“Massacre” e comparações com condição colonial pertencem ao campo da retórica. Não são indicadores técnicos. O erro seria descartar o diagnóstico porque a frase escolhida para apresentá-lo é agressiva.
Países e empresas estão investindo quantias enormes para garantir capacidade de processamento. O ativo estratégico não é somente o modelo de IA. É a capacidade de treiná-lo, ajustá-lo, executá-lo em escala e integrá-lo a serviços econômicos e públicos.
Quem depende integralmente de infraestrutura externa pode continuar utilizando ferramentas excelentes, mas fica sujeito a preço em moeda estrangeira, disponibilidade de serviços, decisões comerciais de terceiros e limitações de acesso à capacidade computacional.
A corrida da IA é física
A nuvem parece abstrata porque o usuário abre uma página e recebe uma resposta. Em algum lugar, porém, servidores reais processaram aquela solicitação.
Data center precisa de terreno, subestação, transformadores, redundância elétrica, geradores ou sistemas de contingência, fibra óptica, refrigeração, segurança física, equipamentos de rede, servidores e milhares de componentes.
Quando a instalação recebe clusters de GPUs de alta densidade, a quantidade de potência concentrada aumenta. Retirar o calor produzido por esses equipamentos vira parte central do projeto.
| Camada | Por que importa |
|---|---|
| Energia | Mantém processamento e refrigeração continuamente. |
| Transmissão | Entrega grandes blocos de potência ao local do empreendimento. |
| Chips | Definem boa parte da capacidade de processamento disponível. |
| Refrigeração | Remove o calor gerado pela computação de alta densidade. |
| Fibra | Conecta instalações, usuários, nuvens e outros centros. |
| Talento | Projeta, opera e transforma infraestrutura em aplicações úteis. |
A rede elétrica brasileira já está sendo chamada para a conversa
A EPE afirma que data centers representam grandes cargas cuja demanda por potência afeta diretamente o planejamento da expansão da transmissão. O órgão passou a coletar informações específicas do setor para tentar dimensionar o crescimento esperado.
Em junho de 2026, a EPE apresentou uma solução prospectiva para permitir até 4 GW adicionais de cargas eletrointensivas em áreas do Ceará e Piauí a partir de 2032. Data centers e plantas de hidrogênio aparecem entre os projetos considerados.
Isso ajuda a desmontar a ideia de que basta encontrar um terreno barato ao lado de uma usina solar. Energia disponível no sistema e capacidade de conexão naquele ponto não são sinônimos. Subestações, linhas e reforços precisam acompanhar a nova demanda.
Chip virou infraestrutura estratégica
Modelos de IA dependem fortemente de GPUs e outros aceleradores. Esses componentes possuem cadeias globais complexas, fabricação concentrada e alto custo. Ter energia sem acesso ao hardware não resolve o problema. Ter chips sem data center e eletricidade também não.
O Brasil não precisa imaginar que produzirá sozinho toda a cadeia de semicondutores no curto prazo. Soberania tecnológica não exige autarquia. Exige reduzir dependências críticas, construir capacidade própria onde fizer sentido e manter alternativas quando uma cadeia externa falha.
A discussão vale também para minerais. A ANM lembra que materiais como cobre, grafita, níquel, terras raras, gálio, germânio e silício participam de cadeias ligadas a eletrificação, data centers, chips e equipamentos digitais.
Possuir recurso geológico, porém, é apenas o início. Se processamento, refino, fabricação e propriedade intelectual continuarem integralmente no exterior, o país pode exportar matéria-prima e importar de volta tecnologia de alto valor.
O PBIA colocou dinheiro no papel. Agora vem a parte difícil.
O Plano Brasileiro de Inteligência Artificial prevê R$ 23 bilhões em quatro anos e inclui a criação de infraestrutura de alto desempenho. A intenção é ampliar capacidade nacional, pesquisa e uso de IA em serviços públicos e empresas.
O plano é relevante porque reconhece que política de IA não pode se limitar a regulamentar algoritmos. Precisa formar pessoas, financiar pesquisa e disponibilizar computação.
Mas documento estratégico não é infraestrutura entregue. O que importa daqui para frente é quanto do investimento será executado, quando a capacidade computacional ficará disponível, quem terá acesso, como universidades e startups poderão utilizá-la e quais indicadores permitirão medir resultado.
Consumir IA não é dominar IA
Uma empresa brasileira pode integrar um modelo estrangeiro à operação em poucas horas por meio de API. Isso é útil e muitas vezes economicamente racional. O problema aparece quando toda a cadeia depende desse modelo.
Preço, disponibilidade, política de uso e evolução tecnológica passam a ser definidos fora da organização. Em aplicações sensíveis, localização dos dados, contratos, privacidade e continuidade também entram na conta.
Não existe necessidade de criar uma versão brasileira de cada ferramenta estrangeira. Existe necessidade de garantir que pesquisa, governo e empresas tenham alternativas e capacidade para trabalhar com dados e problemas nacionais sem depender exclusivamente de decisões externas.
O melhor argumento para IA brasileira são problemas brasileiros
Saúde pública produz enormes volumes de informação que poderiam apoiar gestão e pesquisa. Agricultura possui clima, solo e cadeias produtivas próprias. O sistema elétrico brasileiro é diferente dos sistemas de outros países. Florestas, fiscalização territorial, desastres, justiça e educação oferecem problemas nos quais modelos adaptados ao contexto local podem gerar valor concreto.
Essa talvez seja uma estratégia mais sólida que competir apenas por ranking de chatbot. Capacidade computacional ganha importância quando permite resolver problemas que melhoram produtividade, ciência e serviços.
O que cobrar daqui para frente
Infraestrutura: capacidade computacional efetivamente instalada e disponível.
Energia: planejamento conjunto de geração, transmissão e grandes cargas.
Acesso: regras claras para universidades, startups e empresas utilizarem recursos públicos.
Talento: formação técnica, engenharia, ciência de dados e pesquisa.
Dados: bases públicas de qualidade, interoperabilidade e proteção.
Indústria: estratégia realista para semicondutores e equipamentos.
Resultado: indicadores públicos que mostrem o que saiu do papel.
O Brasil não precisa entrar na corrida da IA por vaidade tecnológica. Precisa entrar porque produtividade, ciência, indústria, segurança e serviços públicos serão cada vez mais mediados por essa infraestrutura. O risco não é apenas usar ferramenta estrangeira. É não ter energia, dado, chip, computação e gente preparada para resolver os próprios problemas. Potencial natural não vira soberania sozinho. Entre ter recurso e ter poder existe execução. E é justamente aí que o país costuma tropeçar.
.png)
.png&description=Brasil na corrida da inteligência artificial: por que energia, data centers e chips viraram questão de soberania){kind=link}