Eficiência na IA: a próxima disputa do setor

A próxima fase da inteligência artificial será definida por eficiência na IA, segundo Rocio Wu, da F-Prime, em palestra no AI Summit do Web Summit Lisboa, nesta quinta-feira, 12 de novembro de 2026. De acordo com o portal Central do Varejo, a executiva defendeu que o diferencial do setor deixou de ser apenas capacidade bruta e passou a ser a entrega de mais resultado com menos recursos, energia e computação.

O que muda na disputa da IA

Wu apresentou um cenário em que a inteligência artificial continua avançando, mas com uma pressão crescente por eficiência operacional. Segundo o Central do Varejo, ela afirmou que o custo de um desempenho equivalente ao do GPT-4 caiu de US$ 37 para 18 centavos por milhão de tokens em dois anos.

Na avaliação dela, isso mostra que o mercado entrou em uma nova etapa. Em vez de apenas ampliar modelos e infraestrutura, as empresas precisam pensar em como extrair mais valor do hardware e do software já disponíveis.

Essa mudança é relevante para quem atua com IA porque afeta diretamente três frentes:

custo por tarefa executada;
consumo de energia e espaço em data centers;
aproveitamento real de GPUs e modelos.

Data centers concentram parte do problema

Um dos pontos centrais da fala de Wu foi a infraestrutura. Segundo o portal Central do Varejo, ela disse que os data centers gastam cerca de um terço da energia com refrigeração, iluminação e outros itens de apoio. O restante é consumido pelas operações principais ligadas ao processamento.

A executiva também afirmou que o investimento dos grandes provedores de nuvem cresce cerca de 72% ao ano e já se aproxima de meio trilhão de dólares. Ao mesmo tempo, há desperdício de capacidade: segundo ela, as empresas provisionam 20 vezes mais GPUs do que usam.

Wu destacou ainda que, em treinamento, os laboratórios de ponta usam de 30% a 40% das GPUs, e em inferência de 20% a 30%. Em ambientes corporativos com Kubernetes gerenciado, o uso fica em um dígito baixo, segundo a executiva.

Energia, vacância e limites físicos

A fala de Wu também chamou atenção para a pressão sobre a rede elétrica. Segundo o Central do Varejo, ela citou um déficit de oito gigawatts de energia para data centers nos Estados Unidos em 2026 e vacância de 1,4%.

Ela afirmou que projetos no espaço e no oceano não resolvem o problema no curto prazo. Na prática, isso reforça que a expansão da IA depende não só de software e chips, mas também de infraestrutura física, energia disponível e melhor uso dos recursos existentes.

Outro dado mencionado por Wu foi o impacto da refrigeração. Ela disse que, em média, os data centers gastam cerca de um terço da energia com esse tipo de apoio. Segundo a executiva, o Google gasta cerca de 9%, enquanto o restante do setor consome o dobro.

Chips, rede e software: onde está a eficiência

Wu explicou que a eficiência pode ser buscada em várias camadas. No hardware, ela disse que a Nvidia detém cerca de 70% do mercado de chips, mas que Google, Amazon e Microsoft lançaram os seus próprios.

Na rede, segundo ela, um cluster de 100 mil chips perde cerca de 40% da capacidade só para direcionar o tráfego. Com otimização por IA, o uso pode chegar a 95%. Ela também afirmou que a luz no lugar do cobre torna os comutadores de três a quatro vezes mais eficientes em energia.

Mas, para Wu, o software é a camada mais barata para ganhar eficiência, porque melhora o resultado do hardware já comprado. Isso inclui o roteamento de tarefas: as mais simples vão para modelos pequenos e especializados, enquanto as de raciocínio longo e complexo seguem para modelos de ponta.

Segundo a executiva, a Nvidia constatou que de 40% a 70% das chamadas em agentes populares da OpenAI podem ser tratadas por modelos menores, de 10 a 30 vezes mais baratos. Ela também afirmou que a AWS diz cortar até 30% do custo com seu roteador.

O novo indicador: valor por token

Outro conceito trazido por Wu foi o de token yield, ou seja, o valor econômico gerado por cada token. Segundo o portal Central do Varejo, ela afirmou que o custo de uma dada capacidade de IA cai cerca de 10 vezes por ano.

Com isso, a discussão deixa de ser apenas quantos tokens são produzidos e passa a ser quanto resultado cada token gera. Na prática, isso significa que vence quem consegue direcionar cada tarefa para a configuração mais barata e suficiente para aquela demanda.

A frase que resume essa visão, segundo a executiva, é direta: “A pergunta do próximo ciclo é de quanto menos precisamos”.

O que essa mudança significa para o mercado

A leitura de Rocio Wu ajuda a entender por que a eficiência na IA virou tema central em eventos globais. O setor já não discute apenas capacidade de processamento, mas também como reduzir desperdícios e transformar infraestrutura cara em vantagem competitiva.

Para empresas que adotam IA, isso traz implicações práticas:

escolher o modelo certo para cada tipo de tarefa;
reduzir uso ocioso de GPUs;
otimizar redes e roteamento;
rever consumo de energia em data centers;
medir o retorno econômico de cada aplicação.

Em outras palavras, a próxima disputa não está apenas em criar modelos maiores. Está em construir sistemas mais inteligentes para usar melhor o que já existe.

Perguntas frequentes

O que Rocio Wu quis dizer com eficiência na IA?

Ela defendeu que a próxima etapa da inteligência artificial será definida por quem entrega mais resultado com menos recursos, especialmente em custo, energia e uso de GPUs.

Por que os data centers entraram no centro da discussão?

Porque, segundo Wu, eles consomem cerca de um terço da energia em apoio, enfrentam pressão de capacidade e ainda operam com muita ociosidade de GPUs.

O custo da IA realmente está caindo?

Segundo Wu, sim. Ela afirmou que o custo de um desempenho equivalente ao do GPT-4 caiu de US$ 37 para 18 centavos por milhão de tokens em dois anos.

A cobertura foi feita no contexto do AI Summit do Web Summit Lisboa 2026 e destaca como eficiência, infraestrutura e roteamento de modelos passaram a ocupar o centro da estratégia em IA.