Existe uma conta que quase ninguém vê quando conversa com um chatbot.

Cada pergunta enviada para um modelo de inteligência artificial consome energia. Multiplique isso por bilhões de consultas diárias, some os treinamentos de modelos cada vez maiores e o resultado é uma indústria que caminha para consumir mais eletricidade do que muitos países.

É justamente esse problema que Naveen Rao acredita conseguir resolver.

Ex-chefe de IA da Databricks, Rao lançou a startup Unconventional AI com uma proposta ambiciosa: reduzir em até 1.000 vezes o consumo de energia necessário para executar modelos de inteligência artificial. A empresa apresentou seu primeiro sistema, chamado Un-0, acompanhado de uma pesquisa que demonstra como sua arquitetura computacional baseada em osciladores pode reproduzir o desempenho dos modelos atuais consumindo uma fração da energia.

Se a promessa se confirmar, o impacto pode ser tão grande quanto o surgimento de novos modelos de IA.

O problema deixou de ser criar inteligência

Nos últimos anos, a indústria concentrou seus esforços em construir modelos maiores.

Mais parâmetros.

Mais dados.

Mais capacidade computacional.

Essa estratégia produziu avanços impressionantes, mas também criou um efeito colateral: o custo para operar esses sistemas disparou.

Empresas como OpenAI, Google, Anthropic e xAI investem bilhões de dólares em infraestrutura, enquanto gigantes da nuvem constroem data centers em ritmo acelerado para acompanhar a demanda. Em muitos casos, o maior gargalo já não é conseguir chips, mas fornecer energia suficiente para mantê-los funcionando.

É por isso que eficiência energética passou a ser uma das palavras mais importantes da corrida da IA.

A aposta é reconstruir o computador

A maioria das startups tenta melhorar modelos de inteligência artificial.

A Unconventional AI quer mudar algo muito mais fundamental.

Em vez de utilizar a arquitetura digital tradicional que domina a computação há décadas, a empresa aposta em um sistema baseado em osciladores — uma abordagem diferente para realizar cálculos necessários durante a inferência, ou seja, o momento em que um modelo responde às solicitações dos usuários.

Segundo Rao, esse tipo de arquitetura elimina parte do desperdício energético presente nos chips atuais.

Para provar que a ideia funciona, a empresa desenvolveu o Un-0, um modelo de geração de imagens executado em uma simulação de sua nova arquitetura computacional. Os resultados apresentados indicam desempenho comparável ao de modelos de difusão convencionais.

Ainda não existe hardware comercial baseado nessa tecnologia.

Mas a demonstração mostra que a proposta é tecnicamente viável.

A infraestrutura virou o novo campo de batalha

Existe uma mudança importante acontecendo na indústria.

Durante os primeiros anos da IA generativa, a competição girava quase exclusivamente em torno dos modelos.

Agora, a atenção começa a migrar para a infraestrutura.

Nos últimos dias, a OpenAI apresentou seu primeiro chip próprio desenvolvido em parceria com a Broadcom para reduzir a dependência de fornecedores tradicionais. Outras empresas seguem o mesmo caminho, investindo em semicondutores, memória e novas arquiteturas computacionais para diminuir custos operacionais.

A proposta da Unconventional AI se encaixa exatamente nesse movimento.

Se o custo para rodar modelos continuar crescendo, soluções que reduzam drasticamente o consumo de energia podem valer tanto quanto um avanço em inteligência.

Energia pode ser o verdadeiro limite da IA

O entusiasmo em torno da inteligência artificial costuma girar em torno da capacidade dos modelos.

Mas existe um limite físico para esse crescimento.

Data centers precisam de eletricidade.

Precisam de refrigeração.

Precisam de redes de transmissão capazes de suportar cargas cada vez maiores.

Diversos estudos recentes apontam que o consumo energético da IA se tornou uma preocupação central para governos, empresas de energia e operadoras de infraestrutura. Se os custos continuarem aumentando no ritmo atual, a expansão da inteligência artificial poderá ser limitada não pela falta de algoritmos, mas pela capacidade do mundo de alimentá-los eletricamente.

É justamente essa limitação que startups como a Unconventional AI tentam atacar.

Por que isso importa

A próxima grande inovação em inteligência artificial talvez não venha de um modelo mais inteligente.

Pode vir de um computador mais eficiente.

Se Naveen Rao estiver certo, reduzir o consumo energético em centenas ou milhares de vezes mudaria completamente a economia da IA. Modelos mais baratos significam mais empresas utilizando inteligência artificial, menos pressão sobre redes elétricas e uma expansão muito mais rápida da tecnologia.

A história da computação mostra que grandes saltos normalmente acontecem quando software e hardware evoluem juntos.

Depois de anos focada apenas em modelos, a indústria parece ter descoberto que o próximo gargalo está nos computadores que os executam.

E resolver esse problema pode valer tanto quanto criar a próxima geração de IA.