A Nvidia, a empresa mais valiosa do mundo, fornece chips de inteligência artificial (IA) para uma série de empresas, como a OpenAI, do ChatGPT, e a Anthropic, do Claude. Mas, bem longe do Vale do Silício, e em território brasileiro, fica outro grande comprador dos semicondutores da companhia.

Em Goiás, o Centro de Excelência em Inteligência Artificial (CEIA), da Universidade Federal de Goiás (UFG), vai investir R$ 40 milhões ao longo de cinco anos para equipar seu novo data center com a mais recente arquitetura de máquinas da Nvidia.

Só no próximo ano, o centro deve aplicar cerca de R$ 27 milhões na aquisição desses equipamentos.

O objetivo, segundo a diretora executiva do CEIA, Telma Woerle de Lima Soares, é manter o poder computacional atualizado em um setor que se renova depressa demais para ficar parado.

Por que um centro precisa comprar chips o tempo todo?

A explicação está no ritmo da tecnologia.

Segundo Telma, a cada ano e meio surge uma nova geração de máquinas, e o CEIA precisa acompanhá-la porque desenvolve os próprios modelos de IA — o que exige uma infraestrutura robusta para treiná-los.

O novo data center é uma das vertentes de um convênio de investimento público em negociação, e serve tanto à pesquisa quanto ao repasse de conhecimento às empresas.

"Toda vez que chega um novo equipamento, existe uma curva de aprendizado para adaptar as IAs a essas novas arquiteturas", diz a diretora em entrevista à EXAME. "É um conhecimento necessário para que a gente possa implantar nos clientes."

A relação com a Nvidia

A parceria com a fabricante, esclarece Telma, não envolve cessão de propriedade intelectual. O CEIA compra os chips e, em troca, tem acesso ao suporte técnico da Nvidia por meio de um selo chamado AI Nations, que reconhece instituições consideradas impulsionadoras da IA em seus países.

"É muito mais para a troca de informações e o apoio que recebemos da Nvidia para difundir a inteligência artificial aqui no Brasil", afirma.

Na prática, o centro tem acesso aos técnicos da empresa para vencer a curva de adaptação a cada nova arquitetura de hardware.

Por que ainda não dá para trocar de fornecedor?

Questionada sobre diversificar os fornecedores de chips, Telma pondera que, neste momento, a Nvidia ainda faz mais sentido — e o motivo não é só o hardware.

O ponto central são as bibliotecas e os frameworks abertos, os componentes de software que a comunidade desenvolve para construir IA. Hoje, essas ferramentas funcionam melhor nos chips da Nvidia.

Há ainda um custo escondido em trocar de chip: cada mudança de arquitetura obriga a atualizar todo esse arcabouço de software. É o que trava, na prática, a migração para concorrentes, mesmo quando o hardware alternativo é competitivo.

Isso não significa que o CEIA ignore os rivais. Em contextos específicos, como a chamada IA de borda — que roda em dispositivos locais, e não em grandes servidores —, o centro explora arquiteturas diferentes, como as NPUs da Intel e as placas Raspberry.

O centro também começou a avaliar chips da Huawei, mas o estudo ainda está em fase inicial.

"O timing dos projetos nem sempre permite parar para explorar essas novas arquiteturas", diz Telma.