Rodar inteligência artificial (IA) no próprio computador já não exige mais uma estação de trabalho de dezenas de milhares de reais. Com a popularização de modelos de código aberto como o Llama e o Mistral, uma máquina montada com os componentes certos consegue executar vários tipos de modelos de linguagem, com finalidades diversas.

O componente certo, neste caso, é a placa de vídeo — e o que importa nela não é a velocidade de clock, mas a quantidade de memória de vídeo (VRAM). Veja como montar um PC para IA local com um investimento básico, mas que ainda traz bons resultados.

O que é um PC para IA local?

Um PC para IA local é configurado para executar modelos de IA no hardware do próprio usuário, sem conexão com APIs externas. Isso inclui rodar grandes modelos de linguagem (LLMs) para chat e geração de texto, criar imagens com programas como o Stable Diffusion, transcrever áudio com o Whisper e processar documentos com técnicas de RAG (Retrieval-Augmented Generation) — tudo offline.

A diferença em relação a serviços como ChatGPT, Gemini, Claude ou Perplexity é que o processamento acontece na placa de vídeo da máquina. Nenhum dado sai do computador, o que elimina custos recorrentes de assinatura ou cobrança por token e mantém informações sensíveis sob controle do usuário.

Montar um PC para IA local também não é o mesmo que montar um para jogos. Em jogos, a taxa de quadros por segundo e a velocidade de renderização comandam a escolha dos componentes. Em IA, o que importa é a capacidade de memória de vídeo e a largura de banda com que os dados circulam entre a GPU e essa memória. Um modelo de linguagem precisa caber inteiro na VRAM para rodar com velocidade aceitável — se não couber, o sistema transfere parte do processamento para a RAM, o que pode reduzir a velocidade em até 20 vezes.

É por isso que um computador comum, por mais avançado que ele seja, não é suficiente para rodar os LLMs: eles exigem uma altíssima capacidade de processamento, para garantir que todas as tarefas sejam executadas rapidamente.

Quais componentes um PC para IA local precisa ter?

• GPU (placa de vídeo): modelos de linguagem e geradores de imagem rodam seus cálculos dentro da memória de vídeo (VRAM) da placa gráfica, e a quantidade de VRAM define o tamanho máximo de modelo que o sistema consegue executar. Com 8 GB, a máquina roda modelos de até 7 bilhões de parâmetros quantizados. Com 12 GB, o limite sobe para 8 a 13 bilhões com folga;
• RAM (memória do sistema): funciona como reserva da VRAM. Quando o modelo não cabe na memória da placa de vídeo, ele transborda para a RAM — o processamento continua, mas a velocidade pode cair até 20 vezes. Quanto mais RAM disponível, maior o modelo que o sistema consegue carregar, por isso, o mínimo recomendado é 32 GB;
• SSD NVMe (armazenamento): os arquivos dos modelos de IA pesam entre 4 GB e 30 GB cada. Um SSD NVMe carrega esses arquivos em segundos, enquanto um disco rígido convencional pode levar minutos. Para quem alterna entre vários modelos no dia a dia, a diferença no tempo de carregamento é considerável;
• CPU (processador): como a  inferência de IA roda quase por inteiro na GPU, um processador intermediário é suficiente para gerenciar o sistema, ler dados do disco e manter os demais processos funcionando;
• Fonte de alimentação: GPUs consomem bastante energia em cargas prolongadas de IA. Uma fonte subdimensionada pode desligar o sistema durante o processamento ou danificar componentes. A recomendação é 600 W;
• Gabinete com boa ventilação: a GPU trabalha sob carga alta por longos períodos durante a inferência, o que gera calor constante. Um gabinete com frente em tela (mesh) e bom fluxo de ar evita o superaquecimento e protege a vida útil das peças.

Quanto custa montar um PC para IA local no Brasil?

Com peças novas em junho de 2026, a configuração de entrada para IA local fica entre R$ 5.000 e R$ 7.000 na versão mais econômica. Para quem prefere uma plataforma mais moderna, com caminho de upgrade, o custo sobe para R$ 7.000 a R$ 9.000. A seguir, as opções por componente:

GPU

• NVIDIA RTX 3060 12 GB: entre R$ 1.800 e R$ 2.200. A placa teve a produção original encerrada em dezembro de 2025, mas fabricantes como ASUS e MSI preparam novas remessas a partir de julho de 2026 para suprir a demanda. Os 12 GB de VRAM a tornam a melhor opção de entrada para IA;
• NVIDIA RTX 5060 Ti 16 GB: a partir de R$ 3.500. Para quem quer rodar modelos de 13 bilhões de parâmetros com folga e tem orçamento maior.

CPU

• AMD Ryzen 5 5600 (socket AM4): entre R$ 500 e R$ 700. Econômico, suficiente para não limitar a GPU;
• Intel Core i5-12400F (socket LGA 1700): entre R$ 600 e R$ 800. Desempenho equivalente;
• AMD Ryzen 5 7600 (socket AM5): entre R$ 900 e R$ 1.100. Mais caro, mas o socket AM5 deve receber novas gerações de processadores nos próximos anos, o que prolonga a vida útil da máquina sem troca de placa-mãe.

Placa-mãe

• B550 (para Ryzen 5 5600, DDR4): entre R$ 400 e R$ 600;
• B660 (para i5-12400F, DDR4): faixa semelhante;
• B650 (para Ryzen 5 7600, DDR5): entre R$ 600 e R$ 900.

RAM

• 32 GB DDR4 3200 MHz (2x16 GB): entre R$ 450 e R$ 600;
• 32 GB DDR5 5600 MHz (2x16 GB): entre R$ 600 e R$ 900. Obrigatória para quem optar pela plataforma AM5.

Demais componentes

• SSD NVMe de 1 TB: entre R$ 350 e R$ 500. Marcas como Kingston, Crucial, XPG e WD oferecem modelos com boa velocidade de leitura nessa faixa;
• Fonte de 600 W 80 Plus Bronze: entre R$ 300 e R$ 450;
• Gabinete com frente em mesh: a partir de R$ 200.

Softwares gratuitos para começar com IA local

Os principais programas para IA local são de código aberto e não exigem pagamento de licença.

O Ollama é a forma mais direta de baixar e executar modelos de linguagem. Funciona pelo terminal com um único comando (como ollama run llama3) e roda em segundo plano, permitindo que outras aplicações se conectem a ele. Está disponível para Windows, macOS e Linux.

O LM Studio oferece uma interface gráfica semelhante à do ChatGPT. O usuário baixa modelos com um clique, escolhe qual carregar e conversa com ele de forma offline. É a opção mais acessível para quem não tem familiaridade com linha de comando.

O AnythingLLM é voltado para quem quer conectar a IA local a documentos próprios. Ele usa a técnica de RAG (Retrieval-Augmented Generation) para que o modelo consulte os arquivos do usuário antes de responder, sem que nenhum dado seja enviado para a internet.

O Fooocus cuida da geração de imagens. Com uma interface simplificada, ele roda o Stable Diffusion sem exigir configuração manual de parâmetros técnicos, basta descrever a imagem desejada em texto e aguardar o resultado.