Fabrício Mainenti
RedatorJohn Collison é cofundador da plataforma Stripe e comanda um podcast chamado Cheeky Pint, no qual executivos de empresas de tecnologia aparecem para conversar sobre diversos assuntos. Um exemplo recente é Susan Li, CFO da Meta. Sam Altman, por sua vez, dispensa apresentações; há alguns dias, ele participou do programa de Collison para discutir vários temas. Entre eles, um que parece tirar o seu sono: a possibilidade de cada usuário configurar uma IA local.
Ele aponta para um desperdício de recursos, mas, no fundo, a questão remete ao meme de "ficar sem nada para comer" (ou seja, esgotar os recursos disponíveis).
Resumindo
No podcast, eles abordaram vários tópicos, mas o que chamou a atenção nas redes sociais foi o comentário do principal executivo da OpenAI sobre o cenário tecnológico atual, em que usuários pegam modelos abertos e os executam em seu próprio hardware, sem depender da nuvem de terceiros. Para Altman, a inferência local representa um desperdício terrível de um recurso tão escasso quanto a memória DRAM:
"A inferência local é uma péssima alocação de recursos escassos. Muita gente deseja a inferência local e, de certa forma, pressupõe que o problema já está resolvido — afinal, existem modelos de código aberto que podemos rodar em nossos próprios computadores, dispensando, assim, toda a infraestrutura oferecida pelos data centers.
Mas, sob a ótica da alocação global, é, na verdade, algo bastante negativo que cada pessoa tenha seu próprio computador com uma memória DRAM que é utilizada apenas 5% do tempo — especialmente em um momento em que esse recurso é tão limitado.
Em um cenário onde esse insumo crítico é tão restrito, o ideal seria a máxima concentração na nuvem. No entanto, a percepção das pessoas parece ser justamente o oposto."
Long story short: segundo Altman, ao manter uma IA local, você está desperdiçando recursos que poderiam ser utilizados para alimentar um data center.
A questão da DRAM
O número de 5% vem de Altman; por isso, ele considera um desperdício que cada pessoa tenha algo do tipo em casa quando, em um cenário de oferta tão limitada, o objetivo é a máxima utilização — algo que só é possível em um data center.
É claro que essa é a visão dele; por outro lado, há pessoas que possuem sua "própria IA", já que os modelos abertos já resolvem os problemas que elas precisam solucionar — além de oferecerem um nível de privacidade superior ao obtido com o uso do ChatGPT.
Sob a perspectiva do CEO da OpenAI, essa afirmação faz todo sentido. Isso ocorre porque — em um cenário onde empresas como Micron, Samsung e SK Hynix (que controlam a produção global de DRAM) não conseguem ampliar a oferta no ritmo exigido pelos hyperscalers — toda a capacidade de produção mundial deveria, neste momento, ser direcionada aos data centers, e não a equipamentos domésticos.
Há cinco anos, quando os preços estavam em patamares mínimos, ninguém teria imaginado esse cenário; contudo, hoje a DRAM tornou-se um recurso crítico e escasso. Segundo a TrendForce, os preços subiram entre 90% e 95% no primeiro trimestre de 2026... e nada indica que haverá uma queda no curto prazo. Pelo contrário.
Contexto
Esse comentário surgiu em um ponto da conversa em que se discutia a escassez de capacidade computacional. Altman sustenta que o mercado não está respondendo como deveria e que os grandes fabricantes de memória — apesar dos lucros expressivos obtidos nos últimos doze meses — mantêm um nível de investimento conservador em relação ao que a situação exige.
As três grandes empresas do setor tomaram medidas para viabilizar novas unidades fabris, chegando a limitar a produção de chips para o mercado consumidor a fim de direcionar a capacidade produtiva para as memórias HBM, essenciais para data centers. Contudo, trata-se de um segmento no qual não é simples promover mudanças da noite para o dia, nem estabelecer novas fábricas de memórias de alto desempenho.
Basta olhar para a China: há meses o país tenta se firmar no segmento de DRAM, mas, por ora, sua atuação está mais voltada ao mercado consumidor — uma consequência das exigências técnicas complexas dos chips de ponta, mencionadas anteriormente.
Solução
Além da sugestão de que você seja generoso e evite comprar componentes que a OpenAI poderia utilizar, Altman propõe, como solução, a entrada de novos agentes na cadeia de suprimentos.
Por exemplo, a OpenAI está desenvolvendo seus próprios chips em parceria com a Broadcom (projeto "Jalapeño"). Embora ainda dependam de memórias DRAM, a criação de um chip sob medida permite uma otimização muito mais eficiente. A SpaceX segue o mesmo caminho, assim como Amazon, Meta, Microsoft e o Google — este último com um pouco mais de experiência, graças às suas TPUs.
Nicho
Apesar de tudo, em agosto de 2025, a OpenAI lançou o "gpt-oss" — seus primeiros pesos abertos desde o GPT-2, projetados para execução local. O próprio Altman declarou, em janeiro daquele ano, que a OpenAI havia se equivocado em relação ao código aberto.
Vale ressaltar, contudo, que, no início de 2025, a atual crise de memórias DRAM ainda não existia. No fim das contas, minha dúvida aqui é: quão grande Altman considera ser o segmento de usuários que utilizam uma IA local? E será que eles realmente causam tanto dano à cadeia de suprimentos, quando vemos que as pessoas não pagam por IA, já que o que é oferecido "gratuitamente" já atende às necessidades que possam surgir?
Quem possui uma máquina capaz de rodar um modelo local sabe muito bem por que faz isso — seja por necessidades específicas, pela possibilidade de uso offline ou, simplesmente, por não confiar na segurança de uma empresa como a OpenAI.
Imagem de capa | Flickr (World Economic Forum)
Texto traduzido e adaptado do portal parceiro Xataka Espanha
Ver 0 Comentários