O Brasil está no buraco da inteligência artificial porque confundiu plano com capacidade

O Brasil não está atrasado em inteligência artificial porque falta palestra. Não falta seminário. Não falta grupo de trabalho. Não falta manifesto sobre ética, inclusão, soberania e desenvolvimento sustentável.

Falta máquina.

Falta energia contratada para máquina. Falta fibra entre máquinas. Falta equipe que saiba manter cluster de GPU sem transformar cada treinamento em aventura artesanal. Falta dado público limpo. Falta orçamento recorrente. Falta comprador público que saiba exigir resultado técnico. Falta coragem de dizer que soberania digital não nasce de nota oficial.

O país tem um Plano Brasileiro de Inteligência Artificial. O plano fala em R$ 23 bilhões até 2028, com R$ 5,79 bilhões para infraestrutura e desenvolvimento de IA, R$ 13,79 bilhões para inovação empresarial e R$ 103,25 milhões para regulação e governança. É uma moldura relevante. Mas plano não treina modelo. PDF não aloca GPU. Comitê não reduz latência.

A frase dura é esta: o Brasil está tentando entrar na economia da IA como usuário premium, não como potência tecnológica.

O tamanho do buraco

O caso DeepSeek-V3 é útil porque tira a discussão do campo místico. O relatório técnico do modelo informa 671 bilhões de parâmetros totais, 37 bilhões ativos por token, 14,8 trilhões de tokens de pré-treinamento e 2,788 milhões de horas de GPU H800 para o treinamento completo.

Esse número assusta menos quando aparece em paper do que quando vira chão de fábrica.

2,788 milhões de horas de GPU significam, em uma configuração de 2.048 GPUs, algo perto de 57 dias de execução contínua. Não é ligar um servidor no laboratório. É operar uma planta industrial de computação: energia, refrigeração, rede, storage, monitoramento, recuperação de falha, pipeline de dados, checkpoint, equipe 24 horas e disciplina de engenharia.

O Brasil tem o Santos Dumont, do LNCC, e isso não deve ser diminuído. O TOP500 registra uma atualização importante: a máquina Santos Dumont com BullSequana XH3000, Grace Hopper Superchip, NVIDIA GH200, InfiniBand NDR200, 68.064 cores e pico teórico de 20,256 petaflops. Antes disso, o próprio LNCC já destacava a máquina como infraestrutura científica para clima, petróleo, genômica, saúde e modelagem computacional.

Esse é o ponto: é supercomputação científica. Não é, automaticamente, fábrica nacional de LLM frontier.

O benchmark público do TOP500 mede uma tradição de HPC. Treinar modelo de linguagem grande exige outra topologia prática: muita GPU moderna disponível por semanas, interconexão rápida, paralelismo bem implementado, stack de treinamento madura, dados curados e equipe que já errou nessa escala antes. O gargalo não é apenas FLOP bruto. É o sistema inteiro.

Um país pode ter um supercomputador respeitável e ainda assim não ter capacidade industrial de treinar um modelo frontier competitivo. O Brasil está exatamente nessa zona.

O plano existe, a fábrica não

O PBIA acerta ao dizer que infraestrutura importa. Também acerta ao tratar IA como política de Estado, não como brinquedo de startup. O erro está no risco brasileiro clássico: transformar uma agenda industrial em coleção de ações dispersas.

Há dinheiro anunciado. Há eixos. Há linguagem de soberania. Há intenção de data centers, infraestrutura nacional, soluções públicas, capacitação e inovação empresarial. BNDES e Finep informaram R$ 5,4 bilhões aprovados em crédito e equity para IA entre janeiro de 2023 e setembro de 2025, incluindo hardware, integradores, desenvolvedores, cloud e data centers.

Isso é bom. Mas ainda não responde à pergunta central: qual capacidade concreta o Brasil terá instalada em 2028?

Capacidade concreta não é "apoiar o ecossistema". É poder dizer:

Sem essas respostas, o país terá programa. Não terá capacidade.

O buraco não é só GPU

É tentador reduzir o problema a "comprar placa". Isso é insuficiente.

O primeiro buraco é compute. GPU moderna é escassa, cara e geopoliticamente sensível. Quem compra tarde paga mais, recebe depois e depende de fornecedor externo. O Brasil não fabrica GPU de ponta, não fabrica HBM, não fabrica interconexão equivalente à de clusters frontier e não controla a cadeia de semicondutores que decide quem treina e quem apenas consome.

O segundo buraco é dado. O país tem uma riqueza brutal de dados públicos: Diário Oficial, jurisprudência, legislação, compras governamentais, saúde, educação, clima, agricultura, cadastros administrativos, documentos históricos, português brasileiro real. Mas dado público brasileiro costuma vir em PDF ruim, planilha quebrada, portal instável, OCR torto, metadado fraco e licença confusa.

Modelo bom não nasce de "raspar a internet brasileira" de qualquer jeito. Nasce de corpus limpo, versionado, auditável, com remoção de duplicata, tratamento de privacidade e curadoria linguística. O Brasil tem o petróleo textual. Não tem refinaria suficiente.

O terceiro buraco é talento de operação. O país forma bons pesquisadores. O problema é reter gente que sabe transformar paper em sistema. Uma coisa é publicar benchmark. Outra é manter cluster, otimizar kernel, depurar treinamento distribuído, cortar custo de inferência, servir modelo para milhões de usuários e responder quando uma atualização piora o desempenho em português jurídico.

O quarto buraco é compra pública. O Estado brasileiro compra mal tecnologia. Compra escopo fechado para problema incerto, exige documentação antes de protótipo, remunera hora em vez de resultado, terceiriza inteligência técnica e depois chama isso de governança. Em IA, esse vício é fatal.

O quinto buraco é confusão regulatória. Regular importa. Mas quando a energia política vai quase toda para princípios gerais, audiências, comissões e medo abstrato, o país regula uma indústria que ainda não construiu. É possível defender segurança sem transformar regulação em substituto psicológico para execução.

O que o Brasil não deveria tentar

O Brasil não deveria gastar os próximos três anos tentando "ter o seu GPT-4" treinado do zero por vaidade estatal.

Essa frase incomoda, mas é necessária.

Treinar modelo frontier hoje é jogo de escala industrial. Estados Unidos e China competem com data centers gigantes, capital paciente, fornecedores próximos, exércitos de engenheiros, acesso privilegiado a chip, energia negociada e mercados internos enormes. Mesmo quando uma empresa chinesa como a DeepSeek reduz dramaticamente o custo de treinamento, ela reduz a partir de uma base industrial que o Brasil não tem: equipe especializada, hardware em volume, disciplina de stack e ecossistema de engenharia.

O Brasil tentar copiar isso sem a base vira teatro caro.

O país também não deveria jogar todo o dinheiro em consultoria de governança. Governança sem sistema funcionando é ata de reunião. Ética sem infraestrutura é declaração de intenção. Soberania sem compute é slogan.

Também não deveria depender de uma única parceria internacional, seja americana, chinesa ou europeia. Parceria é útil. Dependência disfarçada de cooperação é outro nome para subordinação.

O que o Brasil pode fazer agora

O caminho realista é menos glamouroso e muito mais poderoso.

Primeiro: criar uma capacidade nacional de inferência. Nem todo país precisa treinar tudo do zero, mas país sério precisa conseguir rodar modelos críticos dentro de infraestrutura controlada, com custo previsível e dados sensíveis protegidos. SUS, Receita, Justiça, defesa, previdência, educação e pesquisa não podem depender eternamente de API externa para tarefas estratégicas.

Segundo: financiar fine-tuning em português brasileiro. Há modelos abertos fortes o bastante para serem adaptados. O ganho brasileiro viria de domínio: português real, direito brasileiro, saúde pública, educação básica, agro, clima tropical, compras públicas, atendimento governamental. Um modelo menor, bem ajustado e barato de servir, pode gerar mais valor público do que uma tentativa frustrada de imitar um frontier americano.

Terceiro: construir datasets nacionais como infraestrutura pública. O país precisa de um "pré-sal textual" organizado: corpus de português brasileiro com licença clara, versões, benchmarks, dados sintéticos controlados, datasets jurídicos, científicos, administrativos e educacionais. Dataset bom é ativo estratégico.

Quarto: comprar resultado, não narrativa. Todo edital de IA pública deveria exigir métrica: redução de fila, aumento de acurácia, queda de custo por processo, melhoria de atendimento, diminuição de erro, tempo de resposta, auditoria e comparativo com baseline humano ou sistema anterior. Sem métrica, IA vira PowerPoint caro.

Quinto: montar um time nacional de engenharia de modelos. Não um comitê. Um time. Gente paga para treinar, ajustar, servir, auditar e quebrar modelos. Bolsas ajudam, mas a tarefa exige carreira, salário competitivo e missão técnica clara.

Sexto: separar soberania de autarquia. O país não precisa que todo modelo seja estatal. Precisa que capacidades críticas estejam sob jurisdição, contrato, auditoria e infraestrutura que o Brasil consiga controlar. Soberania pode envolver universidade, empresa privada, estatal, startup e laboratório público. O que não pode é virar dependência opaca.

O verdadeiro atraso

O atraso brasileiro em IA não é falta de usuário. O brasileiro usa IA. Empresa usa IA. Governo começa a usar IA. Universidade pesquisa IA. Startup vende IA.

O atraso está na camada que não aparece para o usuário: a pilha de produção.

Quem controla a pilha controla preço, disponibilidade, privacidade, atualização, censura técnica, dependência contratual e direção do desenvolvimento. Quem não controla a pilha vira cliente. Cliente sofisticado, talvez. Mas cliente.

O Brasil ainda está no modo cliente.

Quando uma secretaria usa chatbot importado para atendimento público, parece modernização. Quando um tribunal resume processo com modelo externo, parece eficiência. Quando uma empresa brasileira embute API estrangeira em produto nacional, parece inovação. Em todos os casos, a camada decisiva fica fora: modelo, chip, nuvem, framework, otimização, roadmap.

É assim que um país vira mercado consumidor de inteligência.

A saída é menor e mais séria

A boa notícia é que o Brasil não precisa vencer a corrida global de modelos frontier para sair do buraco. Precisa parar de fingir que discurso substitui capacidade.

O país pode ser forte em IA aplicada ao Estado. Pode ser forte em português. Pode ser forte em agroclima. Pode ser forte em direito público. Pode ser forte em saúde tropical. Pode ser forte em educação personalizada de baixo custo. Pode ser forte em modelos menores, auditáveis e eficientes.

Mas isso exige uma escolha adulta: abandonar a fantasia do grande anúncio e financiar a engenharia miúda que acumula capacidade.

Um bom programa brasileiro de IA deveria começar com três entregas em doze meses:

Nada disso dá manchete tão grande quanto "supercomputador top 5". Mas dá país.

O Brasil está no buraco porque confundiu intenção com infraestrutura. A saída começa quando a pergunta muda. Não é "qual é o plano de IA?". É "que capacidade instalada temos na segunda-feira de manhã?".

Hoje, a resposta ainda é insuficiente.

E essa insuficiência é o diagnóstico mais honesto que o país pode fazer antes de gastar o próximo bilhão.