O CEO da OpenAI, Sam Altman, reconheceu publicamente que a corrida pelos chips de inteligência artificial está produzindo um efeito colateral caro: desperdício maciço de capital e capacidade computacional subutilizada. Em entrevista à CNBC, o executivo chamou a atenção para a baixa eficiência no uso das GPUs e ASICs de última geração, levantando dúvidas sobre o real retorno financeiro de uma indústria que, segundo o Goldman Sachs, deve injetar mais de US$ 1 trilhão em hardware, data centers e licenças de software apenas nesta década.
O que Altman quis dizer com “desperdício”?
O alerta de Altman ecoa um estudo da plataforma Cast AI, que analisou 23 mil clusters de computação de alto desempenho: em média, apenas 5 % da capacidade das GPUs está sendo efetivamente usada. Ou seja, 95 % dos chips — muitos deles modelos topo de linha, como NVIDIA H100 ou AMD Instinct MI300 — permanecem ligados, consumindo energia e exigindo refrigeração, mas sem processar praticamente nada.
FOMO corporativo e o efeito no consumidor final
Por trás desse gargalo está o fenômeno comercial conhecido como FOMO (Fear of Missing Out). Empresas de todos os portes estão comprando lotes de GPUs antecipadamente, temendo uma nova escassez como a que inflacionou o mercado de semicondutores na pandemia. Esse comportamento pressiona a cadeia de suprimentos, reduz a oferta para segmentos domésticos e pode impactar diretamente quem planeja trocar de placa de vídeo ou até mesmo montar um PC novo para jogos.
Produtividade real: só 0,5 % nos próximos 10 anos?
O debate ganhou ainda mais força depois que Daron Acemoglu, Nobel de Economia de 2024 e professor do MIT, publicou o estudo The Simple Macroeconomics of AI. O trabalho projeta que a IA agregará apenas 0,5 % de ganho de produtividade por ano na próxima década — um número bem abaixo das expectativas vendidas por muitas big techs. Se esse cenário se confirmar, a conta bilionária com hardware pode levar anos para se pagar.
Risco de obsolescência: quando a GPU premium vira sucata de luxo
Outra preocupação é o ritmo frenético de lançamentos. Uma arquitetura de GPU comprada hoje — pense em soluções H100 ou, no mercado gamer, a recém-lançada GeForce RTX 4090 — pode se tornar tecnicamente ultrapassada antes mesmo de atingir 100 % de uso. Para o consumidor comum, isso significa possível queda de preços em gerações passadas, mas também incerteza sobre quando vale a pena investir no “topo de linha”.
Impacto no seu setup gamer ou workstation
Se você está de olho em um upgrade de processador, GPU ou até mesmo pensando em adicionar mais memória RAM, a confissão de Altman serve como termômetro do mercado:
Imagem: William R
- Preços podem oscilar: estoques altos de chips corporativos tendem a manter a demanda por silício em alta, dificultando quedas agressivas de preço no varejo.
- Novas gerações mais rápidas: a pressão por eficiência pode acelerar a chegada de arquiteturas com melhor desempenho por watt, como as futuras linhas baseadas em NVIDIA Blackwell ou AMD RDNA 4.
- Pacotes de software otimizados: empresas buscarão extrair mais dos chips existentes, o que pode resultar em drivers e atualizações que também beneficiam usuários domésticos.
O que esperar a seguir?
Gigantes de nuvem — Amazon AWS, Microsoft Azure e Google Cloud, por exemplo — já anunciam ferramentas de orchestration para elevar a taxa de utilização dos clusters de IA. Se funcionarem, podem reduzir a pressão por novas compras e, com isso, normalizar a oferta de componentes no varejo.
No entanto, enquanto o “boom” de IA continuar, prepare-se: teclados mecânicos, mouses gamer e, principalmente, placas de vídeo poderão seguir com preços menos atrativos do que gostaríamos. Fique atento aos ciclos de lançamento: muitas vezes, a melhor estratégia é esperar a geração seguinte ou aproveitar promoções pontuais na Amazon, onde kits de upgrade costumam aparecer com descontos-relâmpago.
Em outras palavras, a admissão de Sam Altman não é apenas um problema de boardrooms em Wall Street. Ela ecoa diretamente no bolso de quem joga, cria conteúdo ou trabalha com renderização 3D. A dica é monitorar a evolução da eficiência nos data centers: quanto mais esses chips parados começarem a “trabalhar”, maior a chance de vermos estabilização — e até queda — nos preços dos componentes que usamos em casa.
Com informações de Hardware.com.br
