block_fancy

A expressão “Centro Futuro de Aprendizagem com IA” soa de um jeito que é fácil primeiro pensar em equipamentos.
Uma tela maior.
Mais sensores.
Mais terminais inteligentes.
Salas de aula mais bonitas.
Mas se for apenas levar os dispositivos para a escola, a aprendizagem não se torna automaticamente o futuro.
O que a escola realmente precisa atualizar não é quantos novos hardwares existem a mais na sala, e sim o que os alunos fazem de fato dentro dela.
Muitos problemas dos projetos de educação digital no passado estavam exatamente aqui.
Os dispositivos chegaram, mas a sala de aula continua sendo a mesma.
A plataforma foi lançada, mas as tarefas continuam sendo as mesmas.
Adicionar alguns acessos para os alunos não muda a forma como eles aprendem.

Dario fica responsável por levar os modelos até a fronteira, e Daniela fica responsável por realmente organizar um laboratório de ponta.
Se você tem acompanhado empresas de IA nos últimos dois anos, é bem provável que tenha uma sensação muito forte.
A OpenAI parece estar no centro do foco dos holofotes.
O Google é como um gigante tradicional, com uma base financeira enorme e que está ficando cada vez mais rápido nas ações.
A Meta parece mais uma grande máquina, com muitos recursos e um estilo de jogo agressivo.
Já a Anthropic tem uma vibe completamente diferente.
Ela não é exatamente a que mais sabe criar um clima dramático, mas sempre consegue, nos momentos mais decisivos, colocar na mesa um modelo suficientemente forte, uma narrativa de segurança suficientemente clara e uma confiança de grandes clientes bem sustentada.

Nos últimos dois anos, quando a IA parecia mais mágica, isso geralmente acontecia na tela.
Você digita uma frase, ele escreve um artigo. Você manda uma imagem, ele gera um vídeo. Você joga um código, ele te ajuda a corrigir o bug. Tudo isso é bem impactante, mas a maioria ainda tá presa no mundo da informação.
O GTC Taipei desta vez trouxe outra direção à tona: IA física, robôs, gêmeos digitais, fábricas inteligentes.
Essa direção não é tão fácil de fazer uma demonstração.
Porque o mundo físico não tem piedade.
Se a geração de texto deu ruim, dá pra reescrever. Se a imagem gerada ficou torta, pode pedir outra. Mas se o robô na fábrica pegar a peça errada, bater no equipamento ou deixar passar um defeito, o preço vai ser outro. O mundo físico tem peso, tem atrito, tem obstrução, tem barulho e tem responsabilidade de segurança.

As palavras 'PC AI' têm sido um pouco embaraçosas no último ano.
Você vai conferir a conferência de lançamento de computadores, e a fabricante vai te dizer que este é um computador AI. E daí? Mais um botão, mais um assistente, mais algumas funções locais. Tudo parece certo, mas muita gente se pergunta em silêncio: por que eu deveria trocar de máquina?
Isso não significa que os consumidores não entendam AI.
É que muitos PCs AI anteriores não explicaram a questão claramente.
Na GTC Taipei, a NVIDIA avançou um passo nessa discussão. No blog da NVIDIA, mencionaram o RTX Spark, juntando a GPU Blackwell RTX, CPU Grace, Windows, a colaboração com a MediaTek e um agente pessoal local. O mais importante não é o número de 1 petaflop em si, mas como isso redefine o computador pessoal como um espaço de habitação para agentes.

Essas palavras 'PC AI' têm sido um pouco embaraçosas no último ano e meio.
Você vai ver a apresentação do computador, e os fabricantes vão te dizer que é um computador AI. E daí? Um botão a mais, um assistente a mais, algumas funcionalidades locais a mais. Parece tudo certo, mas muita gente vai se perguntar em silêncio: por que eu deveria trocar de máquina?
Não é que os consumidores não entendam AI.
O problema é que muitos PCs AI não explicaram a questão claramente.
Na GTC Taipei, a NVIDIA deu um passo à frente nesse problema. No blog da NVIDIA, mencionaram o RTX Spark, juntando a Blackwell RTX GPU, a Grace CPU, Windows, a colaboração com a MediaTek e o agente pessoal local. O mais importante não é o número de 1 petaflop em si, mas como isso redefine o computador pessoal como um espaço de habitação para agentes.

Antigamente, quando assistia a conferências de hardware, cometia um erro comum.
Quando vejo uma nova plataforma, logo penso nos parâmetros: quantas GPUs, quanta largura de banda, quanto de aumento de performance, e quanto de throughput por watt.
Isso, sem dúvida, é útil.
Mas desta vez, na GTC Taipei, o mais interessante sobre a Vera Rubin não está nos números individuais, mas no fato de que a NVIDIA a descreve como uma fábrica.
Não é apenas um servidor.
É uma fábrica de IA.
Essa afirmação é crucial. O termo 'fábrica' carrega naturalmente a ideia de produção, taxa de rendimento, cadeia de suprimentos, capacidade, e custo por unidade. Você não vai perguntar apenas se uma máquina é boa, mas sim quanto uma linha inteira consegue produzir por dia, se pode ser consertada se quebrar, se o consumo de energia é aceitável, se as peças estão disponíveis, e se os produtos gerados podem ser vendidos.

O que eu achei mais interessante na apresentação do GTC Taipei não foi o quanto algum parâmetro subiu, nem quão incrível é um determinado servidor.
Foi o Huang Renxun que mencionou sobre a Vera CPU, dizendo que no passado as CPUs eram para uso humano, mas no futuro teremos bilhões de agentes, e esses Agentes vão usar a CPU de forma extremamente impaciente.
Essa frase soa como uma citação de palco, mas se você pensar bem, é um pouco assustadora.
Antes, discutimos sobre IA, e na maioria das vezes, assumimos que o usuário é humano. Uma pessoa abre o ChatGPT, faz uma pergunta, espera alguns segundos, copia o resultado e vaza. Mesmo que seja um assistente de IA dentro de uma empresa, no fundo, ainda é uma pessoa que inicia a ação. O humano é o mestre do ritmo, enquanto a IA é o ajudante que é chamado.