A superinteligência não será distribuída. Será racionada.

Existe uma expectativa confortável sobre o futuro da inteligência artificial: quando a superinteligência chegar, todos assinarão um plano de cinquenta reais por mês e passarão a viver de forma um pouco mais inteligente, como todo mundo. É uma expectativa razoável se a história recente da tecnologia servisse de guia. Mas os sinais mais recentes do setor sugerem o oposto. Não caminhamos para um mundo em que todos têm acesso a um assistente genial. Caminhamos para um mundo em que o assistente genial está ocupado demais otimizando a carga tributária de alguém muito mais rico do que você.

Três sinais que formam um padrão

Em novembro de 2025, Yann LeCun, até então cientista-chefe de IA da Meta e uma das figuras mais respeitadas do campo, anunciou sua saída da empresa. A decisão veio após meses de atrito interno, incluindo o rebaixamento de sua equipe de pesquisa fundamental diante da ascensão de um novo núcleo de IA generativa liderado por Alexandr Wang, ex-CEO da Scale AI, comprada pela Meta por 14,3 bilhões de dólares em 2025. LeCun fundou a Advanced Machine Intelligence Labs (AMI Labs), dedicada a modelos de mundo, uma abordagem que ele considera mais promissora do que os grandes modelos de linguagem atuais.

Em junho de 2026, o governo dos Estados Unidos determinou que a Anthropic suspendesse o acesso a seus modelos mais recentes, Fable e Mythos, para usuários fora do território americano, invocando controles de exportação do Departamento de Comércio. A medida durou pouco mais de duas semanas: os controles foram revogados em 30 de junho e o acesso foi restabelecido em 1º de julho. O episódio foi breve, mas revelador. Um governo nacional demonstrou, na prática, que pode decidir quem tem acesso a um modelo de fronteira e quem não tem, de um dia para o outro.

No mesmo mês, uma testemunha do Pentágono confirmou, em depoimento judicial, que o Grok, modelo da xAI de Elon Musk, foi usado para apoiar operações militares dos Estados Unidos contra o Irã, ajudando a direcionar o disparo de mais de duas mil munições contra milhares de alvos em 96 horas. Não é ficção científica. É um documento de tribunal.

Tomados isoladamente, esses três episódios parecem notícias distintas sobre disputas corporativas, geopolítica e conflito armado. Tomados juntos, eles desenham uma trajetória: o poder sobre a inteligência artificial de ponta está se concentrando em poucas mãos, sejam elas corporativas, militares ou estatais, e o acesso amplo que conhecemos hoje é uma fase de transição, não um destino permanente.

O roteiro já foi escrito antes

Há 250 anos, as primeiras nações a se industrializar não ficaram apenas mais ricas. Passaram a dominar o resto do mundo. A Grã-Bretanha liderou essa onda no século XVIII; França e Alemanha seguiram décadas depois, disputando o que sobrou. A colonização já existia antes da industrialização, mas a industrialização a levou a um novo patamar de eficiência e alcance.

O padrão que se desenha com a inteligência artificial é estruturalmente parecido, ainda que os instrumentos sejam outros. Não são navios e exércitos, é infraestrutura computacional e algoritmos. As primeiras entidades, sejam nações ou corporações, a desenvolverem sistemas de inteligência artificial verdadeiramente superiores tendem a acumular vantagem econômica, militar e estratégica sobre as demais, e essa vantagem tende a se autorreforçar.

Por que a arquitetura está migrando para o hardware

Os grandes modelos de linguagem atuais têm limitações conhecidas. Eles não aprendem continuamente: são treinados, implantados, e só aprendem de novo na próxima geração, treinada do zero a um custo altíssimo. Sofrem também do que pesquisadores chamam de esquecimento catastrófico, quando novo conhecimento sobrescreve o anterior em vez de se somar a ele. E carregam um problema de segurança praticamente estrutural, ligado à injeção de comandos maliciosos em seus próprios fluxos de instrução.

A resposta da indústria a essas limitações aponta em uma direção específica: maior especialização de hardware, como os chips de treinamento desenvolvidos pelo Google e os chips neuromórficos que várias empresas pesquisam hoje, desenhados para reduzir consumo de energia ao alinhar arquitetura de software e arquitetura física. Ao mesmo tempo, cresce o interesse por modelos de mundo, a linha de pesquisa que atraiu Yann LeCun, Google DeepMind e Nvidia, em que o sistema aprende relações de causa e efeito simulando um ambiente, de forma mais próxima de como cérebros biológicos evoluíram.

O efeito combinado dessas tendências é que software e hardware de inteligência artificial avançada tendem a ficar cada vez mais interligados, à medida que o treinamento consome mais energia e o modelo se especializa em subseções dedicadas a tarefas específicas, como o cérebro humano especializa regiões distintas para funções distintas. Quanto mais essa integração avança, mais difícil, lento e caro se torna copiar ou replicar o sistema resultante.

O horizonte de um sistema único e contínuo

Levada ao limite, essa lógica converge para uma arquitetura central: um único sistema em operação contínua, que nunca para de aprender, do qual desenvolvedores derivam versões simplificadas para tarefas cotidianas. A ideia de um sistema central do qual derivam sistemas menores é recorrente na ficção científica, o que não é coincidência: ela é a consequência previsível de submeter uma inteligência artificial às mesmas pressões de eficiência energética e de recursos que moldaram a evolução dos cérebros biológicos.

Manter e operar um sistema desse porte exige recursos que só um número reduzido de empresas, e talvez alguns governos, conseguirá sustentar. Isso não significa necessariamente o fim do acesso amplo às versões mais simples desses sistemas, os modelos derivados para uso cotidiano. Significa que o acesso ao núcleo mais capaz, aquele que de fato desloca fronteiras de conhecimento, tende a ficar restrito a quem pode pagar por ele, ou a quem detém a autorização política para usá-lo.

O que isso significa para o Brasil

Esse cenário coloca o país diante de uma escolha concreta, não apenas retórica. O Brasil não vai competir na construção do sistema central mais avançado do planeta, isso está fora de questão no horizonte previsível. Mas o país tem um ativo estrutural pouco explorado nesse debate: sua matriz energética. Segundo o Balanço Energético Nacional 2026 da Empresa de Pesquisa Energética (EPE), a participação de renováveis na matriz elétrica brasileira atingiu 86,8% em 2025, um patamar muito superior à média mundial e à média dos países da OCDE. Como o próprio texto de Hossenfelder argumenta, o custo energético é o fator que mais deve restringir o acesso à inteligência artificial de ponta nos próximos anos. Um país com energia limpa e relativamente abundante tem um argumento de peso para atrair infraestrutura de treinamento e processamento, não apenas consumo de modelos prontos importados.

O risco, nesse cenário, não é apenas ficar fora do desenvolvimento da fronteira tecnológica. É depender inteiramente de decisões regulatórias de outros países para saber se um modelo continuará disponível amanhã, como o episódio Fable e Mythos deixou claro em poucos dias. Construir capacidade nacional de processamento, ainda que voltada a modelos derivados e não ao núcleo mais avançado, e discutir soberania de dados com a mesma seriedade com que se discute soberania energética, deixou de ser um debate de nicho técnico e passou a ser uma questão de autonomia estratégica.

Nenhuma dessas contratendências invalida o padrão observado nos episódios recentes. Elas indicam que o desfecho ainda não está decidido, e que decisões regulatórias, de investimento em infraestrutura energética e de política industrial tomadas agora, inclusive no Brasil, ainda podem influenciar quem fica de fora e quem consegue um lugar à mesa quando o acesso realmente começar a se restringir.