A inteligência artificial generativa, que ganhou destaque mundial com o ChatGPT, enfrenta agora uma encruzilhada. Dois anos após sua ascensão, os custos energéticos e financeiros para treinar grandes modelos cresceram de forma exponencial, colocando em dúvida a viabilidade econômica da IA.

Segundo The Economist, o treinamento do modelo GPT-4, da OpenAI, consumiu energia suficiente para abastecer 50 residências americanas por um século. Projeções indicam que os custos para treinar a próxima geração de IA podem chegar a US$ 10 bilhões.

Além disso, o custo de “inferência” – quando os modelos são utilizados para responder perguntas -pode ser ainda mais alto do que o treinamento. Para exemplificar, resumir os relatórios financeiros de 58 mil empresas públicas pode custar até US$ 223 mil. Esse cenário cria uma barreira para a adoção massiva da tecnologia, mas a indústria já busca alternativas.

Gigantes como Google, Meta, Amazon e Apple estão desenvolvendo chips especializados para lidar com as demandas dos modelos de linguagem, tornando-os mais eficientes que os chips convencionais da Nvidia, atual líder no setor.

O foco agora é criar modelos menores e mais especializados, como o novo “o1” da OpenAI, que se destaca em raciocínio, embora não seja voltado para a geração de textos.

Enquanto isso, investidores enfrentam incertezas. A Nvidia, cuja capitalização de mercado aumentou em US$ 2,5 trilhões nos últimos dois anos, pode perder espaço para concorrentes que ofereçam soluções mais eficientes. OpenAI, Google e Meta competem para liderar essa nova fase da tecnologia, mas o futuro da liderança no setor ainda está em aberto.

Nos Estados Unidos, as tentativas de frear o avanço da China na IA aplicando sanções para limitar o acesso a chips de última geração, têm gerado efeitos adversos. A China, por sua vez, acelera o desenvolvimento de alternativas tecnológicas, e o verdadeiro diferencial na corrida pela liderança global será a capacidade de inovar e atrair talentos.

Essas inovações, que buscam tornar os modelos de IA mais eficientes energeticamente, serão decisivas para o futuro sustentável da tecnologia.