Publicidade
Na semana passada, a DeepSeek desafiou a sabedoria convencional sobre inteligência artificial (IA). Até agora, muitos assumiam que treinar modelos de ponta exigia mais de US$ 1 bilhão e milhares dos chips mais recentes. Que a IA tinha que ser proprietária. Que apenas um punhado de empresas tinha o talento para construí-la – então o segredo era essencial.
A DeepSeek provou o contrário. As notícias sugerem que eles treinaram seu modelo mais recente com apenas 2.000 chips Nvidia a uma fração do custo esperado – cerca de US$ 6 milhões. Isso reforça o que sempre dissemos: modelos menores e eficientes podem fornecer resultados reais sem sistemas massivos e proprietários.
Leia também: Eles investiram bilhões. Então o roteiro da IA foi invertido
Continua depois da publicidade
Mas a descoberta da China levanta uma pergunta maior: quem moldará o futuro da inteligência artificial? O desenvolvimento da IA não pode ser controlado por um punhado de competidores – especialmente quando alguns podem não compartilhar valores fundamentais como proteção de dados empresariais, privacidade e transparência.
A resposta não é restringir o progresso – é garantir que a IA seja construída por uma ampla coalizão de universidades, empresas, laboratórios de pesquisa e organizações da sociedade civil.
Qual é a alternativa? Deixar a liderança em IA escorregar para aqueles com valores e prioridades diferentes. Isso significaria ceder o controle de uma tecnologia que irá remodelar cada indústria e cada parte da sociedade. A inovação e o verdadeiro progresso só podem vir pela democratização da IA.
Continua depois da publicidade
O tempo do hype acabou. Acredito que 2025 deve ser o ano em que desbloqueamos a IA de seu confinamento entre alguns competidores. Até 2026, uma parte ampla da sociedade não deve apenas estar usando IA – deve estar construindo IA.
Leia mais: Como a startup chinesa DeepSeek está competindo com gigantes do Vale do Silício
Lição da DeepSeek
Modelos menores e de código aberto são como esse futuro será construído. A lição da DeepSeek é de que a melhor engenharia otimiza para duas coisas: desempenho e custo. Por muito tempo, a IA foi vista como um jogo de escala – onde modelos maiores significavam melhores resultados. Mas a verdadeira inovação é tanto sobre tamanho quanto sobre eficiência.
Continua depois da publicidade
Em nosso trabalho na IBM, vimos que modelos adequados para um propósito já levaram a reduções de até 30 vezes nos custos de inferência de IA, tornando o treinamento mais eficiente e acessível.
Não concordo que a inteligência artificial geral (AGI) esteja à porta, nem que o futuro da IA dependa da construção de data centers do tamanho de Manhattan ou movidos a energia nuclear. Essas narrativas criam escolhas falsas. Não há lei da física que dite que a IA deve permanecer cara.
O custo de treinamento e inferência não é fixo – é um desafio de engenharia a ser resolvido. Empresas, tanto as estabelecidas quanto as novas, têm a engenhosidade para reduzir esses custos e tornar a IA mais prática e disseminada.
Continua depois da publicidade
Já vimos isso acontecer antes. Nos primórdios da computação, o armazenamento e o poder de processamento eram proibitivamente caros. No entanto, através de avanços tecnológicos e economia de escala, esses custos despencaram – desbloqueando novas ondas de inovação e adoção.
O mesmo será verdade para a IA. Isso é promissor para empresas em todos os lugares. A tecnologia só se torna transformadora quando se torna acessível. Ao adotar modelos de IA abertos e eficientes, as empresas podem aproveitar soluções custo-efetivas adaptadas às suas necessidades, desbloqueando todo o potencial da IA em diversas indústrias.
As opiniões expressas nas peças de comentário da Fortune.com são exclusivamente as visões de seus autores e não refletem necessariamente as opiniões e crenças da Fortune.
