
Por que a próxima década de inteligência artificial não será decidida apenas por quem cria os modelos — mas por quem souber onde se posicionar na cadeia de valor.
Há um mapa sendo desenhado agora, e poucos países estão prestando atenção enquanto a tinta ainda está fresca. É o mapa de onde a inteligência artificial vai morar: onde ficam os data centers, de onde vem a energia que os alimenta, quem detém os chips, quem forma os talentos e quem escreve as regras. Uma vez que esse mapa endurecer, redesenhá-lo custará caro. E os números mostram que ele está endurecendo rápido.
Hoje, cerca de 77% da capacidade global de data centers está em países de alta renda. Três provedores de nuvem concentram 74% do mercado mundial, e uma única fabricante responde por 90% das GPUs que treinam os grandes modelos. Só as cinco maiores empresas de tecnologia dos Estados Unidos investiram US$ 400 bilhões em capital em 2025, com projeção de US$ 660 bilhões em 2026 — mais do que o dobro do investimento em IA de todos os outros países da OCDE somados. Quando poucos atores controlam processamento, chips e infraestrutura, a concentração deixa de ser um acidente e passa a ser a estrutura do mercado.
Para um gestor público brasileiro, é tentador ler esses dados como uma sentença: chegamos tarde, a corrida dos modelos já tem dono. Mas essa é a leitura errada — e é aqui que precisamos ser rigorosos sobre o que a corrida realmente é.
A camada dos modelos não é a única camada
A cadeia de valor da IA tem muitos andares. Há quem projete os chips, quem os fabrica, quem constrói os data centers, quem treina os modelos de fundação, quem os adapta a contextos específicos, quem constrói as aplicações e quem os coloca para gerar valor em setores reais — saúde, agricultura, comércio exterior, serviços públicos. Competir no andar mais alto e mais capital-intensivo — treinar modelos de fronteira do zero — provavelmente não é onde o Brasil tem vantagem. Mas confundir “não vamos construir o próximo modelo de fronteira” com “não temos lugar na IA” é um erro estratégico caro.
Dois movimentos recentes reforçam isso. Primeiro, o preço da inteligência despencou: o custo de acesso aos modelos caiu cerca de 80% em pouco tempo. O que era proibitivo virou commodity acessível — o que desloca a vantagem competitiva da criação do modelo para a aplicação inteligente dele. Segundo, cresce a lógica da IA soberana: nações e setores regulados querem controlar onde seus dados e sua computação residem. Isso abre uma janela concreta para países que oferecem o que a fronteira precisa e não consegue produzir sozinha.
Os ativos que o Brasil leva para a mesa
E o Brasil tem ativos reais para essa mesa. Nossa matriz elétrica é uma das mais limpas e renováveis do mundo — e energia deixou de ser detalhe: virou o principal gargalo da expansão de data centers, cujas GPUs de ponta já consomem mais de mil watts cada. Temos escala continental, estabilidade institucional, um mercado interno relevante e um fuso horário conveniente para atender as Américas. Temos uma comunidade técnica robusta e um ecossistema de startups que já exporta software. E temos um arcabouço de governança em construção — o Plano Brasileiro de Inteligência Artificial (PBIA 2024–2028), a discussão do marco legal e a experiência com a LGPD — que dá aos investidores algo que eles valorizam tanto quanto energia barata: previsibilidade de regras.
Comparação útil: a Índia estruturou sua missão nacional de IA com cerca de US$ 1,38 bilhão e a meta de mobilizar mais de 10 mil GPUs via parcerias público-privadas, mirando explicitamente a democratização do acesso à infraestrutura. Não é uma tentativa de vencer os Estados Unidos no treinamento de modelos. É uma escolha deliberada de onde competir. O Brasil precisa da mesma clareza estratégica.
De espectador a arquiteto
O que isso significa na prática para quem toma decisões? Significa tratar a IA como política de desenvolvimento econômico, não apenas como pauta de tecnologia. Significa usar a energia limpa como argumento comercial para atrair investimento em infraestrutura de processamento — transformando um ativo ambiental em vantagem industrial. Significa apoiar a internacionalização das nossas startups de IA e a exportação de serviços digitais, porque é na camada de aplicação, não na de fundação, que capturamos valor com o que já sabemos fazer. E significa amadurecer a governança não como um freio, mas como infraestrutura de confiança que reduz o risco percebido por quem decide onde alocar bilhões.
Nada disso acontece por inércia. A concentração que os dados mostram é justamente o que ocorre quando países assistem em vez de agir — o mapa é preenchido pelos que chegam primeiro e se integram verticalmente. A janela para escolher um lugar melhor existe, mas não é permanente. Infraestrutura leva anos para ser construída, talento leva mais tempo ainda para ser formado, e regras levam ciclos políticos inteiros para amadurecer. As decisões que definem onde o Brasil estará em 2030 estão sendo tomadas — ou adiadas — agora.
A pergunta que interessa aos gestores públicos e executivos brasileiros não é se venceremos a corrida dos modelos de fronteira. É outra, mais precisa e mais nossa: em quais andares da cadeia de valor da IA o Brasil decide competir — e o que faremos, ainda nesta década, para chegar lá antes que o mapa endureça de vez?
O país NÃO precisa ser o dono do cérebro artificial do mundo. Mas pode, e deveria, ser um lugar indispensável para que esse cérebro funcione. A diferença entre uma coisa e outra é estratégia — e tempo.
Fontes: Banco Mundial, Atlas of Global Development: Inequalities in AI (2025); OCDE, AI Markets: Competition Issues (2026) e The Impact of AI on Productivity, Distribution and Growth (2024); Banco Mundial, Global Trends in AI Governance (2024) e Devising a Strategic Approach to AI (2025); Plano Brasileiro de Inteligência Artificial (PBIA) 2024–2028.
Publicado originalmente na newsletter Radar, no LinkedIn, em 21/07/2026. Ver o artigo original e os comentários.