Em uma entrevista recente e detalhada, Jensen Huang trouxe um insight marcante: a computação está deixando de ser vista como “custo” e passa a ser um “produto” que gera valor diretamente.
Apesar de parecer abstrato, esse conceito responde a uma questão essencial: qual é o principal fator de produção na era da inteligência artificial?
Como fundador da NVIDIA, Huang tem uma visão singular. Ele não fala sobre crescimento de usuários na camada de aplicação, nem sobre escala de parâmetros na camada de modelo. Ele está, na verdade, redefinindo o fundamento: a computação está se tornando uma unidade econômica negociável?
De centro de custo a motor de produção
Na era da internet, os data centers tinham uma função clara.
Eles armazenavam dados, processavam solicitações e suportavam aplicações — atuando essencialmente como parte dos custos das empresas. Seja em computação em nuvem ou SaaS, o foco era “otimizar a estrutura de custos”, e não gerar valor vendável de forma direta.
A IA mudou essa dinâmica. À medida que modelos passaram a gerar textos, imagens, códigos e executar tarefas complexas, cada computação deixou de ser apenas consumo de recurso — passou a ser “produção de resultados”. Esses resultados podem ser consumidos por usuários ou precificados diretamente.
Assim, os data centers não são mais apenas centros de custo; agora funcionam como fábricas. Seus insumos são eletricidade, chips e modelos; seus produtos são conteúdos, decisões e até ações automatizadas. Tudo isso se unifica em um conceito — Token.
Token: a menor unidade de produção na era da IA
Neste contexto, Token não se refere a tokens de criptomoedas, mas à unidade básica de medida em sistemas de IA. Ao interagir com um modelo, você consome Tokens; quando o modelo gera uma resposta, ele está “produzindo” Tokens. A precificação de APIs é, em essência, baseada no uso de Tokens.
Pode parecer um detalhe técnico, mas a verdadeira transformação é: agora, a computação pode ser medida, precificada e negociada em unidades exatas.
Historicamente, esse é um marco fundamental. Na era industrial, a eletricidade tornou-se infraestrutura porque podia ser medida (quilowatt-hora); na era da internet, banda e armazenamento se tornaram produtos porque podiam ser cobrados.
Agora, a IA transformou a própria “inteligência” em um recurso mensurável. Token não é apenas um termo técnico — está surgindo como uma nova “unidade econômica”.
Por que o poder computacional será consumido como eletricidade
Huang fez uma previsão ousada: no futuro, os gastos com computação podem representar uma fatia muito maior da economia.
Essa lógica segue o desenvolvimento da eletricidade.
Quando a eletricidade surgiu, era apenas parte dos custos industriais. Mas, à medida que a eletrificação avançou, praticamente todos os setores passaram a depender dela, tornando-se um recurso essencial.
A IA pode seguir o mesmo caminho. Conforme mais tarefas são executadas por IA — escrever, programar, criar, analisar, tomar decisões — a essência dessas atividades é o consumo de poder computacional e Tokens.
Isso cria uma nova estrutura de consumo:
-
Empresas não compram mais apenas software; agora “adquirem inteligência”
-
Usuários não apenas utilizam ferramentas; eles “consomem computação”
-
A atividade econômica gira cada vez mais em torno do poder computacional
Esse é o conceito de “poder computacional como eletricidade”.
O verdadeiro ponto de virada: custos de inferência estão explodindo
Muitos enxergam os custos da IA como “treinamento de modelos”, mas Huang reforçou uma mudança importante: a inferência está se tornando o principal fator de custo. No início, a IA era uma ferramenta passiva — você perguntava, ela respondia, e a computação era pontual. Agora, a IA evolui para um sistema em operação contínua. Especialmente com o avanço dos Agents, o cenário mudou drasticamente:
-
Uma tarefa não é mais uma chamada única, mas várias rodadas de inferência
-
Um sistema pode executar múltiplas IAs ao mesmo tempo
-
A IA pode acionar outras IAs de forma autônoma
Ou seja, a computação deixou de ser “consumo por uso” e passou a ser “queima contínua”. Huang foi direto: “Pensar é caro.”
Quando a IA começa a “pensar”, a demanda por poder computacional não cresce de forma linear, mas sim exponencial.
Do crescimento de usuários ao crescimento de Agents
Se, na era da internet, o crescimento era medido pelo “número de usuários”, na era da IA pode ser pelo “número de Agents”. Essa é uma mudança crucial, mas facilmente ignorada. Usuários são limitados, mas Agents podem ser replicados.
Um assistente de IA pode executar várias tarefas ao mesmo tempo; um sistema pode rodar milhares de Agents simultaneamente; um Agent pode até criar novos Agents. Isso leva a um novo modelo de crescimento: a demanda por poder computacional deixa de ser definida por pessoas e passa a ser determinada pelo “número de máquinas”. E o crescimento de máquinas não tem limite natural.
Quem lucra? Uma cadeia industrial transparente
Dentro dessa estrutura, toda a cadeia industrial da IA se torna clara.
De um lado, estão as empresas de modelos, que convertem poder computacional em Tokens e os fornecem aos usuários. Do outro, a camada de aplicação, responsável por consumir esses Tokens e criar produtos e serviços. A montante, empresas como a NVIDIA fornecem as “máquinas que produzem Tokens”.
Esse arranjo lembra a corrida do ouro:
-
Empresas de IA estão “garimpando ouro”
-
Usuários estão “consumindo ouro”
-
A NVIDIA está “vendendo pás”
Enquanto houver demanda por “ouro”, vender pás será um excelente negócio.
A variável esquecida: energia, não chips
Muitos acreditam que o gargalo da IA está nos chips, mas Huang trouxe uma perspectiva mais interessante: a verdadeira limitação pode estar na energia.
Sua visão, porém, não é que “falta eletricidade”, mas sim que “a utilização é ineficiente”.
Redes elétricas tradicionais são projetadas para picos extremos e ficam ociosas grande parte do tempo. Data centers de IA têm a vantagem de poder se ajustar dinamicamente.
Por exemplo, podem reduzir desempenho, adiar tarefas ou realocar cargas, sem comprometer o sistema como um todo. Isso significa que os sistemas de poder computacional podem ser mais flexíveis do que os sistemas de energia. Essa flexibilidade será determinante na competição futura.
Ao reunir esses pontos, surge uma visão abrangente.
-
Token transforma computação em commodity
-
Fábricas de IA conferem atributos de produção aos data centers
-
Custos de inferência impulsionam consumo contínuo de poder computacional
-
Agents ampliam a demanda sem limites
Essas mudanças não representam apenas uma evolução técnica, mas sim uma reconstrução do modelo produtivo. Se a internet transformou o fluxo de informações, a IA está transformando o “processo produtivo em si”. Por isso, Huang utiliza termos próprios da industrialização para descrever a IA.
Afinal, em sua definição, IA não é apenas software — é um novo sistema de produção.
Conclusão
Quando a computação pode ser medida, precificada e negociada; quando data centers funcionam como fábricas, entregando valor continuamente; quando o poder computacional é consumido como eletricidade — tudo indica uma direção: a IA está evoluindo de ferramenta para infraestrutura. E, quando uma tecnologia se torna infraestrutura, as mudanças deixam de ser incrementais e passam a ser estruturais.
Sob essa ótica, o verdadeiro significado da entrevista não está em prever o futuro, mas em oferecer um diagnóstico: talvez já estejamos no início da “industrialização da IA”.
