← Capa | Mercado

Zuckerberg: acumular poder computacional pode levar à superinteligência, mas compreender o cérebro humano é o fator decisivo

2026-11-03 · Fonte:华尔街见闻全球·中继

Zuckerberg: acumular poder computacional pode levar à superinteligência, mas compreender o cérebro humano é o fator decisivo

O CEO da Meta reafirma o julgamento técnico de que 'escala é o caminho', mas usa o consumo de 10 watts do cérebro humano e a diferença de um milhão de vezes em eficiência energética para traçar as coordenadas de investimento de curto prazo e risco de longo prazo para os compradores de computação para IA.

O CEO da Meta, Mark Zuckerberg, deu recentemente um julgamento claro sobre a rota tecnológica rumo à superinteligência: atingir esse objetivo não dependeria necessariamente de avanços na arquitetura — acumular poder computacional em escala suficientemente grande também pode produzir o 'milagre da força bruta'. Em outras palavras, segundo ele, o investimento contínuo e crescente em capacidade de computação é, por si só, um caminho viável até o topo. A declaração vem de um executivo que comanda pessoalmente a construção de data centers hiperscale e clusters de GPUs, e o seu peso não está na novidade teórica, mas no endosso que oferece à direção dos gastos de capital de todo o setor: enquanto a lógica da expansão em escala se sustentar, os investimentos em compras, construção de instalações e fornecimento de energia permanecem justificados.

Contudo, ele também apontou a preocupação de eficiência por trás dessa rota: o cérebro humano opera com apenas 10 watts de potência, enquanto os sistemas de IA atuais têm uma eficiência energética cerca de um milhão de vezes inferior à do cérebro. Esses números merecem ser repetidamente ponderados por cada participante da indústria de computação. 10 watts equivalem aproximadamente ao consumo de uma pequena lâmpada; um cluster moderno de treinamento de IA, por sua vez, costuma consumir megawatts ou até centenas de megawatts. A diferença de cerca de um milhão de vezes entre os dois significa que, mesmo que o acúmulo de computação seja viável do ponto de vista da engenharia, os custos energéticos e a pressão sobre o resfriamento crescem de forma superlinear com a escala. Para os operadores de data centers, isso não é uma discussão meramente filosófica, mas uma restrição real que entra diretamente nos contratos de compra de energia e nos indicadores de PUE.

É com base nessa diferença que Zuckerberg posiciona 'compreender o cérebro humano' como o fator decisivo do futuro. A escala computacional sustenta a corrida atual, mas para ir longe será fundamental entender como o cérebro humano executa tarefas intelectuais complexas com consumo energético extremamente baixo e aplicar esse mecanismo ao design da próxima geração de sistemas de IA. Visto pela lente da história da indústria, esse julgamento não é isolado. Computação neuromórfica, ativação esparsa e inferência em precisão mista são, em essência, abordagens que se inspiram no funcionamento do cérebro biológico: o cérebro não opera em alta intensidade ao mesmo tempo em toda a sua extensão, mas recruta neurônios de forma altamente seletiva, completando cálculos contínuos aparentemente fluidos com duty cycle extremamente baixo. As arquiteturas de GPU atuais fazem exatamente o oposto, trocando operações matriciais densas por generalidade, ao custo de um enorme desperdício de eficiência energética. Quem primeiro transformar mecanismos de eficiência de inspiração biológica em engenharia poderá obter produção intelectual equivalente sem aumentar o orçamento de energia.

Lendo a declaração de Zuckerberg pela ótica do posicionamento de produto, percebe-se a coerência estratégica da própria Meta. A Meta compete há tempos pela rota de modelos de linguagem de código aberto, e seu modelo de negócios não depende diretamente da venda de modelos por uso, mas sim de alavancar uma base computacional maior para gerar valor em publicidade, recomendação e no ecossistema de hardware de próxima geração. Nesse contexto, 'acumular computação' é tanto uma declaração de capacidade quanto uma fonte de atração para desenvolvedores; já enfatizar 'compreender o cérebro humano' reserva espaço narrativo para o investimento em pesquisa de longo prazo, evitando ser interpretado como gasto indiscriminado. As duas linhas em paralelo delineiam precisamente a atitude completa dos grandes players em relação à computação para IA: no curto prazo, trocar escala por velocidade; no longo prazo, trocar eficiência por sobrevivência.

Para os compradores de computação que planejam aquisições de GPUs e investimentos em data centers, a declaração oferece uma dupla referência. No curto prazo, a lógica da escala continua sustentando o investimento contínuo em infraestrutura; no longo prazo, a diferença de eficiência energética sugere que o rumo da competição não dependerá apenas de quem acumula mais computação — o nível de inteligência por unidade de consumo de energia pode se tornar o divisor de águas mais duradouro. Em termos práticos de compras, isso implica algumas considerações concretas. Primeira: com orçamento equivalente, deve-se comparar prioritariamente o throughput de treinamento e inferência por watt, em vez de simplesmente comparar número de placas ou valores nominais de computação de pico; a eficiência energética se converterá diretamente em margem bruta num ambiente em que a participação do custo de eletricidade tende a crescer. Segunda: os contratos de compra devem preservar flexibilidade para iterações de arquitetura — se o 'compreender o cérebro humano' de que fala Zuckerberg se traduzir em novos formatos de hardware, os clusters atuais centrados em computação densa podem enfrentar custos de adaptação, e prazos de contratação excessivamente longos amplificarão esse risco. Terceira: o design de resfriamento e fornecimento de energia deve prever redundância para densidades de potência mais altas — independentemente de a revolução da eficiência chegar ou não, o aumento da densidade computacional é uma tendência certa. Quarta: os compradores devem incorporar à avaliação a evolução dos ecossistemas de software e das arquiteturas de modelos, pois avanços de eficiência costumam ocorrer primeiro na camada algorítmica, com o hardware apenas compensando com atraso.

Da perspectiva geral do comprador de computação para IA, as palavras de Zuckerberg também podem ser lidas com um significado de gestão de risco: quando um líder do setor admite publicamente que existe uma diferença de um milhão de vezes em eficiência energética entre os sistemas atuais e o padrão biológico, isso equivale a insinuar que a rota tecnológica atual ainda pode ser desfeita. Isso não significa que os compradores devam interromper os investimentos — pelo contrário, na corrida rumo à superintelligência, o custo da ausência pode superar o custo do erro de alocação —, mas sim lembrar que a forma de investir deve ser 'investimento iterável': construção por etapas, expansão modular, combinação de aluguel e compra, usando a elasticidade estrutural para se proteger da incerteza das rotas tecnológicas.

No mercado atual, o modelo de computação relacionado de interesse dos usuários não apresenta dados de preços publicados no momento, o que impede fornecer faixas de preço eficazes e referências de unidades à venda, e esta reportagem também não dispõe de número de relatório de mercado correspondente para citação. Recomenda-se que compradores com intenção de aquisição acompanhem as atualizações do mercado e, após a retomada dos dados, decidam considerando o desempenho por watt e o custo por unidade de computação.

Em resumo, o julgamento de Zuckerberg pode ser condensado em uma frase: a escala computacional determina se você consegue sentar-se à mesa, mas a eficiência energética e a compreensão da essência da inteligência determinam por quanto tempo você permanece nela. Para os compradores de computação, no curto prazo continuem comprando como sempre, mas cada compra deve reservar uma saída e uma porta de entrada para aquele futuro de salto qualitativo em eficiência energética.

P: Qual é a magnitude da diferença de eficiência energética entre o cérebro humano e os sistemas de IA atuais, segundo Zuckerberg?

R: O cérebro humano opera com apenas 10 watts de potência, enquanto os sistemas de IA atuais têm uma eficiência energética cerca de um milhão de vezes inferior à dele — existe um abismo de ordem de grandeza entre os dois em eficiência energética.

P: Qual é a principal lição desse julgamento para os compradores de GPUs?

R: No curto prazo, a lógica do investimento em escala continua válida, mas as compras devem ter o throughput por watt como métrica central e preservar flexibilidade para iterações de arquitetura, pois o nível de inteligência por unidade de consumo de energia pode se tornar o divisor de águas de longo prazo.

Tags: Meta · Mark Zuckerberg · Superintelligence · Compute Scaling · AI Efficiency


Leituras relacionadas


萬安算交所 AIXX · AIXX · Exchange verificado · Ir ao mercado