A nova aposta da Nvidia vai além das GPUs

Google reduz o custo de agentes com o Gemini 3.6 Flash, bancos nomeiam Chief AI Officers e a demanda por energia acelera.

AuthorAuthor

Filipe Solevicz & Finn Puklowski
22 de julho de 2026

E aí, seja bem-vindo ao conteúdo de hoje.

O mercado de IA está entrando em uma fase em que controlar apenas os modelos já não é suficiente. Com a Vera, sua primeira CPU desenvolvida especificamente para sistemas de IA, a Nvidia mostra que a próxima vantagem competitiva passa por dominar toda a pilha tecnológica, do hardware ao software. Quanto maior a integração entre essas camadas, maior tende a ser a eficiência, o desempenho e a dificuldade para concorrentes desafiarem essa posição.

E os demais destaques mostram que essa transformação está acontecendo em toda a indústria. O Google apresentou novos modelos Gemini, incluindo uma versão focada em reduzir os custos de agentes de IA e outra voltada para segurança cibernética, reforçando que eficiência também virou prioridade. Os maiores bancos do mundo começaram a criar cargos de Chief AI Officer, um sinal de que a IA deixou de ser um projeto experimental para ocupar espaço na estratégia das empresas. Ao mesmo tempo, um novo relatório projeta que os data centers poderão quadruplicar o consumo de eletricidade até 2035, evidenciando que a corrida pela IA será definida não apenas por modelos mais inteligentes, mas também por quem conseguir construir a infraestrutura necessária para sustentá-los.

Vera amplia estratégia da Nvidia além das GPUs

Diferente de CPUs convencionais, a Vera foi projetada para trabalhar em conjunto com as GPUs da empresa, coordenando tarefas, movimentando dados e reduzindo gargalos em clusters de IA. A ideia é transformar hardware em uma plataforma integrada, em vez de componentes independentes.

O movimento aumenta a pressão sobre Intel e AMD, que historicamente dominaram o mercado de CPUs para servidores. Ao oferecer um sistema completo, a Nvidia busca reduzir a necessidade de clientes combinarem tecnologias de diferentes fornecedores.

Essa estratégia reforça uma tendência que vem ganhando força na indústria. A vantagem competitiva já não está apenas em fabricar o melhor chip, mas em controlar toda a stack, do processador ao software que gerencia a infraestrutura.

Ao mesmo tempo, isso fortalece o ecossistema da Nvidia. Quanto mais peças da infraestrutura pertencem à mesma empresa, maior o custo para clientes migrarem para soluções concorrentes.

Por que isso importa?

A disputa pela liderança em IA está deixando de ser uma guerra de GPUs. Empresas que conseguirem oferecer plataformas completas tendem a capturar mais valor, aumentar a fidelização dos clientes e consolidar posições dominantes na próxima geração da infraestrutura de IA.

🇧🇷 IA generativa no Brasil 🇧🇷 

Google aposta em eficiência com novos modelos Gemini

O principal avanço está na eficiência. Segundo o Google, o Gemini 3.6 Flash pode reduzir em até 65% o custo de tokens em tarefas de engenharia de longa duração, um ganho importante para empresas que operam agentes capazes de executar fluxos complexos por longos períodos.

Além disso, a empresa apresentou um modelo voltado para cibersegurança, treinado para identificar vulnerabilidades, analisar ameaças e apoiar equipes de defesa digital. É mais um sinal de que grandes laboratórios estão começando a lançar modelos especializados para aplicações específicas, em vez de depender apenas de modelos generalistas.

A ausência do Gemini 3.5 Pro também chama atenção. Em vez de concentrar todas as novidades em um único modelo de ponta, o Google está priorizando atualizações incrementais e casos de uso práticos, reforçando uma estratégia voltada para adoção empresarial.

O lançamento acompanha uma tendência crescente na indústria. A competição entre modelos deixou de ser apenas sobre quem lidera benchmarks e passou a incluir métricas como custo operacional, eficiência e especialização para diferentes tarefas.

Porque isso importa

A próxima fase da IA será definida menos por modelos universais e mais por modelos otimizados para necessidades específicas. Reduzir custos e entregar desempenho em aplicações reais pode se tornar um diferencial tão importante quanto aumentar a capacidade dos modelos.

🤑 Maiores investimentos do dia no mercado

Chief AI Officer vira prioridade nas maiores instituições financeiras

A função vai além de liderar projetos de IA. Esses executivos são responsáveis por definir a estratégia da empresa, coordenar a adoção entre diferentes áreas, garantir conformidade regulatória e transformar investimentos em ganhos concretos de produtividade e receita.

O movimento reflete a velocidade com que a IA está sendo incorporada ao setor financeiro. Bancos enxergam a tecnologia como uma ferramenta para automatizar operações, melhorar análise de risco, acelerar atendimento ao cliente e aumentar a eficiência em praticamente todas as áreas.

Criar um cargo dedicado também resolve um problema comum nas grandes organizações. Sem uma liderança central, iniciativas de IA tendem a ficar isoladas entre departamentos, dificultando padronização, governança e escalabilidade.

A tendência deve se espalhar para outros setores. Assim como o Chief Digital Officer se tornou comum na transformação digital, o Chief AI Officer pode se consolidar como uma posição permanente nas empresas que tratam a IA como vantagem competitiva.

Porque isso importa: A adoção de IA está entrando em uma nova fase. O diferencial já não é experimentar a tecnologia, mas criar estruturas de gestão capazes de transformar IA em resultado operacional e estratégico para toda a organização.

🛠️ Caixa de Ferramentas 🛠

  • Rerun - Descreva a tarefa, conecte suas ferramentas e seu agente começará a trabalhar

  • Routine AI - Controle o trabalho com sua voz. A Siri para o trabalho

  • Bolna Agent Studio - Crie um agente Voice AI em 10 minutos

Data centers podem quadruplicar consumo de energia até 2035

A projeção reflete a explosão da infraestrutura necessária para treinar e operar modelos de IA. O estudo estima que a capacidade dos data centers pode chegar a aproximadamente 194 gigawatts até 2035, com quase metade desse consumo dedicada a workloads de IA, como treinamento e inferência.

O impacto vai além da tecnologia. O crescimento da demanda pressiona redes elétricas, exige novos investimentos em geração de energia e acelera a busca por fontes como nuclear, gás e renováveis para sustentar a expansão da IA. Ao mesmo tempo, projetos enfrentam resistência por preocupações com consumo de água, emissões e capacidade da infraestrutura elétrica.

Essa tendência também explica por que eficiência virou prioridade para empresas como Google, Nvidia e OpenAI. Com o custo energético se tornando um dos principais gargalos da IA, reduzir o consumo de hardware e otimizar modelos passa a ser tão importante quanto aumentar sua capacidade.

O cenário indica uma mudança de foco para toda a indústria. A próxima fase da corrida da IA não será definida apenas por quem constrói os maiores modelos, mas por quem consegue operar essa infraestrutura de forma economicamente e energeticamente sustentável.

Por que isso importa?

O verdadeiro limite para o avanço da IA pode deixar de ser a disponibilidade de chips e passar a ser a disponibilidade de energia. Quem conseguir entregar mais desempenho consumindo menos eletricidade terá uma vantagem competitiva cada vez maior.

🌐 Panorama Global

Isso é tudo por hoje!

Até amanhã.

Reply

or to participate.