Computação sem verificação

Em 20 de agosto de 2026, o Brasil anunciou um pacote de investimentos em infraestrutura de inteligência artificial. Os dois maiores itens são um supercomputador no Rio Grande do Norte, de aproximadamente R$1 bilhão, e um centro de computação no Rio de Janeiro, de R$1,276 bilhão ao longo de cinco anos. Um terceiro item, consideravelmente menor, é um centro nacional de transparência algorítmica e IA confiável, de R$50 milhões, a ser operado pela Universidade Federal de Minas Gerais.

A razão entre esse terceiro valor e os dois primeiros é de aproximadamente um para quarenta e cinco.

É dessa razão que se trata aqui. Não porque esteja errada — um país incapaz de treinar modelos não tem o que verificar —, mas porque ela torna visível, em um único conjunto de rubricas orçamentárias, uma distribuição que a maioria das estratégias nacionais de IA contém sem enunciar.

O que o pacote compra

A máquina do Rio Grande do Norte está especificada em 7.200 petaflops. Para efeito de escala, o Santos Dumont, atualmente o sistema mais potente do país, opera a 27. Será operada pelo Laboratório Nacional de Computação Científica, financiada pelo fundo nacional de ciência e tecnologia, e contratada por meio de edital público publicado no Diário Oficial da União. O fornecedor não foi selecionado. Reportagens que citam autoridades não identificadas antecipam a Nvidia, e o governo declarou a ambição de que a máquina figure entre os dez sistemas de IA mais potentes do mundo. Nenhuma das duas coisas está definida, e ambas devem ser lidas como expectativa, não como fato.

O centro do Rio de Janeiro é uma parceria entre a rede nacional de ensino e pesquisa e as empresas chinesas Huawei e iFlytek, voltada ao desenvolvimento de grandes modelos de linguagem em português e espanhol. A cooperação está prevista para começar em julho de 2027.

Ambos se inserem no plano brasileiro de inteligência artificial para 2024–2028, cujo valor de referência é de R$23,03 bilhões. As cifras agregadas do pacote de agosto divergem: a versão governamental soma aproximadamente R$2,5 bilhões, enquanto a Reuters noticiou cerca de US$444 milhões. A diferença está no câmbio e na composição das rubricas, não em disputa.

O que ele não compra

O centro de transparência tem função definida e útil: avaliar riscos e modos de falha em modelos de IA comercialmente disponíveis, nos moldes de iniciativas europeias.

Observe-se o que isso descreve. Trata-se da avaliação de sistemas construídos em outro lugar, por outros, e ofertados no mercado. É avaliação do lado do consumidor.

Não é a mesma coisa que infraestrutura para estabelecer propriedades de modelos que o próprio país constrói — o que foi registrado durante o treinamento, o que um terceiro pode verificar a respeito de uma saída, que evidência acompanha um modelo quando ele cruza a fronteira para outro regime regulatório.

Nada no pacote anunciado trata de proveniência de dados, atestação criptográfica ou capacidade nacional de avaliação de conformidade para sistemas de IA. Não se trata de omissão peculiar ao Brasil. É a forma de praticamente todo programa nacional de IA anunciado até aqui: o dinheiro vai para a capacidade de produzir, e a capacidade de demonstrar fica para ser arranjada depois, em geral por outrem.

As normas são escritas em outro lugar

O Brasil não está ausente da normalização. Seu organismo nacional de normalização adotou a ISO/IEC 42001, norma de sistema de gestão de IA, como norma brasileira, junto com as normas correlatas de gestão de riscos e terminologia. O país participa do ISO/IEC JTC 1/SC 42 e sediará a plenária desse comitê em abril de 2027. Espelha os trabalhos do ITU-T por meio de comissões vinculadas à agência nacional de telecomunicações, embora atualmente não ocupe nenhuma posição de relator ou editor no grupo de estudo de segurança.

Seu projeto de lei sobre IA, aprovado pelo Senado em dezembro de 2024 e em tramitação na Câmara dos Deputados, segue estrutura escalonada por risco, comparável à abordagem europeia. Prevê avaliação de impacto algorítmico, base de dados pública de sistemas de alto risco e certificação por associações acreditadas. O que ainda não prevê é um esquema de laboratórios acreditados — a engrenagem que converte uma exigência em resultado testável, registrável e transferível.

Enquanto isso, o país participa simultaneamente de quatro arranjos internacionais distintos. É membro fundador da Organização Mundial de Cooperação em Inteligência Artificial, estabelecida em Xangai em julho de 2026. Assinou parceria digital com a União Europeia em junho de 2026, apoiada em decisões recíprocas de adequação de dados de janeiro do mesmo ano. Não é signatário da estrutura Pax Silica, dos Estados Unidos, nem da Convenção-Quadro do Conselho da Europa sobre inteligência artificial.

Cada um desses arranjos carrega — ou carregará — expectativas próprias sobre como sistemas de IA são avaliados. Entre eles não existe mecanismo pelo qual uma avaliação realizada sob um seja reconhecida sob outro.

Assim, um modelo treinado na nova máquina do Rio Grande do Norte será avaliado segundo as normas acordadas em salas nas quais o Estado que pagou pela máquina participa, mas não segura a caneta.

Isto não é um problema brasileiro

O mesmo pacote ilustra uma segunda assimetria — e nesta o Brasil está, de fato, agindo.

O centro do Rio de Janeiro existe para construir modelos em português. É resposta racional a uma desvantagem mensurada: pesquisa apresentada no NeurIPS em 2023 constatou que traduzir conteúdo idêntico entre idiomas produz contagens de tokens que diferem em até quinze vezes, estando o português entre os mais próximos do inglês e ainda assim exigindo cerca de cinquenta por cento mais tokens para o mesmo sentido. O trabalho brasileiro com modelos e corpora em português — incluindo um corpus documentado de 120 bilhões de tokens — endereça exatamente isso.

Construir modelos na própria língua já é alcançável em escala nacional. Estabelecer o que esses modelos fizeram, em forma que outra jurisdição aceite, não é — porque nenhuma jurisdição construiu essa camada, e as normas que a definem ainda estão sendo redigidas.

O que deixa uma posição curiosa. Um Estado pode agora deter a computação, deter o corpus, deter o modelo — e ainda assim não deter a capacidade de provar coisa alguma a respeito dele a uma parte que não o construiu.

A pergunta que daí decorre não é quanto um país deveria gastar em verificação em relação à computação. Ela é anterior: do que um Estado precisaria dispor, tecnicamente, para que uma afirmação sobre um modelo por ele treinado fosse verificável por alguém fora de suas fronteiras — e algo do que está hoje disponível, vindo de qualquer direção, oferece isso?