Principais destaques
- Google reduziu a capacidade de uso dos modelos Gemini pela Meta após a empresa solicitar mais recursos computacionais do que era possível fornecer.
- A limitação atrasou projetos internos de inteligência artificial e levou a Meta a incentivar um uso mais eficiente dos recursos de IA.
- O episódio mostra que a maior disputa da indústria deixou de ser apenas pelos melhores modelos e passou a envolver chips, energia e data centers.
A corrida pela inteligência artificial acaba de expor um problema que nem mesmo as maiores empresas de tecnologia conseguem evitar. Mesmo com investimentos de dezenas de bilhões de dólares em infraestrutura, gigantes do setor estão enfrentando dificuldades para obter capacidade computacional suficiente para alimentar a nova geração de modelos de IA.
Segundo uma reportagem publicada pelo Financial Times, o Google passou a limitar o acesso da Meta aos modelos Gemini depois que a empresa solicitou um volume de processamento superior ao que a companhia conseguia disponibilizar. A restrição teria sido comunicada por volta de março e afetou parte dos projetos internos de inteligência artificial da dona do Facebook, Instagram e WhatsApp.
Embora Google e Meta sejam concorrentes em diversas áreas, o mercado de inteligência artificial funciona de maneira diferente. É cada vez mais comum que grandes empresas utilizem modelos desenvolvidos por outras companhias para acelerar pesquisas, testar aplicações específicas e desenvolver novas ferramentas enquanto seus próprios modelos continuam evoluindo.
Até o momento, nenhuma das duas empresas comentou oficialmente o assunto. A Reuters informou que não conseguiu confirmar de forma independente todas as informações divulgadas pelo jornal britânico.
Por que a Meta utiliza os modelos Gemini?
Uma das dúvidas que essa notícia desperta é por que a Meta precisaria recorrer ao Gemini se já possui a família de modelos Llama, considerada uma das mais importantes do mercado de IA aberta.
A resposta está na diversidade das aplicações internas. Segundo o Financial Times, a Meta utilizava os modelos Gemini em diferentes áreas da empresa, incluindo sistemas de detecção de fraudes, atendimento ao cliente, desenvolvimento de software e ferramentas ligadas à sua plataforma de publicidade.
No setor de inteligência artificial, não é incomum que empresas utilizem modelos concorrentes para comparar desempenho, acelerar determinados projetos ou executar tarefas nas quais uma tecnologia específica apresenta melhores resultados.
Isso mostra que, apesar da competição entre as gigantes da tecnologia, existe uma forte relação comercial envolvendo infraestrutura, serviços em nuvem e modelos de linguagem.
O verdadeiro problema não é a IA, mas a falta de infraestrutura
A limitação imposta pelo Google evidencia um desafio que começa a afetar toda a indústria. O maior obstáculo para o avanço da inteligência artificial deixou de ser apenas o desenvolvimento de modelos mais inteligentes. Agora, a principal dificuldade é encontrar infraestrutura suficiente para executá-los.
Treinar modelos de linguagem exige milhares de GPUs funcionando simultaneamente durante semanas ou até meses. Depois disso, manter esses modelos disponíveis para milhões de usuários também consome uma enorme quantidade de processamento.
Além dos chips especializados, empresas precisam ampliar data centers, construir sistemas de refrigeração cada vez mais eficientes e garantir fornecimento de energia elétrica em larga escala. A construção dessa infraestrutura leva anos, enquanto a demanda por IA continua crescendo em ritmo acelerado.
O próprio Google já havia reconhecido esse problema durante a divulgação de seus resultados financeiros do primeiro trimestre. Na ocasião, o CEO Sundar Pichai afirmou que a divisão Google Cloud poderia ter registrado um crescimento ainda maior caso houvesse mais capacidade computacional disponível para atender aos clientes.
Segundo a empresa, a receita da unidade de computação em nuvem chegou a US$ 20 bilhões no período, mas a fila de clientes aguardando recursos aumentou significativamente justamente por causa das limitações de infraestrutura.
Meta tenta reduzir desperdícios enquanto amplia seus investimentos
De acordo com a reportagem, a Meta orientou suas equipes de engenharia a utilizar os chamados tokens de inteligência artificial de forma mais eficiente. Os tokens representam pequenas unidades de texto processadas pelos modelos e funcionam como uma medida do consumo de recursos computacionais.
Na prática, isso significa revisar aplicações, reduzir desperdícios de processamento e otimizar o uso dos modelos de IA para diminuir o consumo de capacidade disponível.
Ao mesmo tempo, a empresa também acelera seus próprios investimentos em infraestrutura. A Meta já anunciou planos para gastar centenas de bilhões de dólares nos próximos anos em novos data centers e equipamentos voltados à inteligência artificial, buscando reduzir sua dependência de fornecedores externos e aumentar sua capacidade de processamento.
Esse movimento acompanha uma tendência observada em praticamente todas as grandes empresas do setor. Google, Microsoft, Amazon, OpenAI, Anthropic e Meta disputam atualmente não apenas a criação dos modelos mais avançados, mas também o acesso aos recursos físicos que tornam essa tecnologia possível.
A próxima batalha da IA será pela infraestrutura
O episódio envolvendo Google e Meta deixa claro que a competição na inteligência artificial entrou em uma nova fase. Se nos últimos anos a atenção estava voltada para a qualidade dos modelos de linguagem, agora a capacidade de fornecer processamento suficiente tornou-se um diferencial estratégico.
Ter um modelo avançado já não basta. É preciso possuir milhares de GPUs, energia elétrica disponível, sistemas de refrigeração eficientes e data centers capazes de operar em escala global.
Essa realidade também ajuda a explicar por que empresas continuam investindo cifras recordes em infraestrutura, mesmo após já terem anunciado gastos bilionários nos últimos anos. A demanda por inteligência artificial cresce em um ritmo que ainda supera a capacidade de expansão da indústria.
Mais do que um problema entre Google e Meta, o caso revela um cenário que deve marcar os próximos anos da IA. A corrida tecnológica continuará sendo definida não apenas pelos algoritmos mais inteligentes, mas também por quem conseguir construir a infraestrutura necessária para sustentá-los.
