IA no Brasil: como o pacote de R$ 2,3 bi afeta devs na prática

O Brasil está finalmente entrando no jogo da IA pesada — e isso muda o cenário para devs

Li a notícia no Abril.com.br e minha primeira reação foi desconfiar. Anúncio grandioso, números bonitos, mas será que vira realidade? Depois de respirar e analisar cada ponto, confesso: dessa vez tem densidade técnica suficiente para empolgar quem programa de verdade. Vamos destrinchar o pacote de R$ 2,3 bilhões em inteligência artificial anunciado pelo Lula, mas com os olhos de quem escreve código — não de jornalista.

O que foi anunciado de verdade (além do que o headline vende)

O pacote tem três pilares que merecem atenção separada:

• Supercomputador de R$ 1 bilhão no Parque Tecnológico Augusto Severo (Macaíba/RN), sob gestão do LNCC, previsão de operação para fim de 2027;
• Parceria de R$ 1,2 bilhão com Huawei e iFlytek para infraestrutura, transferência de tecnologia e treinamento de 3 mil profissionais — incluindo modelos de IA em português e espanhol;
• Infraestrutura nacional de nuvem soberana + desenvolvimento de chips baseados na arquitetura aberta RISC-V.

O detalhe que mais me interessa — e que pouca gente comenta — é a coexistência estratégica: o supercomputador do RN rodará com chips da Nvidia, enquanto a parceria no Rio de Janeiro usará tecnologia chinesa. Na prática, o governo está hedgeando a guerra fria tecnológica entre EUA e China. Para nós, devs, isso significa opções reais de stack em vez de casar com um único fornecedor.

Por que o RISC-V importa mais do que parece

Esse ponto passou batido na maioria das análises. O Brasil vai desenvolver chips em RISC-V, que é uma arquitetura de conjunto de instruções open source. Não é detalhe geopolítico — é oportunidade direta para programadores.

Quando você compila código hoje, tem duas opções mainstream: x86 (Intel/AMD) e ARM (Apple Silicon, servidores AWS Graviton, smartphones). RISC-V entra como terceira via sem royalties. Isso significa que empresas brasileiras podem, no futuro, projetar hardware dedicado para inferência de IA sem pagar licença por núcleo.

Para quem trabalha com embedded, IoT ou computação de borda (edge AI), vale começar a estudar:

# Instalando o toolchain RISC-V no Linux (Ubuntu/Debian)
sudo apt update
sudo apt install gcc-riscv64-unknown-elf gdb-multiarch

# Compilando um hello world para RISC-V 64 bits
cat > hello.c << 'EOF'
#include <stdio.h>
int main() {
    printf("Olá do RISC-V!\n");
    return 0;
}
EOF

riscv64-unknown-elf-gcc -march=rv64imac -mabi=lp64 -o hello hello.c
file hello  # saída esperada: ELF 64-bit LSB executable, UCB RISC-V

Se quiser ir além, baixe o emulador Spike e o simulador RISC-V ISA Simulator. Estar cedo nesse movimento é vantagem competitiva real.

Na Prática: como devs brasileiros podem se preparar para essa nova infraestrutura

Supercomputador e nuvem soberana só geram valor se a comunidade souber usar. Separo em passos o que já dá para fazer hoje enquanto a estrutura não fica pronta:

1. Aprenda o stack CUDA/ROCm — o supercomputador do RN virá com GPUs Nvidia, então quem domina CUDA sai na frente em alocação de jobs. O curso Programming Massively Parallel Processors da NVIDIA é referência, mas o livro de David Kirk e Wen-mei Hwang é obrigatório.
2. Treine modelos em português brasileiro de verdade — não use só o Sabiá ou o Bode (da Maritaca). Explore o Brazilian Portuguese BERT disponível no Hugging Face e faça fine-tuning para seu domínio.
3. Estude SLURM e orquestração de cluster — quem aloca recursos em supercomputador usa Simple Linux Utility for Resource Management. Não é glamour, mas é o que destrava acesso a essas máquinas.
4. Entenda soberania de dados — se sua empresa atende setor financeiro, saúde ou governo, a LGPD torna a nuvem soberana brasileira um diferencial competitivo, não só patriotismo.
5. Experimente modelos bilíngues PT/ES — a parceria com a iFlytek promete modelos treinados em ambos os idiomas. Quem atende mercado latino-americano ganha produto mais natural.

Exemplo funcional: fine-tuning de modelo em português

Como esse anúncio foca em português e espanhol, deixo um snippet real e funcional para quem quer começar a explorar:

# pip install transformers datasets accelerate
from transformers import AutoTokenizer, AutoModelForCausalLM, TrainingArguments, Trainer
from datasets import load_dataset

model_name = "pierreguillou/gpt2-small-portuguese"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)
tokenizer.pad_token = tokenizer.eos_token

# Dataset de domínio específico (ex: jurisprudência, código, atendimento)
dataset = load_dataset("csv", data_files="meu_dataset_ptbr.csv", split="train")

def tokenize(batch):
    return tokenizer(batch["text"], padding=True, truncation=True, max_length=512)

dataset = dataset.map(tokenize, batched=True)

args = TrainingArguments(
    output_dir="./modelo-ptbr-finetuned",
    num_train_epochs=3,
    per_device_train_batch_size=8,
    learning_rate=2e-5,
    fp16=True,  # essencial em GPU NVIDIA
    save_steps=500,
)

trainer = Trainer(model=model, args=args, train_dataset=dataset)
trainer.train()

Esse código roda em uma GPU modesta. Quando o supercomputador do RN estiver no ar, jobs assim — que levariam dias em workstation pessoal — rodam em horas.

Erros Comuns que devs cometem ao interpretar (ou se preparar para) anúncios assim

Em 15 anos programando, vi muita empolgação se perder por achismo. Separo os deslizes mais frequentes:

• Confundir anúncio com entrega. R$ 2,3 bilhões e operação em 2027 são coisas diferentes. Não espere consumir o supercomputador amanhã. Use o tempo para se capacitar.
• Ignorar soberania por ideologia. Nuvem soberana não é só discurso político — é requisito contratual em muitos editais públicos e financeiros. Quem ignora perde licitação.
• Subestimar a curva RISC-V. A arquitetura é simples no conceito, mas o ecossistema de tooling ainda amadurece. Quem esperar a “hora ideal” chega tarde.
• Desprezar modelos de linguagem locais. Modelos em PT-BR de fornecedores chineses podem parecer exóticos, mas iFlytek tem anos de experiência em NLP multilíngue. Teste antes de descartar.
• Não separar hype de produto. Treinar 3 mil pessoas não significa que as 3 mil melhores pessoas serão treinadas. Use o programa como complemento, não como substituto da sua formação.

O ponto geopolítico que ninguém quer discutir abertamente

A escolha de combinar Nvidia (EUA) com Huawei/iFlytek (China) é tecnicamente pragmática e diplomaticamente arriscada. Em tempos de Entity List e restrições de exportação de GPUs de ponta, o Brasil está fazendo uma aposta diversificada — similar ao que Índia fez com o programa IndiaAI Mission.

Para o dev, isso significa: prepare-se para trabalhar em stacks heterogêneos. CUDA para um projeto, Ascend/Huawei昇腾 para outro. A portabilidade de código vai virar requisito, não opcional. Frameworks como OpenXLA e MLIR ganham relevância justamente por isso.

Comparativo: o que existia vs. o que vem

Perguntas Frequentes (FAQ)

O supercomputador do Rio Grande do Norte já está disponível para uso?

Não. Segundo o Abril.com.br, a previsão é que comece a operar no fim de 2027. A instalação no Parque Tecnológico Augusto Severo (Macaíba/RN) demanda construção de infraestrutura física, importação dos equipamentos e comissionamento técnico.

Posso usar a infraestrutura como dev independente ou só universidades?

O anúncio menciona que o equipamento poderá ser usado por universidades, empresas, centros de pesquisa e órgãos públicos. Devs independentes geralmente acessam via projetos de pesquisa ou parcerias com instituições credenciadas. Vale acompanhar editais do LNCC e da FAPERN.

RISC-V já é viável para produção ou é só pesquisa?

Depende do caso. Para embedded e IoT, é viável hoje — chips como ESP32-C3 já usam RISC-V. Para servidores e desktops, ainda está em maturação (SiFive, RISC-V International). Para inferência de IA dedicada, há protótipos promissores da Tenstorrent e da Esperanto.

Vale a pena aprender CUDA agora ou esperar?

Vale. CUDA é o padrão de facto para GPU computing e Nvidia domina o mercado de data center com mais de 80% de share. Mesmo que alternativas surjam, o conhecimento transfere. Aprender CUDA é apostar no ecossistema mais maduro disponível.

A parceria com a iFlytek é confiável considerando questões de privacidade?

Questão legítima. Empresas chinesas estão sujeitas a leis locais que podem exigir compartilhamento de dados com o Estado. Para projetos sensíveis, é essencial avaliar contrato a contrato, exigir soberania de dados em território nacional e seguir princípios de LGPD. Cuidado com armadilhas de lock-in disfarçado de parceria.

Minha opinião sincera sobre o anúncio

Testei investimentos em IA institucional nos últimos 15 anos e aprendi a separar o joio do trigo. Esse pacote tem três sinais positivos concretos: (1) compromisso numérico real, não só protocolo de intenções; (2) diversificação tecnológica inteligente entre EUA e China; (3) aposta em arquitetura aberta (RISC-V), que dá autonomia de longo prazo.

O lado cético: entre anúncio e entrega, no Brasil, muita coisa morre no orçamento ou na transição de governo. Não construa seu roadmap de 2026 em cima dessa promessa. Use o momento como gatilho para se atualizar em CUDA, RISC-V e modelos em português — independente de o supercomputador sair do papel em 2027 ou em 2030.

Se você é dev e quer surfar essa onda com preparo, comece pelo básico: domine Python, entenda transformers, pratique fine-tuning e estude paralelismo. Quando a estrutura chegar, quem estiver pronto captura as oportunidades primeiro.

Gostou? Me segue no GitHub e deixa um comentário se tiver dúvida ou quiser aprofundar algum ponto.