Como a OpenAI planeja entregar IA mais barata e poderosa ao mesmo tempo
A diretora financeira da empresa explica a estratégia que vai de chips e data centers até os produtos finais, e por que cada etapa depende da outra para reduzir custos e aumentar a capacidade dos modelos.
A OpenAI quer tornar sua IA mais barata e capaz ao mesmo tempo, investindo em quatro frentes integradas: chips mais eficientes, data centers (os prédios cheios de servidores onde os modelos rodam), modelos mais inteligentes e produtos melhores. Segundo a diretora financeira Sarah Friar, melhorias em uma área potencializam as outras, reduzindo o custo por tarefa e ampliando o alcance.
A OpenAI publicou um texto assinado por Sarah Friar, sua diretora financeira (CFO, na sigla em inglês — a executiva responsável pelas finanças da empresa), explicando como a companhia pretende tornar seus sistemas de inteligência artificial mais úteis, mais baratos e disponíveis em maior escala. Segundo Friar, isso depende de avanços simultâneos em quatro camadas: os chips que processam os cálculos, a infraestrutura de computação (os data centers onde esses chips funcionam), os próprios modelos de IA (como o GPT-4 ou o o1, os programas treinados para gerar texto, imagens ou tomar decisões) e, por fim, os produtos que as pessoas de fato usam, como o ChatGPT.
A ideia central é que melhorias em uma camada potencializam as outras — o que a OpenAI chama de "pilha completa" (full stack, no jargão da engenharia de software). Por exemplo: chips mais eficientes permitem treinar modelos maiores gastando menos energia; modelos melhores tornam os produtos mais úteis; produtos mais úteis geram mais receita, que pode ser reinvestida em infraestrutura. Friar argumenta que essa dinâmica cria um ciclo onde cada etapa reduz o custo final por tarefa executada pela IA, ao mesmo tempo em que aumenta a capacidade do sistema.
O texto não traz números específicos nem anuncia novos produtos, mas deixa claro que a OpenAI vê a integração vertical — controlar ou influenciar todas as camadas, do hardware ao aplicativo — como vantagem competitiva. A empresa tem investido em parcerias com fabricantes de chips (como a Nvidia, que produz as GPUs — processadores gráficos especializados em cálculos de IA — mais usadas no setor) e em projetos próprios de data centers, além de trabalhar em técnicas para tornar os modelos mais eficientes durante o treinamento e a inferência (o momento em que o modelo responde a uma pergunta ou executa uma tarefa).
Friar também destaca que o objetivo final não é apenas construir modelos enormes, mas entregar "inteligência abundante" — ou seja, sistemas de IA suficientemente bons e baratos para serem usados em larga escala, por milhões de pessoas e empresas, em tarefas cotidianas. Para isso, segundo ela, a OpenAI precisa continuar baixando o custo de cada resposta gerada pelo ChatGPT ou cada imagem criada pelo DALL-E (o gerador de imagens da empresa), enquanto melhora a qualidade dessas respostas.
