Como rodar modelos de visão e linguagem em qualquer computador sem placa de vídeo

A Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) anunciou uma nova ferramenta que permite rodar VLMs — modelos de visão e linguagem, sistemas de IA capazes de entender tanto imagens quanto texto — em processadores Intel comuns, sem precisar de uma GPU (placa de vídeo dedicada). A solução usa o OpenVINO (um kit de otimização da Intel para rodar IA de forma mais eficiente) e promete democratizar o acesso a esse tipo de tecnologia, que até agora exigia hardware caro.

Segundo informou a Hugging Face, o processo todo se resume a três passos: instalar a biblioteca Optimum Intel (uma extensão que adapta modelos para rodar melhor em chips Intel), carregar o modelo desejado e executá-lo. A empresa disponibilizou exemplos prontos com modelos populares como o Phi-3.5-vision (da Microsoft, capaz de analisar imagens e responder perguntas sobre elas) e o Qwen2-VL (desenvolvido pela Alibaba para tarefas semelhantes).

Na prática, isso significa que pequenas empresas, pesquisadores ou desenvolvedores individuais podem experimentar com VLMs usando apenas um notebook ou desktop comum — sem gastar milhares de reais em placas de vídeo profissionais. O desempenho varia conforme o processador, mas os testes mostram que a abordagem é viável mesmo para protótipos e aplicações de menor escala.

A iniciativa se alinha com o movimento de "IA na borda" (edge AI), que busca executar modelos localmente em vez de depender de servidores na nuvem. Isso traz vantagens como privacidade (os dados não saem do computador), menor latência (respostas mais rápidas) e redução de custos operacionais. Para o Brasil, onde o acesso a GPUs de ponta é limitado e caro, ferramentas assim podem facilitar a adoção de IA em setores como educação, saúde e pequenos negócios.