China revive tecnologia de 50 anos que usa 200 vezes menos energia que a digital

Enquanto o debate público se concentra em processadores gráficos caríssimos e centros de dados do tamanho de cidades, um grupo de pesquisadores chineses escolheu um caminho improvável: resgatar uma abordagem antiga para destravar ganhos gigantescos em eficiência.

Em vez de apenas aumentar a potência de arquiteturas digitais já conhecidas, a equipe trouxe de volta a computação analógica - um estilo de cálculo que antecede a era do microprocessador - e colocou essa ideia no centro de um novo circuito integrado de IA analógico.

Uma ideia antiga recoloca a computação analógica no centro da corrida da IA

Pesquisadores da Universidade de Pequim apresentaram um circuito integrado de IA analógico capaz de realizar cálculos cerca de 12 vezes mais rápido do que processadores digitais avançados, consumindo aproximadamente 200 vezes menos energia. O estudo foi publicado na revista científica Comunicações da Natureza e rapidamente passou a despertar interesse na indústria de tecnologia.

Uma única geração de circuitos integrados não elimina o gargalo energético da IA. Trazer o analógico de volta, na prática, muda as regras do jogo.

O impacto não está só nos números, mas no raciocínio que sustenta a inovação: em vez de depender exclusivamente de bits e operações discretas, o projeto retorna ao analógico, deixando que fenômenos físicos participem diretamente do cálculo.

O que é um circuito integrado de IA analógico, na prática

Antes de o digital dominar tudo, computadores analógicos eram usados para resolver problemas do mundo físico - como simular trajetórias de foguetes ou modelar variações de temperatura em reatores. Em lugar de representar valores como números discretos, essas máquinas trabalhavam com grandezas contínuas, como tensão e corrente.

No novo circuito integrado chinês, o princípio é semelhante, só que reforçado por materiais e circuitos de alta precisão. Em vez de “imitar” o cérebro apenas por meio de programas, o próprio circuito passa a operar como um sistema físico que encontra soluções para equações de modo quase natural.

• Circuitos digitais: dividem cada tarefa em uma sequência de etapas, executadas passo a passo.
• Circuitos analógicos: exploram a própria física para realizar muitos cálculos de forma paralela.

Durante décadas, essa linha foi considerada difícil de levar ao mercado: ruídos elétricos, limitações de precisão e a complexidade de desenvolver aplicações afastaram empresas. A combinação entre IA e circuitos analógicos, porém, altera a conta. Muitos modelos de aprendizado de máquina suportam pequenas imprecisões, desde que o resultado final seja consistente e chegue rapidamente.

Energia: o calcanhar de Aquiles da IA

A evolução recente da IA generativa se apoia em processadores como o Nvidia H100, capazes de executar bilhões de operações por segundo. Essa força bruta, no entanto, cobra um preço: consumo elétrico elevado e calor difícil de dissipar.

Uma fatia relevante desse gasto não vem do cálculo em si, mas do vai-e-vem de informações entre memória e unidade de processamento. Sempre que um modelo consulta pesos, parâmetros e exemplos, enormes volumes de dados se deslocam dentro do mesmo circuito e também entre vários circuitos.

É justamente aí que o circuito integrado analógico chinês mira. Ele adota a computação dentro da memória: o processamento acontece no mesmo lugar em que os dados ficam armazenados. Menos deslocamento de informação significa menos desperdício de energia, menos aquecimento e maior eficiência.

Calcular no mesmo local em que o dado fica guardado parece detalhe, mas vira economia em escala de usina elétrica.

Como a China “ressuscita” uma técnica matemática dos anos 1990

No núcleo do circuito está um método chamado fatoração de matrizes não negativas (NMF). Apesar do nome intimidador, a essência é direta: pegar uma grande tabela de dados e decompor em partes menores que evidenciem padrões antes escondidos.

A fatoração de matrizes não negativas (NMF) aparece com frequência em:

• sistemas de recomendação (filmes, músicas e produtos),
• compressão e reconstrução de imagens,
• análise de comportamento de usuários,
• separação de sinais de áudio, como voz e ruído.

Em arquiteturas digitais, esse método exige muitas iterações e multiplicações repetidas de matrizes enormes. Quando o volume de dados chega a escalas como as de plataformas do porte da Netflix ou de grandes redes sociais, o custo computacional cresce de forma explosiva.

A equipe da Universidade de Pequim fez uma aposta ambiciosa: em vez de executar a NMF como um programa tradicional, transformou o método em um processo físico. O circuito foi desenhado para que, ao receber as entradas, seu comportamento elétrico realize a fatoração em uma única etapa, onde um processador convencional gastaria milhares de ciclos.

Testes com dados reais - e não só com “contas bonitas”

Para evitar a crítica recorrente de que “funciona apenas no laboratório”, o grupo liderado por Sun Zhong aplicou o circuito a tarefas concretas. Em sistemas de recomendação, simulando cargas semelhantes às de plataformas como Netflix ou Yahoo, o circuito integrado analógico entregou qualidade comparável, porém com muito mais velocidade e consumo energético mínimo.

Em processamento de imagens, os testes indicaram que o circuito conseguiu comprimir e depois reconstruir fotografias com qualidade visual muito próxima à obtida por métodos digitais de alta precisão, reduzindo pela metade a necessidade de armazenamento.

Tipo de circuito	Velocidade	Consumo de energia
Processador digital avançado	Base de comparação	100%
Circuito integrado analógico da Universidade de Pequim	≈ 12× mais rápido	≈ 0,5% (200× menos)

Um dos avaliadores do artigo chegou a mencionar ganhos de “várias ordens de grandeza” em velocidade e eficiência - um tipo de observação incomum em revisões acadêmicas mais cautelosas.

Por que o circuito integrado de IA analógico mexe com a geopolítica da tecnologia

A China já vinha investindo pesado em supercomputadores, redes de longa distância e circuitos dedicados à IA. A aposta em computação analógica adiciona uma camada estratégica a essa disputa.

Se a tecnologia escalar, centros de dados poderão ser redesenhados, reduzindo tanto a conta de energia quanto a dependência de processadores gráficos ocidentais. Relatos internos mencionados pela imprensa asiática sugerem que, em tarefas bastante específicas, esse tipo de circuito poderia alcançar até mil vezes o desempenho de algumas arquiteturas baseadas em processadores gráficos, quando se combina velocidade com gasto energético.

Revisitar ideias dos anos 1970 usando tecnologia de 2026 é, ao mesmo tempo, pragmatismo e ambição geopolítica.

Há ainda um ponto pouco discutido: eficiência energética altera a geografia de onde se pode operar IA em grande escala. Com soluções que exigem menos eletricidade e refrigeração, abre-se espaço para infraestrutura computacional em regiões onde a rede elétrica é mais cara, limitada ou sujeita a restrições ambientais - um tema particularmente relevante para países que buscam expandir centros de dados sem elevar tanto as emissões.

Limites, riscos e usos mais prováveis

A computação analógica não é uma substituta universal do digital. Ela tende a brilhar em operações matemáticas repetitivas e bem estruturadas - como multiplicações de matrizes, que são o coração de boa parte da IA atual.

Especialistas destacam alguns cuidados:

• Precisão: o analógico sofre com ruídos. Em aplicações médicas ou financeiras, isso pode exigir camadas digitais de verificação e correção.
• Programação: desenvolver para circuitos analógicos demanda ferramentas e linguagens novas, o que aumenta a curva de aprendizado.
• Escalabilidade industrial: transformar um protótipo acadêmico em produção em massa é um desafio próprio, com etapas de fabricação e controle de qualidade rigorosas.
• Padronização: ainda falta um ecossistema amplo de bibliotecas e ferramentas voltadas para esse tipo de circuito.

Ao mesmo tempo, as oportunidades são claras em áreas como:

• recomendação em tempo real com baixo custo energético,
• dispositivos de borda (câmeras inteligentes, sensores industriais e robôs),
• centros de dados com metas agressivas de redução de carbono,
• processamento local em países com infraestrutura elétrica limitada.

Um aspecto adicional que tende a ganhar importância é a confiabilidade operacional: circuitos analógicos precisam manter estabilidade ao longo do tempo, apesar de variações de temperatura e desgaste. Por isso, é provável que soluções comerciais adotem arquiteturas híbridas que monitorem o comportamento analógico e façam compensações digitais quando necessário.

Termos que merecem tradução para o dia a dia

Duas expressões aparecem o tempo todo nessa discussão e ficam mais claras com analogias simples.

O que significa computação dentro da memória

Na maioria dos computadores, memória e processamento ficam separados. A cada tarefa, os dados saem da memória, vão ao núcleo de cálculo e depois retornam. A computação dentro da memória praticamente une essas funções: o local que armazena também processa.

Imagine uma fábrica. No modelo tradicional, a matéria-prima cruza galpões várias vezes. No modelo dentro da memória, a fábrica é reorganizada para que quase tudo aconteça no mesmo espaço. Menos transporte significa menos perdas e menos atrasos.

Por que a fatoração de matrizes não negativas (NMF) combina com recomendação

Em um serviço de transmissão contínua, usuários e filmes podem ser representados como linhas e colunas de uma matriz gigantesca. A NMF separa essa matriz em fatores que revelam preferências ocultas - por exemplo, afinidade por ação, comédia romântica ou documentários.

Ao fazer a fatoração diretamente no circuito, o circuito integrado analógico transforma enormes volumes de cliques e visualizações em padrões que outros algoritmos conseguem consumir rapidamente, com um salto expressivo de velocidade.

Cenários possíveis para os próximos anos

Caso a tecnologia amadureça, é provável que surja uma arquitetura híbrida. Circuitos analógicos ficariam com a parte mais pesada - multiplicações de matrizes e decomposições numéricas - enquanto processadores digitais coordenariam o fluxo, aplicariam ajustes finos e cuidariam de tarefas lógicas.

Em um cenário plausível, grandes provedores de computação em nuvem podem oferecer nós analógicos dedicados, do mesmo modo que hoje alugam processadores gráficos e TPUs. Empresas emergentes de IA passariam a decidir entre treinar modelos em aglomerados digitais tradicionais ou em infraestruturas mistas, escolhendo conforme a aplicação e o custo local de energia.

Também entram em cena questões regulatórias e ambientais: metas de redução de emissões podem pressionar governos e empresas a priorizar arquiteturas menos vorazes em eletricidade. Nesse contexto, a volta da computação analógica deixa de ser curiosidade histórica e passa a ser uma peça concreta de política industrial e de competitividade tecnológica.