Sam Altman voltou a falar sobre a escassez de memória RAM e tentou esclarecer uma declaração que provocou reação entre usuários de computadores. Durante o evento Silicon Valley & The World, da Semafor, o presidente da OpenAI disse que quer que as pessoas possam comprar muita memória para seus próprios computadores e defendeu o chamado home tinkering, a prática de experimentar hardware e software em casa. A fala foi registrada pelo The Verge.
A frase parece simples, mas ocorre em um contexto de pressão sobre o mercado de memória. Empresas de inteligência artificial estão ampliando data centers para treinar e executar modelos, e os mesmos componentes usados nesses equipamentos também aparecem em notebooks, celulares, consoles e computadores de mesa. Quando a procura cresce mais rápido que a produção, o consumidor pode encontrar preços maiores, menos opções e ciclos de atualização mais difíceis de planejar.
O que Altman tentou esclarecer
Em uma participação anterior no podcast Cheeky Pint, Altman havia dito que seria ruim, do ponto de vista da alocação global, manter muita memória em computadores pessoais enquanto servidores de nuvem enfrentam falta de DRAM. A fala foi interpretada como uma crítica a quem compra módulos para fazer inferência de IA local. Depois, ele afirmou em publicações na internet que queria que as pessoas tivessem muita RAM e que seus comentários tinham sido tirados de contexto.
No novo evento, a explicação foi mais detalhada. Altman disse que o mundo deveria ter construído uma cadeia de fornecimento de memória muito maior e reconheceu que os preços da DRAM subiram de forma expressiva. Ele estimou que a alta poderia chegar a cinco ou sete vezes, embora tenha deixado claro que não tinha o número exato. A declaração é uma avaliação de um executivo, não uma medição independente do mercado, mas ajuda a mostrar a dimensão da disputa por componentes.
Altman também reconheceu que a OpenAI enfrenta limitações em diferentes pontos da cadeia de infraestrutura. Em momentos distintos, a empresa pode esbarrar em memória, montagem de racks, capacidade de data centers ou outro componente. O comentário mostra que um modelo de IA não depende apenas de chips de processamento. Memória, energia, refrigeração, servidores e redes precisam estar disponíveis ao mesmo tempo.
Por que RAM virou assunto de IA
RAM é a memória de trabalho do computador. Ela armazena temporariamente os dados que o processador precisa acessar com rapidez. Mais RAM permite manter aplicativos e arquivos ativos sem recorrer tantas vezes ao armazenamento, que é mais lento. Em tarefas de IA local, a memória também pode limitar o tamanho do modelo que cabe na máquina e a quantidade de dados que pode ser processada de uma vez.
Nos data centers, a escala é diferente. Um serviço pode executar milhares de solicitações simultâneas e manter modelos grandes carregados na memória. A procura por módulos de alta capacidade aumenta quando novos sistemas de IA entram em operação. O efeito chega ao varejo porque fabricantes de memória distribuem a produção entre servidores, computadores pessoais e outros aparelhos.
O consumidor brasileiro sente esse movimento de maneira indireta. Um notebook com mais memória pode ficar mais caro, um celular pode subir de preço e uma atualização de computador pode exigir mais planejamento. O impacto não é uniforme: depende do tipo de memória, do fornecedor, do câmbio e da disponibilidade regional. Ainda assim, a fala de Altman reacende uma pergunta prática: quem deve ficar com a memória disponível, o servidor compartilhado ou o computador do usuário?
Nuvem compartilhada ou IA em casa
Altman defendeu que, do ponto de vista de eficiência, um recurso compartilhado em um servidor pode trabalhar por mais tempo do que uma memória instalada em um computador que passa horas desligado. Essa é a lógica econômica da nuvem. O usuário paga pelo acesso a uma infraestrutura que pode ser usada por várias pessoas, sem comprar todo o hardware.
O argumento não encerra a discussão. A IA local reduz a necessidade de enviar dados pessoais para um serviço remoto, pode funcionar sem conexão e oferece mais controle sobre arquivos e modelos. Para um desenvolvedor, rodar um modelo no próprio computador também facilita testes, ajustes e protótipos. A eficiência de uso é apenas um dos critérios. Privacidade, latência, custo recorrente e autonomia também pesam.
Há ainda uma diferença entre usar um modelo pequeno para resumir documentos e tentar rodar um sistema de grande porte. O primeiro caso pode funcionar em um computador comum com memória suficiente. O segundo pode exigir uma placa gráfica, muita RAM ou uma combinação de máquinas. A disponibilidade de memória não define sozinha a qualidade do resultado, mas define o limite do que é possível executar localmente.
O que muda para quem vai comprar um computador
A recomendação mais segura é não comprar memória apenas porque um executivo de tecnologia fez uma previsão. O usuário deve observar a tarefa real. Navegação, documentos e videoconferências podem funcionar bem com uma configuração intermediária. Edição de vídeo, máquinas virtuais, compilação de projetos grandes e IA local costumam se beneficiar de mais capacidade.
Também é importante verificar se o notebook permite expansão. Alguns modelos têm memória soldada, enquanto outros aceitam módulos substituíveis. A diferença afeta a vida útil do equipamento. Em computadores de mesa, vale conferir o padrão compatível, o número de slots e o limite da placa-mãe. Comprar um módulo mais rápido que o suportado não transforma automaticamente o sistema em uma máquina melhor.
Para quem pretende usar IA local, a quantidade de RAM deve ser analisada junto com a memória da placa de vídeo e com a capacidade do processador. Um modelo pode caber no armazenamento e ainda não conseguir executar porque falta memória de trabalho. A melhor estratégia é escolher o software primeiro, conferir os requisitos e só depois comparar o custo do hardware.
Uma crise que envolve mais do que preços
A discussão sobre RAM também revela a tensão entre a expansão de serviços de IA e o direito do usuário de manter um computador potente em casa. A indústria precisa fabricar mais memória para atender aos dois mercados. Se a solução for apenas transferir componentes do varejo para data centers, a nuvem poderá crescer às custas de computadores mais caros e menos atualizáveis.
Para desenvolvedores e profissionais digitais no Brasil, acompanhar essa disputa ajuda a planejar compras e projetos. A memória influencia o custo de estações de trabalho, servidores locais e laboratórios de teste. Também interfere na escolha entre uma API remota e um modelo local. A frase de Altman não resolve a escassez, mas coloca em público uma decisão que normalmente aparece escondida em contratos de nuvem e listas de componentes.
Imagem: Sam Altman em imagem de arquivo. Crédito: Getty Images/The Verge.



