De "competição de poder de processamento" a "competição de capacidade nacional": Jensen Huang e Ro Khanna discutem como os EUA podem vencer na era da IA

Escrevendo: Techub News整理

Nesta conversa pública sobre “a liderança dos Estados Unidos no campo da inteligência artificial”, o fundador e CEO da NVIDIA, Jensen Huang, o congressista americano Ro Khanna, e o moderador H.R. McMaster, discutiram não apenas chips, modelos e controle de exportações, mas uma questão maior: quando a inteligência artificial se torna uma nova tecnologia geral, de que modo um país pode manter sua liderança? A resposta não é apenas a tecnologia em si, mas uma combinação de talentos, energia, manufatura, sistema universitário, políticas, confiança social e narrativa nacional.

Do ponto de vista do conteúdo, esta conversa contém pelo menos três linhas principais: primeiro, a IA não é uma tecnologia pontual, mas um sistema industrial de múltiplas camadas; segundo, se os EUA quiserem continuar na liderança, não podem apenas enfatizar inovação de ponta, mas também reconstruir a capacidade de manufatura, ampliar a difusão tecnológica e beneficiar mais trabalhadores comuns; terceiro, diante da competição global, especialmente com a China, os EUA não podem simplesmente “desfazer riscos” até sufocar a inovação, nem permitir que a globalização desordenada continue corroendo a indústria doméstica e a coesão social.

Mais importante ainda, esta discussão não se limita ao dualismo “otimismo tecnológico” versus “pânico com IA”. Huang Huang enfatiza que a IA irá remodelar a indústria, mas “automatizar tarefas” não equivale a “desaparecimento de profissões”; Ro Khanna lembra que, mesmo a longo prazo, o aumento da produtividade criará mais empregos, mas a transição na difusão tecnológica ainda pode trazer desemprego, polarização de renda e desequilíbrios regionais. Portanto, o que realmente importa não é se deve ou não desenvolver IA, mas como fazê-lo de uma forma mais socialmente inclusiva.

IA não é um modelo, mas um sistema completo de infraestrutura industrial

Huang Huang repetidamente enfatiza que um dos maiores equívocos da sociedade sobre IA é entendê-la como um único modelo ou produto. Segundo ele, a IA é essencialmente uma estrutura de “cinco camadas”: na base, energia; acima, chips; depois, nuvem e fábricas de IA; em seguida, modelos; e, por fim, aplicações.

Essa avaliação é crucial porque amplia a “competição de IA” de uma disputa por capacidades de modelos para uma competição por infraestrutura básica de nível nacional. Ou seja, um país que deseja manter a liderança na era da IA não deve apenas contar com algumas empresas de modelos de destaque, mas também garantir energia suficiente, fornecimento sustentável de chips, centros de dados e infraestrutura de nuvem robusta, ecossistema de modelos próspero, e, o mais importante, que as aplicações de IA realmente entrem na indústria e na sociedade, formando uso em escala.

Huang Huang destaca que, se os EUA forem fortes nas quatro primeiras camadas, mas as aplicações não se difundirem, toda a engrenagem industrial não funcionará, e o valor da tecnologia não será realmente ampliado. Sua preocupação não é a insuficiência técnica, mas o medo social que leva à rejeição excessiva da IA, ou até à “regulamentação que sufoca a indústria e a sociedade”. Se a difusão das aplicações for artificialmente restringida, mesmo que os EUA tenham liderado a invenção da revolução industrial atual, podem não aproveitar totalmente seus benefícios.

Sob essa perspectiva, a política de IA não deve apenas “controlar riscos”, mas também “reduzir obstáculos ao uso efetivo”. Esses obstáculos podem ser institucionais, psicológicos ou de opinião pública. Se uma nação constrói uma narrativa social que vê a IA como uma ameaça pura, e não uma ferramenta a ser aprendida e dominada, ela pode perder a janela de difusão tecnológica por autoconfiança.

A vantagem dos EUA não está apenas nas empresas, mas na abertura de talentos e no sistema universitário

A resposta de Ro Khanna ao “por que os EUA ainda podem manter a liderança em IA” complementa a visão industrial de Huang Huang. Ele acredita que a maior vantagem comparativa dos EUA é, primeiro, a capacidade de atrair talentos globais para estudar, pesquisar, empreender e colaborar nos EUA; segundo, um sistema universitário de pesquisa forte; terceiro, uma cultura pública de liberdade acadêmica, questionamento de autoridades, além de mecanismos relativamente maduros de transferência de tecnologia entre universidades, governo e setor privado.

Na discussão, Khanna destaca que muitas startups de IA foram fundadas por imigrantes, e muitos pesquisadores de IA não fizeram sua graduação nos EUA, mas acabam vindo para lá para inovar. Esse mecanismo de “absorção global de talentos e formação de alta densidade de colaboração local” é uma das principais fontes do avanço tecnológico americano.

Ele também aponta que a importância das universidades de pesquisa não deve ser subestimada. Os investimentos públicos contínuos em pesquisa básica, formação de talentos e transferência de tecnologia não são acidentais, mas resultado de uma política de longo prazo. Em outras palavras, ao discutir a vantagem americana em IA, não se pode focar apenas no mercado de capitais e nas grandes empresas, mas também reconhecer o papel fundamental do investimento estatal em pesquisa e do sistema universitário.

Por isso, embora a conversa seja liderada por um empresário de destaque e um congressista, sua lógica subjacente não é “empresas tudo” ou “governo tudo”, mas uma colaboração tripartite: o governo fornece direção de longo prazo e ambiente institucional, as universidades fornecem talentos e pesquisa básica, e as empresas impulsionam a industrialização e aplicações em escala.

Reindustrialização, uma nova palavra-chave na competição por IA

Se nos anos anteriores a discussão sobre IA se concentrava mais em capacidade computacional, modelos e capital, esta conversa traz claramente a “reindustrialização” como uma agenda de IA. Khanna afirma que um grande erro dos EUA nas últimas décadas foi imaginar que poderiam se concentrar apenas em centros financeiros e de inovação, sem manter uma base industrial forte. Isso prejudica a segurança nacional, enfraquece a coesão social e deixa muitas regiões com um sentimento de exclusão de longo prazo.

Ele destaca que o declínio da manufatura não é uma tendência macro abstrata, mas uma destruição concreta da dignidade, do emprego e da identidade geracional de muitas comunidades. Cidades e famílias que dependiam de fábricas, siderúrgicas e cadeias produtivas foram forçadas a aceitar a realidade de “se não estiver na finança ou na tecnologia, será eliminado”. Essa ruptura também se reflete na raiva, na polarização e na desconfiança na política americana.

Por isso, Khanna propõe uma “versão do Plano Marshall do século XXI” de novo patriotismo econômico: os EUA não podem apenas usar tarifas como fachada, mas precisam reconstruir indústrias-chave, especialmente em áreas como terras raras, minerais estratégicos, medicamentos essenciais, robótica e materiais avançados, formando uma nova capacidade de investimento industrial, e reorganizando o governo, setor privado, tecnologia e trabalhadores em uma direção comum.

Huang Huang complementa essa visão, afirmando que a indústria de IA está se tornando o motor da reindustrialização americana. Com fábricas de IA, chips e infraestrutura de computação instaladas nos EUA, há uma demanda crescente por manufatura, construção, eletricistas, encanadores, ferramentas de precisão, elevando salários e criando empregos. Empresas estão planejando grandes investimentos na manufatura doméstica, desde que o ambiente industrial seja suficientemente dinâmico, rentável e incentivador de investimentos.

Isso significa que a IA não é apenas uma tecnologia de “substituição de trabalho”, mas uma oportunidade de reconstruir a economia real e o emprego regional. Contudo, seu potencial depende de políticas que direcionem o capital para investimentos de longo prazo, e não apenas para lucros rápidos.

“IA vai roubar empregos?” não é uma questão simples de responder

Sobre o impacto da IA no emprego, a parte mais propagada da conversa foi a refutação direta de Huang Huang à narrativa de que “IA destruirá empregos”. Ele acredita que rotular a IA como uma força de destruição massiva de empregos é não apenas impreciso, mas prejudicial à aceitação social da tecnologia.

Ele cita um exemplo famoso: anos atrás, alguns acadêmicos de IA previram que, com a expansão da análise de imagens por IA, radiologistas se tornariam “irrelevantes” em dez anos. Huang Huang admite que essa previsão inicial estava correta — a IA já avançou em quase todos os aspectos da radiologia —, mas a segunda parte está errada: os radiologistas não diminuíram, mas aumentaram.

Por quê? Sua explicação é que o “propósito” de uma profissão e as tarefas específicas que ela realiza não são a mesma coisa. A IA pode automatizar certas tarefas, mas não necessariamente eliminar a profissão. Pelo contrário, ao aumentar a eficiência, ela permite que mais pacientes sejam atendidos, mais demandas sejam atendidas, e que profissionais participem de decisões mais complexas, colaborando em serviços de maior valor.

Ele aplica a mesma lógica ao desenvolvimento de software. Na NVIDIA, engenheiros de software usam amplamente IA de agentes, e o resultado não é a substituição, mas a valorização de engenheiros que sabem usar IA, que se tornam mais bem-sucedidos, e que podem avançar mais rapidamente em seus projetos. Ou seja, a mudança provocada pela IA é na organização do trabalho e na produtividade, não na redução de empregos por número de pessoas.

No entanto, Khanna faz uma correção importante: ele não nega que, a longo prazo, a tecnologia trará novas demandas e empregos, mas a história também mostra que, desde a Revolução Industrial, o crescimento de produtividade nem sempre é distribuído de forma justa. A difusão tecnológica costuma gerar desemprego, aumento da desigualdade de renda e dificuldades para certos grupos acessarem os benefícios.

Por isso, uma política responsável não é apenas repetir o mantra de que “a tecnologia criará mais empregos”, mas pensar desde o início: os trabalhadores terão poder de barganha? Poderão participar dos lucros do aumento de produtividade? Jovens e trabalhadores de cargos iniciais terão acesso a novas oportunidades? Os grupos mais vulneráveis poderão receber treinamento, proteção e suporte na transição?

Essa é a razão de Khanna se identificar como “democratizador da IA”, e não como “pessimista” ou “aceleracionista”. Sua principal proposta não é se opor à IA, mas evitar que seus benefícios fiquem concentrados no capital, enquanto os custos recaem sobre os trabalhadores comuns.

O verdadeiro perigo não é a IA em si, mas que poucos saibam usá-la

Huang Huang faz uma avaliação bastante representativa: a maioria das pessoas não vai “perder para a IA”, mas sim “perder para quem souber usar IA”. Essa frase não visa criar ansiedade, mas apontar a direção da difusão tecnológica — ao invés de temer a IA, é melhor que mais pessoas aprendam a usá-la.

Ele acredita que a IA é uma das tecnologias de adoção mais rápidas da história, principalmente porque sua barreira de entrada é menor do que muitas tecnologias básicas do passado. Pessoas comuns não precisam ser engenheiros de chips ou pesquisadores de algoritmos, mas podem usar IA para melhorar suas habilidades profissionais. Ele dá o exemplo de um carpinteiro que, com IA, consegue fazer melhor seus projetos, elevando-se a um nível mais próximo de design de edifícios ou interiores.

A lógica por trás é que o valor social mais importante da IA não é restringir o conhecimento especializado a poucos, mas democratizar a capacidade cognitiva e de expressão que antes tinha alta barreira. Quando mais trabalhadores, empreendedores e estudantes puderem usar IA para tarefas mais complexas, maior será a difusão dos benefícios tecnológicos.

Khanna reforça que essa “difusão” deve se transformar em um contrato social. Ele acredita que a desconfiança social na IA hoje não é apenas por desconhecimento técnico, mas por uma perda de confiança nas elites e na promessa de que a nova revolução tecnológica trará oportunidades para todos. Para recuperar essa confiança, não basta propaganda, mas é preciso empregos visíveis, treinamentos, investimentos regionais e compromissos públicos.

Entre China, globalização e regulação, os EUA precisam de um “caminho do meio”

Outro tema sensível na conversa foi como os EUA devem lidar com a China e a cadeia de suprimentos global. Huang Huang é claro: o mundo é interdependente, e a cadeia de produção de IA não é um sistema que um país possa fechar completamente. Qualquer tentativa de “fechar tudo, cortar o outro” pode gerar consequências graves.

Ele reforça que a IA não é um produto pontual, mas um sistema industrial profundamente integrado na cadeia global de suprimentos. Desde energia, minerais, equipamentos até manufatura, os EUA dependem de outros países, incluindo a China. Por isso, as políticas não podem ser simplistas ou emocionalizadas, mas devem avaliar as consequências de longo prazo, reações em cadeia e o equilíbrio do sistema industrial.

Khanna concorda e acrescenta que os EUA não podem se desconectar totalmente, mas também que a globalização sem limites mostrou-se insustentável. O caminho é uma “abertura com limites”: reconhecer o risco de monopólio de recursos estratégicos na China, promover o reequilíbrio e o fortalecimento da capacidade doméstica, ao mesmo tempo em que evita uma postura de hostilidade ou exclusão.

Huang Huang faz um alerta importante: combater a competição com a China não deve se transformar em anti-chinesismo, anti-imigração ou anti-intelectuais. Porque um dos maiores ativos dos EUA é justamente a atração de talentos do mundo todo. Se a narrativa de competição se transformar em hostilidade de identidade, ela prejudicará não só os adversários, mas também a própria capacidade de atrair os melhores talentos internacionais e manter o “sonho americano”.

No que diz respeito à regulação, os dois concordam que o ideal é estabelecer regras moderadas e detalhadas, que mantenham a competitividade dos EUA e a confiança do mercado global em IA de alta qualidade. Khanna defende regras que equilibrem inovação e segurança, enquanto Huang Huang sugere uma regulação focada na aplicação e nos cenários de uso, evitando regulações rígidas demais em tecnologias ainda em rápida evolução.

Resumindo, ambos rejeitam os extremos: liberdade irrestrita ou regulação excessiva. O caminho viável é um equilíbrio dinâmico entre gestão de riscos, desenvolvimento industrial e competição global.

Esta conversa revela uma nova narrativa nacional

Se considerarmos apenas como uma “reunião de políticas de IA”, subestimamos seu significado. Em uma análise mais profunda, ela discute: em um momento em que a IA está reestruturando a economia e a ordem social, os EUA podem reconstruir uma narrativa nacional que envolva a maioria das pessoas, fazendo-as acreditar que podem participar.

Khanna repete que um dos maiores problemas atuais dos EUA é a perda de confiança. As pessoas não acreditam mais que podem se beneficiar do crescimento, que o sistema prioriza os trabalhadores comuns, ou que o “sonho americano” ainda é válido para as próximas gerações. Assim, ele propõe usar a IA como uma oportunidade para repensar o que deve ser a estrela guia do desenvolvimento tecnológico — não apenas avanços técnicos, mas a construção de uma sociedade mais coesa, pluralista, com maior segurança e oportunidades de ascensão.

Huang Huang, de sua parte, oferece uma resposta inspiradora: hoje, é um dos melhores momentos para jovens entrarem na sociedade, usarem IA, empreenderem e remodelarem a indústria. Porque essa revolução tecnológica não está apenas ajustando o mundo antigo, mas redefinindo toda a cadeia de produção digital, afetando quase todos os setores baseados em computação. Para estudantes e jovens profissionais, isso significa uma oportunidade de partida igualitária sem precedentes.

Nesse sentido, o consenso mais importante da conversa não é “os EUA vão vencer”, mas “se os EUA quiserem vencer, precisam fazer com que mais pessoas vençam também”. A liderança na era da IA não depende apenas de chips, capital ou modelos avançados, mas de reconstruir uma comunidade de tecnologia, indústria, educação, manufatura, governança e confiança social.

Talvez essa seja a maior lição que essa conversa deixa: na competição de IA, embora pareça uma disputa entre empresas e países, na verdade é uma luta por estabelecer uma capacidade nacional mais completa, aberta e resiliente. E quem vencer, não será pelos slogans mais altos, mas por quem conseguir responder a três perguntas essenciais: quem inova, quem fabrica, quem se beneficia.