Um ponto de virada para a matemática e a energia
Duas notícias recentes sinalizam transformações profundas em campos que, à primeira vista, parecem distantes: a matemática pura e a infraestrutura energética. De um lado, um sistema de inteligência artificial afirma ter resolvido um dos problemas em aberto mais importantes da história — as equações de Navier-Stokes, que descrevem o movimento dos fluidos e resistiam há nove décadas. Do outro, o mercado de baterias nos Estados Unidos quebra recordes de instalação, num ritmo que acompanha a expansão das fontes renováveis.
Ambos os marcos compartilham uma característica: dependem de escala massiva de recursos computacionais ou industriais, concentrados em poucas mãos. Isso levanta questões urgentes sobre como a ciência e a transição energética serão organizadas nos próximos anos.
O anúncio da OpenAI e a controvérsia dos créditos
A empresa por trás do ChatGPT declarou que seus agentes de IA conseguiram resolver as equações de Navier-Stokes em 88 horas, mobilizando 10 mil instâncias paralelas. O feito valeria um prêmio de 1 milhão de dólares oferecido pelo Clay Mathematics Institute — um dos sete Problemas do Milênio. Em condições normais, seria celebrado como um marco histórico, comparável à vitória do Deep Blue sobre Kasparov no xadrez, em 1997.
No entanto, o anúncio veio acompanhado de acusações de que pesquisadores cujo trabalho auxiliado por IA influenciou a solução não teriam sido creditados. A disputa expõe uma tensão estrutural: modelos de fronteira agora parecem indispensáveis para avançar nas fronteiras da matemática, mas o custo de treiná-los e executá-los em escala restringem a participação a um punhado de laboratórios corporativos.
Matemáticos como Tristan Buckmaster, da NYU, compararam o momento ao duelo entre homem e máquina no xadrez. “A comunidade precisa ter uma discussão séria e sem pressa sobre para onde ir daqui”, afirmou. A questão central não é apenas técnica — é sobre governança do conhecimento, atribuição de autoria e o papel dos humanos num campo onde a intuição algorítmica começa a suplantar a demonstração tradicional.
Recorde de baterias: 20,2 GWh em três meses
Enquanto o debate teórico aquece, o setor energético registra números concretos. No segundo trimestre de 2026, os Estados Unidos instalaram 20,2 gigawatt-hora de nova capacidade de armazenamento — energia suficiente para atender à demanda diária de 600 mil residências. O volume coloca o país na trajetória de mais um ano recorde, puxado por dois vetores: a queda contínua no preço das células e a necessidade urgente de estabilizar redes cada vez mais dependentes de solar e eólico.
A expansão, porém, não é uniforme. Em escala de rede (grid-scale), os projetos de grande porte avançam com contratos de longo prazo e incentivos federais. No segmento residencial, a dinâmica é mais fragmentada: depende de tarifas locais, políticas de medição líquida e da disposição do consumidor em investir em autonomia energética. Essa assimetria molda um mercado em que a mesma tecnologia — íon de lítio, majoritariamente — segue lógicas econômicas distintas.
Agentes que planejam: do virtual para o físico
Paralelamente, a pesquisa em agentes autônomos avança para fora dos ambientes simulados. Danijar Hafner, pesquisador de 31 anos reconhecido entre os 35 inovadores abaixo de 35 anos, desenvolve sistemas capazes de navegar em situações jamais vistas durante o treinamento. Seu laboratório em São Francisco abriga robôs humanoides suspensos em estruturas metálicas — corpos físicos para mentes treinadas em mundos virtuais, como videogames.
A migração do digital para o tangível é o próximo gargalo da IA generativa. Modelos que aprendem “modelos de mundo” internos — representações abstratas de causa e efeito — prometem generalização muito além de padrões estatísticos. Mas a robótica impõe restrições de latência, segurança e física que não existem no código. O progresso nessa frente determinará se a IA se tornará, de fato, uma força de trabalho versátil ou permanecerá confinada a tarefas de processamento de informação.
Dados de guerra: o novo oeste selvagem
Um quarto vetor, menos visível mas não menos consequente, emerge dos campos de batalha na Ucrânia. Milhões de pontos de dados coletados por dezenas de milhares de voos de drones estão sendo disponibilizados a contratantes militares e empresas comerciais. A lógica é atrair financiamento e parcerias transformando a linha de frente em um gigantesco conjunto de treinamento para algoritmos de visão computacional e navegação autônoma.
O fenômeno cria um mercado sem regulação clara: dados gerados em cenários de vida ou morte alimentam sistemas que, no futuro, poderão ser usados em contextos civis ou em outros conflitos. Especialistas alertam para a necessidade de marcos legais que impeçam que informações de batalha sejam tratadas como commodity comum — sob risco de normalizar a extração de valor do caos humano.
O fio condutor: concentração de poder
Olhando o conjunto, emerge um padrão. Seja na matemática, na energia, na robótica ou na defesa, os avanços mais expressivos dependem de infraestrutura massiva — GPUs por dezenas de milhares, gigawatts-hora de baterias, frotas de robôs, petabytes de dados de guerra. Quem controla essa infraestrutura dita o ritmo e a direção do progresso.
Para a matemática, o risco é que a demonstração de teoremas se torne serviço de assinatura, acessível apenas a quem paga pela computação. Para a energia, a concentração da cadeia de suprimentos de baterias em poucos países e empresas cria vulnerabilidades geopolíticas. Para a IA agente, a barreira de entrada para testar no mundo real exclui laboratórios acadêmicos e startups sem capital profundo. Para os dados de guerra, a assimetria entre quem gera o dado (soldados, civis) e quem lucra com ele (plataformas, contratantes) expõe uma falha ética fundamental.
O que está em jogo
Não se trata de frear a inovação. A solução de Navier-Stokes, se confirmada e validada pela comunidade, abrirá portas para simulações mais precisas de clima, aerodinâmica, fluxo sanguíneo e muito mais. O boom de baterias é condição sine qua non para descarbonizar a rede elétrica. Agentes robóticos capazes de generalizar podem assumir tarefas perigosas ou repetitivas. Dados de drones podem salvar vidas se usados para detecção de minas ou resgate.
O desafio é desenhar instituições — públicas, privadas, multilaterais — que distribuam benefícios e mitiguem riscos. Isso significa políticas de acesso aberto a modelos fundamentais, regulação de mercados de armazenamento para evitar oligopólios, padrões de segurança para IA encarnada e tratados sobre uso de dados de conflito. Nenhuma dessas agendas avança na velocidade da tecnologia.
Um convite ao debate informado
Os próximos meses trarão verificações independentes do resultado da OpenAI, leilões de capacidade de armazenamento nos EUA, demonstrações públicas de robôs mais autônomos e, provavelmente, novos vazamentos sobre o comércio de dados de batalha. Acompanhar cada frente isoladamente é insuficiente: elas se retroalimentam. A mesma computação que treina modelos de fluidos treina modelos de guerra. A mesma cadeia de lítio que alimenta robôs alimenta a rede.
Cidadãos, legisladores, cientistas e engenheiros precisam de uma linguagem comum para discutir esses cruzamentos. O momento exige menos fascínio e mais escrutínio — não para bloquear o novo, mas para garantir que ele sirva a muitos, e não a poucos.