A máquina que pensa: Jensen Huang, Nvidia e o microchip mais cobiçado do mundo

Imagine limpar banheiros num reformatório rural do Kentucky aos dez anos de idade. Bullying, xenofobia, trabalho braçal. Décadas depois, o mesmo menino lidera uma empresa de três trilhões de dólares que dita os rumos da cognição humana. O que forja esse nível de foco?

Essa é a pergunta que costura a trajetória de Jensen Huang e da Nvidia, a empresa que ele cofundou numa mesa de Denny's em San Jose, em 1993. Por quase trinta anos, a companhia foi um nome de nicho conhecido por adolescentes que jogavam Quake no PC. Hoje, é o cérebro físico da inteligência artificial.

Este microbook acompanha como uma aposta improvável em placas de videogame se transformou na infraestrutura computacional que sustenta o ChatGPT, os carros autônomos, os modelos de clima e a corrida pela superinteligência. É uma história de tenacidade obsessiva, microgerenciamento brutal e uma intuição que sobreviveu a três décadas de descrença. E é, também, sobre o que acontece quando o raciocínio humano vira mercadoria barata.

A cultura das lanchonetes e o nascimento no silício

Jensen Huang nasceu em Taiwan, viveu na Tailândia e desembarcou nos Estados Unidos aos dez anos. Os pais, mal sabendo inglês, o matricularam no Oneida Baptist Institute, achando que era uma escola preparatória de elite. Era um reformatório rural no Kentucky. Lá, Huang limpou banheiros, apanhou de colegas maiores e descobriu o tênis de mesa competitivo. A combinação de adversidade e disciplina solitária moldou um traço que nunca o abandonou: foco implacável sob pressão.

Mais tarde, trabalhando como atendente no Denny's, Huang aprendeu o que ele chama de a melhor escola de gestão do mundo. Lidar com clientes hostis no turno da madrugada ensinou a manter a calma quando tudo grita. Na Oregon State University, ele estudou engenharia elétrica, conheceu Lori Mills num laboratório e se apaixonou pelo design de circuitos. Usava o SPICE, ferramenta de simulação, para forçar os limites de cada chip. Trabalhou na AMD e na LSI Logic, no Vale do Silício efervescente dos anos 1980.

Foi nessa época que conheceu Chris Malachowsky e Curtis Priem. Em 1993, os três se sentaram no Denny's de San Jose e desenharam, num guardanapo, uma empresa que faria aceleradores gráficos 3D para PC. As gigantes Sun e SGI ignoravam aquele mercado. A Sequoia e a Sutter Hill toparam financiar. Nasceu a Nvidia.

A 30 dias de fechar as portas

O primeiro chip, o NV1, foi um desastre. Apostava numa arquitetura esotérica de polígonos quadráticos, e a Microsoft lançou o padrão DirectX usando triângulos. A Nvidia quase quebrou. Restaram 35 engenheiros. Huang fez então uma aposta suicida: gastou o último caixa num emulador de hardware caríssimo, pulou a etapa de prototipagem física e enviou o design do Riva 128 direto do código para a produção em massa na Europa.

Funcionou. O Riva 128 vendeu, salvou a empresa e cristalizou o lema interno que Huang repete até hoje: "Nossa empresa está a 30 dias de fechar as portas." Nos anos seguintes, veio a guerra brutal pelos pixels dos jogos de tiro como Quake. A placa Riva TNT introduziu pipelines paralelos. O termo GPU foi cunhado por marketing. A rival 3dfx foi engolida numa disputa judicial e mercadológica letal.

Veio o IPO no fim dos anos 90, depois a bolha pontocom, investigações da SEC, atritos com a Microsoft pelo Xbox e o fiasco do GeForce FX, apelidado de aspirador de pó. Huang criou uma cultura de sessões públicas de autocrítica que beirava a crueldade. Mas a lealdade aos funcionários e às famílias deles era genuína. O que sustentou tudo foi o compulsion loop dos gamers de PC, exigindo atualizações constantes e pagando por isso.

O subsídio invisível e a ressonância

No início dos anos 2000, Curtis Priem foi sendo isolado da direção técnica. David Kirk assumiu como estrategista e esvaziou os concorrentes recrutando talentos. Huang, fascinado pelas teorias de Clayton Christensen sobre inovação disruptiva, decidiu entrar pela margem inferior dos gamers para, no futuro, dominar a computação séria. Selou parceria com a TSMC de Morris Chang, em Taiwan, para fabricar os chips.

Então apareceu Ian Buck, com uma linguagem chamada Brook que usava matrizes de GPUs para rodar cálculos científicos disfarçados de pixels. Huang recrutou gente de computação paralela e construiu, em segredo, a arquitetura CUDA. O engenheiro John Nickolls argumentava que a Lei de Moore estava morrendo e que o paralelismo era inevitável para a ciência. Huang concordou e tomou uma decisão excêntrica: sobrecarregou todos os chips de gamer com a arquitetura paralela, taxando o consumidor final para subsidiar um mercado corporativo que ainda não existia.

Contratou Bill Dally, de Stanford, para liderar a pesquisa avançada. Criou a conferência GTC para dar palco aos acadêmicos. Wall Street não entendia. O CUDA era baixado por poucos. Mas Huang apostava no que chamava de "ressonância", o entusiasmo visceral dos pesquisadores. Era um zero-billion-dollar market que ele estava cultivando no escuro.

O Big Bang do deep learning

Por décadas, pesquisadores de redes neurais foram tratados como excêntricos. Nos anos 80 e 90, faltavam dados e força bruta. Houve sucessos isolados, como o TD-Gammon de Gerald Tesauro e o programa Jellyfish, de Fredrik Dahl, que dominava o gamão. Geoffrey Hinton e colegas haviam mostrado o backpropagation, capaz de treinar redes profundas. Mas era teoria sem músculo.

Em 2012, no quarto residencial do estudante Alex Krizhevsky em Toronto, Hinton e Ilya Sutskever pegaram duas placas de varejo GTX 580 da Nvidia e treinaram uma rede neural convolucional gigantesca. Inscreveram o modelo na competição ImageNet, criada por Fei-Fei Li. O resultado, batizado de AlexNet, pulverizou os algoritmos tradicionais de visão computacional. A diferença foi tão obscena que mudou o eixo de poder tecnológico do mundo. O Google comprou a empresa de fachada deles num leilão por 44 milhões de dólares.

Dentro da Nvidia, o impacto foi sísmico. Bryan Catanzaro começou a construir as bibliotecas cuDNN, dedicadas exclusivamente ao deep learning. Internamente, a virada virou jargão: O.I.A.L.O., a sigla para "Oh, It's A Lot Of Opportunity". A liderança percebeu que a arquitetura paralela construída em segredo por uma década finalmente tinha encontrado sua aplicação definitiva, e correu para reorientar a empresa inteira. Não era mais sobre jogos. Era sobre cognição artificial.

A embalagem do supercomputador

Huang parou de vender chips e começou a vender computadores inteiros. Em 2016, ele mesmo entregou pessoalmente a Elon Musk, na recém-fundada OpenAI, a primeira unidade do DGX-1, apelidado de supercomputador numa caixa. Era um cerimonial calculado. A Nvidia agora se posicionava como o coração da revolução, não como um fornecedor de peças.

O ano de 2017 foi espetacular. As ações dispararam. A AMD, agora comandada por Lisa Su, parente distante de Huang, voltou a ser rival. A Nvidia fechou um contrato silencioso para ser o processador interno do Nintendo Switch, estabilizando o caixa. As GPUs ajudaram em descobertas que renderam Prêmios Nobel em ondas gravitacionais e microscopia crioeletrônica. A mineração de criptomoedas esvaziou estoques e inflou receitas, embora Huang minimizasse o fenômeno em público.

Veio então a aquisição da israelense Mellanox por sete bilhões de dólares, capturando a tecnologia Infiniband de redes de fibra óptica. Era a peça que faltava. Huang havia percebido algo definitivo: no mundo da IA, um data center inteiro opera como um único computador gigante. Não bastava o chip ser rápido. A conexão entre milhares deles precisava ser quase instantânea.

O triunfo da atenção e o custo da inferência

Em 2017, uma equipe do Google publicou um paper modesto chamado Attention Is All You Need. Os autores, entre eles Jakob Uszkoreit e Noam Shazeer, propunham abandonar a memorização sequencial das redes neurais e usar um mecanismo estatístico chamado self-attention, desenhado de propósito para a capacidade paralela das GPUs. Era a arquitetura Transformer. Ironicamente, o próprio Google não soube capitalizar a invenção. A OpenAI, guiada por Ilya Sutskever, abraçou os Transformers com obsessão e desenvolveu a série GPT.

O lançamento do ChatGPT em 2022 e depois do GPT-4 detonou uma corrida histérica. Agentes de texto fluentes, capazes de codificar, raciocinar e escrever em qualquer estilo, atravessaram o mundo em meses. Bilhões em capital de risco choveram sobre startups de IA generativa para áudio, vídeo, código e arte.

E aí o mercado descobriu o pedágio. Cada frase gerada por esses modelos incorre num custo computacional colossal. Toda a infraestrutura global passou a pagar um imposto invisível pelo hardware da Nvidia. Microsoft, Google, Amazon, Meta. Todas correndo para comprar chips que só uma empresa do mundo fabricava em escala.

Limites físicos num mundo simulado

O sucesso virou concreto e vidro. A Nvidia ergueu em Santa Clara dois edifícios triangulares espetaculares, o Endeavor e o Voyager, projetados matematicamente como microcosmos da ambição algorítmica. Lá dentro, a empresa toca o Omniverse, uma plataforma que combina gráficos avançados, simulação física em tempo real e IA generativa para criar gêmeos digitais exatos do mundo real, onde robôs e carros autônomos podem ser treinados antes de errar no plano físico.

Mas a fatura chegou pela tomada. Os data centers de IA devoram energia em escala industrial. A Dominion Energy, na Virgínia, e outras concessionárias americanas alertam que a rede elétrica está sob pressão sem precedentes. A Nvidia roda o Earth-2, supercomputador que modela mudanças climáticas, enquanto suas próprias operações empurram a infraestrutura ao limite. A ironia é desconfortável.

Wall Street começa a sussurrar a palavra bolha. Fundos como a Elliott Management alertam que, se o software de IA não encontrar lucratividade autossustentável, o investimento maciço em hardware pode virar passivo encalhado. A pergunta deixou de ser técnica. Virou econômica e física.

A solidão do ditador dos chips

Em fevereiro de 2024, a Nvidia chocou o planeta ao adicionar 277 bilhões de dólares de valor de mercado em um único dia. Hoje figura no topo absoluto da economia, ao lado de Microsoft e Apple. Mais de cinquenta executivos reportam diretamente a Jensen Huang. Não há sucessor óbvio. A largura de banda da decisão estratégica é, literalmente, o cérebro de um homem só.

Huang virou ícone. Jaqueta de couro preta, culto à personalidade, microgerenciamento brutal. Mas se recusa a entrar na conversa filosófica. Pioneiros como Yoshua Bengio, Geoffrey Hinton e Ilya Sutskever vivem o que chamam de "the fear", calculando matematicamente o p(doom), a probabilidade de a inteligência artificial exterminar a humanidade. Citam Arthur C. Clarke, exigem regulação, apoiaram o fracassado projeto de lei SB 1047 na Califórnia.

Huang reage com raiva contida. Para ele, é arrogância antropomórfica. A inovação, argumenta, sempre teve um único papel: reduzir o custo marginal da produção a zero, liberando humanos para criar outras coisas. Numa entrevista tensa, repele qualquer psicanálise ou analogia de ficção científica. Trabalha por dedução de primeiros princípios. Não especula o incalculável.

Ao final, o autor visita o cluster Eos, o gigantesco data center da Nvidia em operação plena. O ruído é ensurdecedor. Milhares de GPUs calculando, em silêncio luminoso, a próxima geração de modelos. Os criadores caminham entre os corredores com indiferença profissional. A máquina pensa. Eles seguem fabricando mais máquina.

O que sobra quando o cálculo custa zero

Huang aposta que o raciocínio terceirizado no silício libera o humano, não o substitui. Mas a infraestrutura já corre mais rápido do que a pergunta. O verdadeiro teste do império não está nos balanços trimestrais. Está em descobrir o que continua sendo intrinsecamente nosso quando pensar deixar de ser caro.