Jensen Huang fala sobre economia de inferência, entrega de energia e mais em sessão de perguntas e respostas da CES 2026: “Você vende um chip uma vez, mas ao construir software, você o mantém para sempre”

A recente apresentação do CEO da Nvidia, Jensen Huang, na keynote da CES 2026 abordou diversos temas, incluindo a entrega de energia e as implicações econômicas da inferência em grande escala. Após sua palestra, a equipe da Super Select teve acesso a uma sessão de perguntas e respostas com Huang, realizada em Las Vegas, onde foram destacados pontos importantes sobre a visão da Nvidia para o futuro das implementações de IA.

Embora não seja possível compartilhar a transcrição completa, algumas afirmações de Huang foram extraídas com o objetivo de oferecer uma visão clara e objetiva. É recomendável que os leitores primeiro se familiarizem com os tópicos discutidos na keynote antes de aprofundar nas principais reflexões da sessão de perguntas.

As respostas de Huang ajudaram a esclarecer como a Nvidia está lidando com a próxima fase na implementação de IA em larga escala, enfatizando a importância da produtividade contínua dos sistemas após sua instalação. A equipe da Super Select observou um foco substancial nas questões relacionadas a tempo de inatividade, manutenção e capacidade de serviço.

Um dos destaques da conversa foi a arquitetura baseada em bandejas do Vera Rubin, que busca transformar a manutenção em uma operação mais rotineira, evitando interrupções prolongadas. A ideia não é eliminar falhas — algo inviável — mas garantir uma recuperação rápida enquanto outras partes do sistema continuam operando.

Outro ponto relevante foi a discussão sobre a entrega de energia. Em vez de focar apenas no consumo médio, a equipe da Nvidia está preocupada com a demanda instantânea, que pode gerar picos significativos. Essa abordagem permite que a empresa gerencie melhor o comportamento da energia dentro do rack, suavizando os picos antes que eles atinjam o sistema de distribuição de energia.

A equipe da Super Select também destacou que a Nvidia vê a inferência como a carga de trabalho definidora para as implementações modernas de IA. Durante a sessão, Huang ressaltou que, em um data center com energia limitada, a maximização da geração de tokens é essencial para aumentar a receita.

Além disso, a ascensão dos modelos abertos foi tema de destaque, com Huang mencionando que um em cada quatro tokens gerados atualmente vem desses modelos. Essa tendência não apenas facilita a experimentação, mas também expande o uso da IA em ambientes variados.

O comentário de Huang reflete a estratégia da Nvidia de otimizar sistemas que permanecem produtivos, toleram falhas e operam de maneira eficiente sob restrições do mundo real. Embora o pico de desempenho continue sendo importante, não é mais o único fator determinante.

Com isso, a Nvidia se posiciona de maneira significativa para atender a uma gama mais ampla de cenários de inferência, garantindo viabilidade e inovação em suas soluções tecnológicas.