O Pêndulo Volta: A IA e o Retorno do Computador Pessoal

Em janeiro de 1975, a Popular Electronics colocou o MITS Altair 8800 na capa e o chamou de primeiro kit capaz de rivalizar com máquinas comerciais. Custava 395 dólares. A MITS recebeu quatrocentos pedidos em uma tarde e um quarto de milhão de dólares em três semanas. Antes disso, usar um computador significava reservar tempo em um mainframe e esperar na fila pela sua fatia de uma máquina que pertencia a outra pessoa. O Altair fez algo pequeno e enorme ao mesmo tempo: colocou o computador na sua mesa, e você não precisava compartilhá-lo com ninguém.

Passei a maior parte da minha carreira no lado de infraestrutura das finanças reguladas, onde a questão nunca é o quão impressionante um sistema parece, mas onde o poder realmente está e quem o controla. Dessa posição, a história da computação se lê como um longo debate sobre localização. O processamento continua se movendo entre o centro e a borda, e agora está se movendo novamente.

O ciclo até aqui

A era dos mainframes era centralizada por necessidade. A capacidade computacional era escassa e cara, então ficava em uma sala envidraçada e você alugava o acesso a ela. A revolução do computador pessoal quebrou isso. O Altair acendeu o estopim, o Apple II transformou isso em mercado (o VisiCalc, a primeira planilha, foi o aplicativo que vendeu a máquina para as empresas), e o IBM PC em agosto de 1981 transformou isso em indústria. A IBM usou peças disponíveis no mercado e uma arquitetura aberta, licenciou um sistema operacional de uma pequena empresa chamada Microsoft, e ao fazer isso entregou poder computacional real aos indivíduos. Por cerca de duas décadas, a máquina mais capaz que a maioria das pessoas tocava era a que estava em sua própria mesa.

Então o pêndulo voltou, silenciosamente, e em sua maioria o recebemos de boas. A nuvem significava que você não precisava mais rodar seu próprio servidor. O SaaS significava que você não possuía mais seu software, você o assinava. O smartphone, o dispositivo mais pessoal já construído, acabou sendo um cliente thin: uma tela bonita conectada a computação e dados guardados em outro lugar. Nada disso parecia uma perda. Era conveniente, sincronizava, fazia backup sozinho. Mas o efeito líquido foi que a maioria de nós voltou a ser inquilina do computador de outra pessoa, com o contador sempre rodando.

A recente onda de IA empurrou o centro com mais força do que qualquer coisa antes. Treinar e servir modelos grandes é intensivo em capital de uma forma que concentra poder em poucas mãos. Os números não são sutis. As despesas de capital dos hyperscalers devem superar 600 bilhões de dólares em 2026, um aumento de aproximadamente 36 por cento em relação a 2025, com algumas estimativas dos quatro grandes chegando a 725 bilhões de dólares. Cerca de três quartos disso, em torno de 450 bilhões de dólares, está diretamente vinculado à infraestrutura de IA: GPUs, datacenters, a planta física da inteligência. Essa é a sala envidraçada do mainframe reconstruída em escala planetária. Quando a coisa mais inteligente com a qual você consegue conversar vive em um datacenter que você nunca verá, você voltou a reservar tempo na máquina de outra pessoa.

Por que o retorno do pêndulo é plausível

Aqui está a parte que acho genuinamente interessante. A mesma onda de IA também está produzindo as condições para o pêndulo balançar na outra direção.

Modelos de pesos abertos fecharam a lacuna mais rápido do que quase qualquer um previu. Ao longo de 2025 e no início de 2026, famílias como Qwen, DeepSeek, Llama e Gemma passaram de interessantes a genuinamente úteis, e muitos agora se igualam a modelos proprietários em benchmarks reais. Mais importante, eles rodam em hardware que você possui. O Phi-4-mini da Microsoft, com 3,8 bilhões de parâmetros, roda na CPU de um laptop sem qualquer GPU. Novos designs de mistura de especialistas colocam um modelo grande em um único laptop de alta RAM ativando apenas uma fração dos seus parâmetros por token. O consenso prático entre quem faz isso diariamente é que modelos pequenos e locais agora lideram para trabalho no dispositivo, o que é uma frase que teria soado absurda em 2022.

O silício está chegando para acompanhar. Os Copilot+ PCs são definidos por uma NPU integrada realizando 40 ou mais trilhões de operações por segundo, e os AI PCs devem conquistar quase 40 por cento do mercado em 2025 e mais da metade em 2026. O motor neural está se tornando parte padrão da máquina, assim como a unidade de ponto flutuante e a GPU fizeram antes dele. Silenciosamente, uma CPU com NPU capaz de rodar um modelo real está chegando a muitas mesas.

Junte tudo isso e você tem algo que lembra 1981: computação capaz, de propriedade integral, na frente de uma única pessoa. Pesos abertos significam que você pode guardar o modelo, ajustá-lo com seus próprios dados e rodá-lo sem pedir permissão ou pagar por token. Um agente pessoal pode trabalhar para você em vez de trabalhar para a plataforma que o hospeda.

O prêmio real é o crescimento pessoal

A tentação é enquadrar isso como uma história de hardware sobre chips mais rápidos. Não é. O PC inicial importava por causa do que uma pessoa motivada podia de repente fazer sozinha: modelar um negócio em uma planilha, diagramar um documento, escrever e publicar software de um quarto. A máquina comprimiu a distância entre uma ideia e algo funcionando.

Uma IA pessoal faz o mesmo com a distância entre não saber algo e ser competente nisso. Uma pessoa com um modelo local capaz pode aprender uma nova área, depurar código em uma linguagem que nunca usou, redigir um contrato ou prototipar um produto em um ritmo que antes exigia uma equipe ou uma instituição por trás. Esse efeito composto é a alavancagem real. É privado, não cobra por pergunta, e pertence a você. Para quem tenta construir habilidade em vez de alugar respostas, isso muda o cálculo do que um único indivíduo determinado pode se tornar.

As ressalvas honestas

Não estou vendendo inevitabilidade. As forças que puxam em direção ao centro são reais e bem financiadas. Esses 600 bilhões de dólares em despesas de capital querem ser monetizados, e a forma mais limpa de fazer isso é uma assinatura que você nunca cancela. A gravidade dos dados é teimosa: seu histórico, seus arquivos, seu contexto já vivem nos servidores de alguém, e eles são pegajosos. Os modelos de fronteira continuam crescendo, então a melhor capacidade disponível provavelmente ficará hospedada por anos. E o aprisionamento por plataforma é projetado, não acidental. O caminho padrão sempre será o hospedado, porque é onde está o dinheiro.

Portanto, o retorno do pêndulo está disponível, não garantido. O PC inicial não democratizou a computação porque a tecnologia existia. Fez isso porque pessoas suficientes escolheram possuir a máquina em vez de alugar o mainframe. O hardware para possuir sua IA está sendo enviado agora. Se vamos usá-lo dessa forma é, como foi em 1981, uma escolha. Eu sei em qual eu apostaria para construir mais.

Fontes

• Personal Computer History: 1975-1984 (Low End Mac)
• Altair 8800, CHM Revolution (Computer History Museum)
• The History of Personal Computing (Everything Everywhere)
• The Best Open-Source and Open-Weight LLM Models to Run Locally in 2026 (Hugging Face)
• Open-Weight Models H1 2026: DeepSeek, Qwen, Llama Recap (Digital Applied)
• Global AI-PC Market Outlook 2025-2030 (TS2)
• Hyperscaler CapEx Hits $600B in 2026 (Introl)