O Japão gastou 55 mil milhões de ienes a tentar inventar a IA. A Nvidia e a Google ganharam por fazer o contrário

Em 1982, o Japão decidiu que ia ganhar a informática do futuro. O Ministério do Comércio Internacional e da Indústria (MITI) criou o ICOT, um instituto com cem engenheiros e uma tese: os computadores da quinta geração não seriam mais rápidos por terem CPUs melhores, seriam inteligentes por raciocinarem com lógica. Dez anos e cerca de 55 mil milhões de ienes depois, o país tinha cinco protótipos, uma pilha de artigos científicos e nenhum produto.

Quarenta e quatro anos mais tarde, a Nvidia vale 5,2 biliões de dólares e a Alphabet prepara-se para gastar 175 a 185 mil milhões só em infraestrutura num ano. A diferença entre os dois momentos não está no tamanho do cheque. Está na camada onde cada um apostou: o Japão apostou na máquina; a Nvidia e a Google apostaram no que corre por cima dela.

Primeiro, os anos 70: o Japão não falhou — industrializou

A história começa antes do ICOT. Em 1971, o MITI lançou o PIPS (Pattern Information Processing System), um projeto de dez anos com 25 mil milhões de ienes e 220 pessoas, metade delas destacadas pela Toshiba, NEC, Hitachi, Fujitsu e Mitsubishi. O objetivo era fazer o computador ler: kanji impresso, escrita à mão, imagens a preto e branco e a cor, objetos tridimensionais e voz, tudo ligado por um anel de fibra ótica a 100 Mbit/s.

Ao contrário do que se repete, o PIPS não foi um falhanço total. Deu reconhecimento ótico de caracteres, visão por computador e o saber-fazer que fez o fax japonês e a automatização industrial dos anos 80. O Japão dos anos 70 não perdeu a corrida da IA por falta de resultados: perdeu-a por os ter transformado em produto industrial, e não numa plataforma de software.

1982: a aposta na lógica

O projeto FGCS partiu de uma convicção que hoje soa estranha: o conhecimento podia ser escrito à mão, em regras, e o raciocínio podia ser uma prova lógica. A linguagem escolhida foi o Prolog; a máquina, um paralelizador de inferências. O ICOT construiu o PSI (sequencial) e cinco PIM (paralelos), desenhou a linguagem KL1 e chegou aos 150 milhões de inferências lógicas por segundo — um número que, em 1985, era mil vezes superior ao de uma estação de trabalho.

O problema é que ninguém compra inferências lógicas por segundo. Em 1992, o governo japonês fechou o projeto e ofereceu o software desenvolvido a quem o quisesse. O New York Times resumiu-o no título da notícia: «Fifth Generation» tornou-se a geração perdida do Japão.

Porque é que falhou: cinco razões, nenhuma delas falta de dinheiro

1. O gargalo era o conhecimento, não o processamento. Escrever regras exige um especialista humano a explicar o que sabe. Cada domínio novo custava meses. Hoje, o mesmo especialista limita-se a fornecer exemplos e o modelo extrai o padrão.

2. Hardware dedicado contra hardware de prateleira. As PIM foram ultrapassadas por estações Sun e processadores Intel, que evoluíam a cada 18 meses e custavam uma fração. A lição repetiu-se com as máquinas Lisp e, mais tarde, com os primeiros supercomputadores dedicados a IA.

3. Uma linguagem fora do mercado. Prolog não era o que as empresas usavam. Sem comunidade, sem bibliotecas, sem programadores, uma máquina brilhante fica sem aplicações.

4. O mundo mudou à volta e o projeto não. Entre 1982 e 1992 apareceram as interfaces gráficas, a internet e as bases de dados relacionais. O FGCS continuou a construir um sistema fechado para um problema que estava a ser resolvido por outro lado.

5. Mediu-se a coisa errada. O sucesso foi definido em LIPS, não em receita, clientes ou tempo de implementação. Quando a métrica é técnica, o projeto pode ser um êxito de engenharia e um fracasso económico — que é exatamente o que aconteceu.

O que a Nvidia e a Google fizeram ao contrário

A Nvidia não construiu uma máquina para IA. Construiu um acelerador gráfico de uso geral e, em 2007, abriu-o à programação com CUDA. Quando a aprendizagem profunda precisou de multiplicações de matrizes em paralelo, o hardware já lá estava — e o software também, com uma década de bibliotecas e programadores.

A Google seguiu a mesma lógica na camada de cima: em 2017 publicou o artigo do Transformer, a arquitetura que sustenta quase todos os modelos atuais, e depois construiu os seus próprios chips (TPU) para não depender de um fornecedor único. Em 2026, gasta 175 a 185 mil milhões por ano em infraestrutura para servir pesquisa, cloud, Android e Gemini — produtos que já existiam e já cobravam.

A diferença face a 1982 pode resumir-se a quatro linhas: dados em vez de regras, hardware de uso geral em vez de dedicado, software aberto em vez de proprietário e um cliente que paga em vez de uma demonstração.

1982 contra 2026

Mas a conta de 2026 ainda não fechou

Seria confortável terminar aqui, com o Japão derrotado pela rigidez e o Vale do Silício coroado pela flexibilidade. Não é tão simples. Segundo estimativas de analistas, as cinco maiores tecnológicas deverão gastar perto de 800 mil milhões de dólares em infraestrutura em 2026. A OpenAI, o cliente mais visível dessa infraestrutura, tinha no fim de setembro 50 mil milhões de receita anualizada — e chegou a ser-lhe atribuído o dobro antes de corrigir o número.

Ou seja: se dividirmos os 800 mil milhões de capex pelos 50 mil milhões de receita anualizada da OpenAI, sobram cerca de seis cêntimos por cada dólar investido — ainda que o capex não sirva só a OpenAI. Em 1992, a fasquia era zero — mas a infraestrutura também não servia para mais nada. A diferença decisiva é que um GPU é de uso geral: se os agentes de IA não venderem o que prometem, o chip continua a treinar modelos, a servir vídeo e a correr simulações. Uma PIM de 1990 não servia para nada fora do Prolog.

O risco de 2026 não é repetir 1992. É repetir 2000: capacidade a mais, aplicações a menos, e uma correção que castiga quem confundiu infraestrutura com procura.

E o Japão de hoje?

O Japão aprendeu metade da lição. Já não tenta construir a máquina: compra GPUs, atrai a TSMC para Kumamoto e aposta em camadas onde tem vantagem real — robótica, materiais, equipamento de fabrico. A Rapidus tenta os 2 nanómetros, a Sakana AI quer um modelo soberano para defesa e cibersegurança, e a SoftBank transforma-se numa empresa de infraestrutura de IA até 2030, com a Arm como ativo central.

O que continua a faltar é o que faltava em 1985: uma camada de software global. O Japão produz componentes e processos, mas não produz a plataforma onde o mundo programa. Enquanto isso não mudar, o país será fornecedor da IA — não o seu dono.

A lição que serve para 2026

O Japão não falhou por apostar alto. Falhou por apostar na camada errada e por medir o sucesso na unidade errada. A Nvidia e a Google ganharam porque construíram a camada que todas as aplicações precisam de atravessar — e porque cobraram por ela desde o primeiro dia.

A pergunta que fica para quem investe ou constrói em 2026 não é «qual é o modelo mais inteligente». É a mesma de 1982, com outro nome: quem é que paga, e porquê, antes de a tecnologia estar pronta? O Japão respondeu «ninguém, mas será espetacular». A resposta custou-lhe uma década e 55 mil milhões de ienes.

Fontes

• The Japanese national Fifth Generation project: introduction, survey and evaluation (Odagiri et al., Research Policy)
• Fifth Generation Became Japan's Lost Generation (1992)
• Japanese Government Ends Development of Computer (1992)
• Pattern Information Processing System (PIPS): a report
• NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2026
• Alphabet says capital spending in 2026 could double
• Nvidia, Oracle, other AI stocks sink on OpenAI revenue report
• NVIDIA market capitalization

Hashtags do dia

#InteligênciaArtificial · #Japão · #Nvidia · #Google · #História · #Tecnologia · #Economia