O conceito de “soberania de IA” migrou de discurso acadêmico para política pública em velocidade surpreendente. Em 2025, mais de 30 países anunciaram planos para construir infraestrutura nacional de compute — somando, nos anúncios, mais de $100 bilhões em investimentos comprometidos. O problema é que soberania de IA é um objetivo muito mais complexo do que instalar data centers com GPUs.
O que “soberania” realmente significa
O termo carrega pelo menos três significados distintos, frequentemente confundidos no debate público. O primeiro é soberania de infraestrutura: ter servidores fisicamente localizados no território nacional, sujeitos à jurisdição local. O segundo é soberania de dados: garantir que dados sensíveis não trafeguem por sistemas estrangeiros. O terceiro — e mais ambicioso — é soberania de capacidade: desenvolver internamente a habilidade de criar, treinar e manter modelos de fronteira.
A maioria dos programas nacionais atinge o primeiro objetivo, parcialmente o segundo, e raramente o terceiro. Construir um data center com chips Nvidia em solo francês ou saudita não cria capacidade de IA independente — cria dependência de fornecedores americanos com uma camada de jurisdição local por cima.
Os três gargalos que $100B não resolvem
O primeiro é talento. Os profissionais capazes de treinar e manter modelos de fronteira são contados em milhares globalmente — e a maioria está concentrada em San Francisco, Londres e Beijing. Nenhum programa de investimento acelera a formação desse talento em menos de uma década.
O segundo é dados. Modelos de linguagem de fronteira são treinados em corpora em inglês de escala que nenhuma língua ou contexto nacional replica. Um modelo soberano em português ou árabe partirá com desvantagem estrutural em capacidade geral, mesmo que seja superior em domínios específicos.
O terceiro é a cadeia de fornecimento de chips. Enquanto a TSMC e a Nvidia — empresas com sede em Taiwan e EUA — controlam a fabricação e design dos chips que alimentam qualquer data center de IA, a soberania de compute é parcial por definição.
O que faz sentido de fato
Soberania de IA realista não significa independência total — significa resiliência estratégica e capacidade de aplicação em domínios críticos. Países que estão fazendo isso bem investem em: modelos de domínio específico (saúde, direito, governo) treinados localmente; regulação de dados que protege sem isolar; e formação de engenheiros capazes de adaptar e aplicar modelos de base, não necessariamente de criá-los do zero. É uma postura de usuário sofisticado, não de produtor independente.
Soberania de IA não é apenas agenda de governo — é uma decisão de arquitetura empresarial com implicações diretas de risco e competitividade. Empresas que dependem 100% de modelos e infraestrutura de terceiros para operações críticas têm uma concentração de risco que vai crescer, não diminuir, à medida que a IA se torna mais central para o negócio. As perguntas que o board deveria estar fazendo são concretas: onde ficam os dados que alimentam nossos modelos? Quem tem acesso a eles? O que acontece se o fornecedor principal mudar os termos, aumentar preços ou sair do mercado? Ter pelo menos um caminho alternativo para as capacidades de IA mais críticas do negócio não é paranoia — é gestão de risco básica para ativos estratégicos.
