O PC com IA deste ano é realmente de deixar qualquer um nervoso
Os PCs com IA ainda nem decolaram e já foram traídos pela própria IA.
Em 9 de outubro, a Gigabyte anunciou que todas as suas placas-mãe B760 e H610 serão compatíveis com os novos processadores Intel LGA1700, com lançamento previsto para o início de 2027, por meio de uma atualização de BIOS, incluindo as placas-mãe DDR4.
"Novo por três anos, velho por três anos, remendado por mais três anos", o renascimento do DDR4 não se deve à nostalgia, mas sim ao duplo impacto do custo e da pressão de vendas.
Segundo estimativas da empresa de pesquisa de mercado Omdia, a memória e os SSDs representam agora quase 40% do custo dos componentes de PC, um aumento em relação aos cerca de 15% do passado.
Entretanto, dados preliminares de outra empresa de pesquisa de mercado, a IDC, mostram que as remessas globais de PCs diminuirão 20,1% em relação ao ano anterior no terceiro trimestre de 2026, uma perspectiva preocupante.
Nem mesmo o Mac, considerado o "melhor PC com IA", escapou dessa crise, com as vendas também em queda ano a ano no terceiro trimestre de 2026. À medida que a indústria de IA continua a ultrapassar os limites de desempenho, os fabricantes de PCs enfrentam uma questão cada vez mais urgente: como tornar um computador comum acessível aos consumidores?
As vendas de PCs despencaram e nem mesmo a temporada de volta às aulas conseguiu reverter a situação – será que a culpa é toda da memória?
Os impactos da alta dos preços da memória não são novidade.
Como mencionado anteriormente pela APPSO, com o crescimento contínuo da demanda por HBM e DRAM de servidores de IA, os fabricantes de armazenamento começaram a alocar mais recursos para produtos de data center de maior lucratividade, reduzindo o potencial de crescimento da capacidade de memória para o consumidor final.
Quando a capacidade de produção muda, os preços são os primeiros a reagir. Ao longo do último ano, os preços da memória e dos SSDs têm aumentado constantemente, refletindo-se desde as cotações de aquisição até o custo total do sistema . Os componentes de armazenamento, que antes representavam apenas uma pequena parcela do custo, tornaram-se agora os maiores consumidores de recursos na lista de materiais.
A TrendForce calculou, usando como exemplo um laptop convencional com preço sugerido de US$ 900, que, no terceiro trimestre de 2026, a CPU, a DRAM e o SSD representariam aproximadamente 68% do custo dos materiais.
Os fabricantes de PCs aumentaram os preços diversas vezes nos últimos trimestres, mas a Omdia afirma que os aumentos ainda são insuficientes e não cobriram totalmente a diferença de custos. Diante da disparada dos preços, os consumidores estão começando a considerar a possibilidade de deixar seus computadores antigos funcionando por mais um ano.
A queda nas remessas no terceiro trimestre deste ano ocorreu nesse contexto.
Segundo as estatísticas da IDC, as remessas globais de PCs caíram para 62,7 milhões de unidades, ante 78,5 milhões de unidades no mesmo período do ano passado. As estatísticas da Omdia também apontam para a mesma tendência: as remessas globais de desktops, laptops e estações de trabalho diminuíram 21,2% em relação ao ano anterior.
No entanto, é injusto atribuir isso inteiramente ao aumento de preços. É o resultado da combinação de múltiplos fatores.
Por um lado, o valor base para o mesmo período do ano passado já era alto. A demanda por substituições, desencadeada pelo fim do suporte ao Windows 10, se concentrará em 2025, elevando a base de comparação. Por outro lado, a corrida para estocar equipamentos no primeiro semestre do ano interrompeu o ritmo do segundo semestre.
Para acumular espaço antes que os preços subissem ainda mais, algumas marcas e canais de venda aumentaram seus estoques antecipadamente, e alguns pedidos originalmente programados para trimestres posteriores também foram antecipados. No terceiro trimestre, os preços elevados desestimularam os compradores finais, e os canais tiveram que absorver o estoque existente. Depois de gastarem além de suas possibilidades, seu entusiasmo em fazer pedidos aos fabricantes naturalmente diminuiu.
O terceiro trimestre, geralmente impulsionado pela temporada de volta às aulas, não atingiu o pico habitual. O analista da IDC, Jitesh Ubrani, acredita que a pressão sobre os estoques pode forçar os canais de distribuição a promoverem vendas, mas é improvável que os preços retornem aos níveis observados há um ano.
Os fabricantes enfrentam apenas algumas opções: continuar aumentando os preços e absorver parte dos custos, ou reduzir as configurações e estender a vida útil das plataformas já consolidadas. O ressurgimento da DDR4 é um produto desse equilíbrio.
Um repórter do The Verge descobriu recentemente que um kit de 32 GB de memória Corsair Vengeance DDR5 custa US$ 620, enquanto o kit DDR4 correspondente custa apenas US$ 260.
Embora os preços de produtos individuais possam não representar todo o mercado, uma diferença de preço de US$ 360 pode ser suficiente para influenciar a decisão de montar um PC; até mesmo um herói pode ser derrotado por uma diferença de preço.
A DDR5 oferece largura de banda e eficiência energética superiores, e a DDR4 não escapou dessa onda de aumentos de preço. No entanto, para usuários que já possuem memória DDR4, continuar usando a memória antiga pode representar uma economia nos custos de atualização.
O plano de compatibilidade da GIGABYTE, anunciado desta vez, representa um grande avanço nesse sentido.
O soquete LGA1700 foi introduzido em 2021 com a 12ª geração de processadores Intel Core, e a plataforma originalmente suportava placas-mãe com memórias DDR4 e DDR5. De acordo com o anúncio, os usuários atuais de placas-mãe B760 e H610 podem simplesmente atualizar a BIOS e aguardar as próximas atualizações de processador.
Os dois tipos de memória requerem placas-mãe compatíveis e não podem ser trocados no mesmo slot. O anúncio não revelou o modelo, a arquitetura ou o desempenho real do novo processador; o que se sabe com certeza é que as plataformas mais antigas continuarão recebendo suporte para o novo produto.
Do lado da AMD, a Gigabyte anunciou um novo lote de placas-mãe AM4 em agosto deste ano, que, juntamente com o relançamento do Ryzen 7 5800X3D, adiciona mais uma opção para configurações de sistemas que utilizam memória DDR4.
No passado, as novas plataformas frequentemente incluíam atualizações para o processador, placa-mãe e memória, obrigando os usuários a substituir todo o sistema. Agora, a possibilidade de manter o hardware existente tornou-se parte da competitividade de um produto.
Plataformas consolidadas podem evitar o custo de substituir todo o sistema, mas será que um computador já existente ainda pode ser revitalizado e assumir mais tarefas? Desenvolvedores de código aberto estão tentando responder a essa pergunta sob a perspectiva do software.
Executando modelos que custam bilhões de dólares, até mesmo PCs gamers pessoais podem criar algo extraordinário em um espaço pequeno.
Recentemente, um projeto de código aberto chamado Strata tornou-se popular no GitHub, acumulando aproximadamente 19.500 estrelas.
https://github.com/Niko1221/StrataSeu maior destaque é a proposta de transformar um PC gamer comum em um pequeno cavalo puxando uma grande carroça, conduzindo o Qwen3.8-Flash-Next com 125 bilhões de parâmetros.
De acordo com os testes publicados pelo Project Strata, um computador equipado com uma placa gráfica RTX 5070, 12 GB de memória de vídeo, um processador Ryzen 5 7600 e 64 GB de memória RAM pode gerar 94 tokens por segundo na configuração de quantização Q2_0.
Curiosidade: 94 tokens por segundo é cerca de 10 vezes mais rápido que a velocidade média de leitura de uma pessoa. Se o modelo exibisse texto em tempo real nessa velocidade, o conteúdo na tela inundaria a tela como uma cachoeira; você só veria o texto rolando e não haveria tempo para lê-lo palavra por palavra.
O segredo para fazer um modelo tão grande rodar em um computador de uso doméstico está em fazer com que a memória de vídeo, a memória do sistema e a CPU desempenhem suas funções e compartilhem a carga de trabalho.
O Qwen3.8-Flash-Next adota uma arquitetura híbrida de especialistas MoE, onde um grande grupo de módulos especialistas possui funções específicas. Cada cálculo requer apenas alguns desses módulos. Embora o número total de parâmetros seja grande, nem todos os módulos precisam estar envolvidos na geração de cada token, demonstrando uma abordagem astuta e eficiente, como usar uma marreta para quebrar uma noz.
O Strata aproveita ao máximo essa escassez: especialistas frequentemente usados são armazenados em cache na memória de vídeo, enquanto todos os pesos dos especialistas são armazenados na memória do sistema. A placa gráfica lida com os cálculos principais, a CPU processa os especialistas que não estão em cache na memória de vídeo em paralelo e o SSD armazena grandes tabelas de consulta.
Para os usuários, isso pode ser entendido como uma reorganização de todo o computador: a placa de vídeo faz o que faz de melhor, a memória do sistema fornece uma grande quantidade de memória, a CPU também participa da inferência e a memória de vídeo limitada não precisa mais suportar toda a carga sozinha.
A quantização reduz ainda mais o tamanho do modelo. Os pesos ocupam menos espaço após a compressão de baixa resolução, mas quanto mais comprimidos estiverem, menor será a qualidade da resposta.
Os 94 tokens por segundo correspondem à versão Q2_0 do projeto. No mesmo hardware de teste, a versão IQ3_S, com compressão mais suave, gera 53 tokens por segundo. Ainda é necessário encontrar um equilíbrio entre velocidade, uso de memória e desempenho do modelo.
O projeto também emprega decodificação especulativa, permitindo que módulos auxiliares menores prevejam tokens subsequentes com antecedência, os quais são então verificados em lotes pelo modelo principal. De acordo com os desenvolvedores, esse mecanismo pode proporcionar um aumento de velocidade de aproximadamente 1,6 a 1,8 vezes, com os ganhos dependendo da aceitação das previsões.
É importante notar que a decodificação especulativa pode reduzir as etapas de cálculo em série no processo de geração e acelerar a saída, mas não elimina a perda de precisão causada pela quantização de poucos bits.
Mesmo com esses compromissos, a operação local continua sendo incrivelmente atraente.
De acordo com a descrição do projeto, o Strata oferece suporte a bate-papo, programação e entrada opcional de imagens, podendo se conectar a aplicativos e assistentes de programação por meio de uma API compatível. A inferência é realizada inteiramente localmente, oferecendo aos usuários uma alternativa ao acesso baseado em nuvem.
No entanto, 12 GB de memória de vídeo são apenas parte do requisito básico; a memória do sistema também determina a qualidade da experiência. 64 GB de memória podem acomodar várias versões de 2 e 3 bits listadas no projeto; uma configuração de 32 GB geralmente permite apenas a versão simplificada Coder, que exclui alguns recursos avançados e é mais fraca em tarefas que não envolvem programação, como o idioma chinês.
Ao ser iniciado, o projeto precisa carregar dezenas de gigabytes de dados na memória, o que pode causar o congelamento do computador por 1 a 3 minutos. Textos longos também exigem pré-processamento, e as solicitações padrão precisam ser enfileiradas. Além dos testes de desempenho, os tempos de espera na inicialização, o desempenho multitarefa e a qualidade da resposta determinam se o projeto consegue lidar com tarefas cotidianas.
As compensações entre o tempo de espera na inicialização, os requisitos de memória e a qualidade da resposta significam que o Strata ainda tem um longo caminho a percorrer antes de ser verdadeiramente fácil de usar no dia a dia.
Mas isso demonstra uma possibilidade: o mesmo hardware, ao alocar tarefas de computação e armazenamento de forma mais racional, também pode executar modelos grandes que antes eram inviáveis. A capacidade de um computador depende não apenas do hardware que ele possui, mas também da forma como o software utiliza esse hardware.
Em outras palavras, seja explorando o potencial do software local ou reduzindo o preço dos serviços em nuvem, a barreira de acesso à inteligência está diminuindo.
Nesse contexto, destaca-se um contraste marcante: a a16z, uma conhecida empresa de capital de risco, publicou um gráfico citando dados do Goldman Sachs mostrando que o índice de preços do LLM completou a trajetória de redução de preços do índice de preços de computadores pessoais, que levou cerca de quinze anos, em apenas três anos.
Os serviços inteligentes estão cada vez mais se assemelhando a bens de consumo digitais baratos, embora a memória, os chips e os dispositivos de computação que suportam a inteligência ainda sejam limitados pela capacidade de produção e pelos desequilíbrios entre oferta e demanda.
Como resultado, a indústria de tecnologia está simultaneamente colocando inteligência artificial mais poderosa nas mãos das pessoas comuns, ao mesmo tempo que as faz economizar cada centavo gasto em um pen drive.
Podemos estar entrando em uma era onde a inteligência está se tornando cada vez mais acessível, mas também estamos vivenciando uma crise de custos de hardware impulsionada pela própria demanda por inteligência. Somente estabelecendo regras que extraiam cada gota de desempenho poderemos nós, que estamos pagando o preço por esse boom da IA, evitar nos sentirmos muito estressados.
