A Apple anunciou o HomeView, uma tela inteligente de 7 polegadas que reúne entretenimento, videochamadas e controle da casa inteligente. O dispositivo estreia uma nova versão da Siri com inteligência artificial e respostas personalizadas para os moradores.
O HomeView custa US$ 299 nos EUA (cerca de R$ 1.490) e chega às vendas em 13 de novembro em mercados como Estados Unidos, Canadá, Reino Unido, Austrália, Índia e Nova Zelândia, sem previsão para o Brasil no lançamento inicial. A interface ajusta brilho e informações conforme a iluminação e a distância do usuário, identifica até seis pessoas por reconhecimento facial e integra funções como chamadas FaceTime, comandos de voz e monitoramento de até nove câmeras.
A Apple anunciou a nova geração da Apple TV 4K com inteligência artificial integrada à Siri, chip A19 e suporte a som surround com quatro alto-falantes. A assistente fica mais “conversacional”, ajudando a encontrar filmes e séries por interface em tela cheia, com cartazes e recomendações ligadas ao que o usuário pede.
A Apple TV 4K também traz três microfones de longo alcance para controlar a reprodução e buscar conteúdos sem segurar o controle remoto, além de descrições de vídeos e resumos de notificações gerados por IA com processamento local via HomeKit Secure Video. No mesmo evento, o HomePod mini 2 ganhou melhorias de áudio, novas cores e suporte futuro à Siri com IA, com reconhecimento de até seis vozes e integração com Mensagens, lembretes e temporizadores.
A Apple apresentou o novo Apple TV 4K, o primeiro modelo em quatro anos, com disponibilidade a partir de sexta-feira, 13 de novembro. O aparelho traz o chip A19 e promete conectividade sem fio melhor do que a geração anterior, além de microfones integrados.
A Siri com recursos de IA será parte do lançamento, mas deve funcionar em beta nos Apple TV 4K de segunda geração e nos modelos mais novos. O novo Find My de rastreamento funciona com o controle Siri de segunda geração e mais recentes, enquanto o preço do lançamento é de US$ 299.
A Microsoft anunciou a terceira geração do chip de IA Maia, o Maia 300, com foco em atuar como “principal sistema de inferência” para produtos e serviços da empresa. O chip foi projetado para melhorar custo e eficiência na nuvem e para lidar melhor com modelos de raciocínio e tarefas agentic (orientadas por objetivos).
O Maia 300 começa a ser distribuído para cargas de trabalho de produção em 2027. A Microsoft espera entregar 40% mais tokens por megawatt do que sistemas líderes baseados em GPUs e, em uma configuração com 96 aceleradores, até 7x mais throughput em nível de rack do que o Maia 200, que já roda em produção em serviços como Microsoft Copilot e GitHub Copilot.
A Microsoft revelou o Maia 300, novo chip de IA para servidores, com foco em aumentar a eficiência energética no processamento de inferência. O componente promete processar 40% mais tokens por megawatt do que infraestruturas baseadas em GPUs, permitindo atender mais demandas de IA com a mesma capacidade elétrica.
O Maia 300 dá sequência ao Maia 200 e é voltado para conversas extensas, tarefas que exigem raciocínio e agentes capazes de executar várias ações em sequência. A arquitetura usa chiplets fabricados no processo N2P da TSMC, organiza componentes para manter dados próximos do uso e traz 288 GB de memória HBM4 por acelerador, além de uma configuração completa com 96 aceleradores e promessa de até sete vezes mais tokens que um rack Maia 200; a implantação está prevista para começar em 2027.
A evolução da inteligência artificial nas empresas está levando do modelo reativo de perguntas e respostas para a era da IA agêntica, com sistemas formados por múltiplos agentes digitais que raciocinam, consultam bancos de dados, chamam APIs externas e coordenam tarefas em segundo plano. Com isso, a infraestrutura deixa de atender apenas ao funcionamento do modelo e passa a precisar de camadas de orquestração, segurança, gerenciamento de memória, bancos de dados vetoriais, middleware e APIs.
A mudança de paradigma também altera a forma de dimensionar recursos: em vez de uma proporção histórica de 1 CPU para 4 ou 8 GPUs focadas em inferência, cenários de alta concorrência podem fazer a demanda por CPU superar a do acelerador gráfico. A avaliação de capacidade passa a considerar throughput por rack sob restrições reais de energia, conectividade de baixa latência e densidade de núcleos para evitar gargalos de latência e custos operacionais elevados.
A Microsoft anunciou o Azure Maia 300, nova geração de seu chip próprio de inteligência artificial, que deve virar a principal plataforma de processamento de IA dos produtos e sistemas da companhia a partir de 2027. A empresa posiciona o Maia 300 como um sistema completo para executar tarefas de agentes, indo além das respostas típicas de um chatbot.
O chip promete mais de 40% de ganho em tokens por megawatt na comparação com sistemas líderes baseados em GPUs, medindo eficiência entre conteúdo processado e energia consumida. A estratégia combina chip, software, redes e data centers para otimizar inferência e lidar com contextos extensos e tarefas que exigem muita memória, com foco em agentes que raciocinam, agem e colaboram em várias etapas.
Em 30 de julho, a IBM e a Universidade de Chicago anunciaram vantagem quântica com um cálculo usando 70 qubits lógicos, concluído em cerca de 15 minutos, com resultado considerado além do alcance prático dos computadores clássicos. Duas semanas depois, pesquisadores publicaram um artigo dizendo que reproduziram o feito em 37 minutos com 256 GPUs H100, e o próprio rastreador de vantagem quântica da IBM não lista nenhum caso como confirmado.
A computação quântica avança principalmente em correção de erros e em simulações de química, biologia e materiais — e não há evidência convincente de que ela vá acelerar a inteligência artificial com dados reais. O texto aponta que, no horizonte de 2026, governos e empresas devem tratar a migração para a criptografia pós-quântica como prioridade, enquanto a combinação mais provável para aplicações envolve GPUs, CPUs e processadores quânticos.
A Microsoft realizou seu primeiro evento ao vivo em dois anos e apresentou o Surface Laptop Ultra, além de mudanças no Windows 11 voltadas a fluxos com IA local e agentes. O novo notebook, anunciado em maio de 2026, passa a usar o Nvidia RTX Spark SoC, terá preço inicial de US$ 2.599 e começa a ser enviado em 16 de outubro, com pré-venda aberta.
O Surface Laptop Ultra traz configurações com GPU Blackwell de 5120 ou 6144 cores e até 128GB de memória LPDDR5x unificada, com foco em permitir desenvolvimento e execução de IA local. No evento, também foi revelado o Surface RTX Spark Dev Box, uma caixa de US$ 5.999 com Windows 11 otimizado para desenvolvimento, 128GB de memória unificada e GPU Nvidia RTX, com promessa de 1 petaflop de desempenho para IA.
O Lincoln AI Computing Survey (LAICS), conduzido pelo Lincoln Laboratory Supercomputing Center (LLSC), continua a mapear aceleradores de IA do mercado e a comparar desempenho e consumo de energia. Desde 2018, a equipe publicou seis artigos e, no levantamento mais recente, analisou mais de 120 aceleradores, usando dados públicos e métricas como pico de performance e pico de potência.
Além de GPUs, a pesquisa inclui diferentes formatos de aceleradores, como CPUs, ASICs e FPGAs, destacando que cada tipo tem capacidades e níveis de eficiência distintos. O LAICS também investiga fatores que elevam desempenho, como transistores menores e uso de menor precisão numérica, e avalia escolhas arquiteturais que podem alterar o comportamento do sistema, com a intenção de seguir atualizando o panorama com novos lançamentos.
A DoorDash criou a equipe “GenAI Platform” para viabilizar projetos com inteligência artificial generativa e compartilhou, em uma apresentação, como estruturou a plataforma desde 2023. O time relata que começou após o “momento ChatGPT” (nov/22), decidiu usar OpenAI e focou em princípios como ser “customer obsessed”, priorizar APIs/SDKs e construir fluxos ponta a ponta, e não apenas notebooks ou acesso a GPUs.
A estratégia também evitou apostar em chatbots e direcionou o trabalho para impacto no negócio, com casos ligados a automação, recomendações e personalização. A plataforma já tem mais de 5.000 usuários internos e registra 45 novos cadastros por dia, com cerca de 40% do público formado por não engenheiros usando APIs, o que levou o time a reforçar governança e accountability na adoção.
As ações da Nvidia bateram recorde nesta sexta-feira (2), com alta de 2,9%, algo que não acontecia desde maio. Com o movimento, o valor de mercado da companhia se aproxima de US$ 6 trilhões (cerca de R$ 31,4 trilhões). O avanço ocorre em meio ao otimismo do mercado com o Muse AI, novo agente de inteligência artificial da Meta, que executa ações em nome dos usuários.
A valorização também reflete a demanda por data centers e componentes usados no desenvolvimento de IA, já que a Nvidia fabrica chips para treinar modelos como os que alimentam serviços de IA. A empresa é apontada como líder no mercado de chips de inteligência artificial de ponta, com produtos como as GPUs H100 e A100 e a geração Blackwell (B100), além de ter lucro de US$ 58,3 bilhões no primeiro trimestre fiscal de 2026, encerrado em 26 de abril.
A IA Ataraxos, desenvolvida por pesquisadores de Carnegie Mellon, MIT, NYU e Stanford, derrotou Pim Niemeijer, apontado como o melhor jogador de Stratego de todos os tempos, em uma série de 15 partidas: 15 vitórias para a IA e apenas 1 para o humano, com quatro empates. O desempenho foi obtido com 16 GPUs e “alguns milhares de dólares” para o treinamento.
O Stratego é um jogo de informação imperfeita e longo, em que as peças têm identidades ocultas e só são reveladas quando ocorre um confronto. Com 40 peças no tabuleiro, além de bombas e bandeira, o jogo exige lidar com um enorme número de configurações e com o blefe ao longo de partidas que podem chegar a 2.000 movimentos, um tipo de desafio que impediu sistemas anteriores de vencerem de forma confiável.
O virtio-nvgpu permite acesso “near-native” a GPUs NVIDIA dentro de uma VM KVM, fazendo o guest renderizar em até 2% do desempenho do bare metal e com custo de CPU semelhante. O sistema encaminha ioctls do driver NVIDIA no nível de ABI, mantendo os drivers e bibliotecas em modo de usuário do próprio NVIDIA sem modificações, para que Vulkan e NVENC comuniquem com a mesma placa.
O foco é streaming headless: um compositor roda dentro da VM, compõe e codifica quadros na GPU e envia apenas o bitstream comprimido para o cliente remoto, sem monitor físico na VM. Em testes com RTX 3060 e driver 595.99.02, foram observadas 618 frames decodificadas pelo ffmpeg sem erro, além de desempenho praticamente estável mesmo com múltiplas VMs compartilhando a mesma GPU.
Jensen Huang, cofundador e CEO da Nvidia, nasceu em 17 de fevereiro de 1963, em Taipé (Taiwan), e se formou em engenharia elétrica nos EUA. Antes de lançar a Nvidia no fim dos anos 1990, ele acumulou experiência em projetos de hardware e chips, incluindo passagens por empresas como AMD e LSI Logic.
Sob sua liderança, a Nvidia mudou o foco de GPUs para computação acelerada e passou a sustentar a infraestrutura usada para treinar inteligências artificiais e rodar grandes modelos de linguagem. A empresa também construiu ecossistemas de hardware e softwares proprietários, e a fortuna de Huang é estimada em US$ 190 bilhões, segundo a Forbes em setembro de 2026.
A Qualcomm anunciou o Snapdragon 8 Elite Gen 6 e o Snapdragon 8 Elite Extreme Gen 6 para smartphones Android durante o Snapdragon Summit 2026. Os chips são fabricados em processo de 2 nm e usam a nova CPU Oryon, com dois núcleos de alto desempenho de até 5 GHz e seis núcleos de performance chegando a 4 GHz.
A empresa também reforçou a aposta em IA no próprio aparelho, com nova versão da Hexagon NPU e o Hexagon Element Accelerator para acelerar cargas de trabalho de IA. No Extreme, a memória compartilhada da NPU é 50% maior e há suporte a modelos maiores, incluindo MoE com mais de 30 bilhões de parâmetros, além de recursos de IA no pipeline gráfico e gravação em 8K a 60 fps; os primeiros celulares anunciados para usar os chips incluem Motorola Signature 27 e Xiaomi 18 Pro Max no Extreme, e Xiaomi 18 Pro no Gen 6.
O mini-AGI é um modelo de linguagem byte-level com aprendizado contínuo: ele monta sua própria arquitetura, treina do zero em uma única GPU com 8 GB de VRAM e segue aprendendo a partir de tudo o que lê. O sistema mantém os pesos como arquivos no disco e faz paginação para a GPU conforme necessário, limitando o tamanho do modelo pela capacidade de armazenamento e não pela VRAM.
O projeto afirma que o treino não precisa parar: o modelo lê um fluxo de caracteres em chunks, atualiza por gradiente a cada etapa e usa o mesmo caminho tanto para treinar quanto para gerar. Os pesos ainda não foram publicados, e o run está na primeira passagem pelo corpus, prevista para completar em algumas semanas; a proposta é demonstrar que é possível aprender continuamente sem “catastrophic forgetting” mesmo com hardware modesto.
Enquanto Washington discute novas formas de regulamentar a inteligência artificial, Donald Trump tem se aproximado de Jensen Huang, CEO da Nvidia. No All-In Summit, em Los Angeles, Huang convidou Trump para falar por telefone, e o presidente afirmou que “os robôs não vão dominar o mundo” e classificou como “farsa” as preocupações com IA e data centers.
A Nvidia está no centro do boom de IA por fornecer GPUs usadas por empresas como OpenAI e Anthropic para treinar modelos e rodar grandes cargas de trabalho. A receita da companhia saltou para US$ 215 bilhões no último ano fiscal, e a relação entre Huang e Trump também deve aparecer em um jantar de Estado com Xi Jinping na próxima semana, enquanto líderes do setor pressionam por mais regras e supervisão.
A Samsung investiu na startup holandesa de chips de IA Euclyd, que busca criar uma alternativa às GPUs da Nvidia. A empresa levantou US$ 231 milhões (R$ 1,2 bilhão) na rodada Série A, de 200 milhões de euros, liderada pela própria Samsung e por investidores como Somerset Capital Partners, Scaleup Europe Fund (EQT) e Innovation Industries.
Fundada em 2024, a Euclyd desenvolve chips para inferência de IA, usando modelos já treinados para executar tarefas. A arquitetura proposta difere das GPUs por envolver processador e arquitetura de memória, com a promessa de reduzir energia e custos de data centers; a startup ainda não comprovou uso comercial em larga escala, mas pretende distribuir sistemas físicos a partir de 2028 e atender milhares de clientes corporativos até 2030.
O iPhone 18 Pro e o iPhone 18 Pro Max foram anunciados no evento “Sunrise and shine” da Apple, em setembro de 2026, junto com o iPhone Duo e outros lançamentos. Os modelos chegam em 18 de setembro e vêm com o processador A20 Pro mais rápido, mais poder de GPU e mais núcleos neurais para tarefas relacionadas a IA, além de melhorias na câmera.
As pré-vendas já estão abertas e os preços começam em US$ 1.199 (iPhone 18 Pro, 256GB) e US$ 1.299 (iPhone 18 Pro Max, 256GB), chegando a US$ 2.399 e US$ 2.499 nas versões de 2TB. A pré-venda do modelo desbloqueado ocorre apenas diretamente pela Apple, enquanto Best Buy e Walmart listam opções com bloqueio de operadora no início da fase de pré-venda, com ofertas via AT&T, T-Mobile e Verizon.
Um desenvolvedor retomou o reverse-engineering do driver do Apple Neural Engine (ANE) no chip M1 após três anos, dizendo que antes havia concluído que o bloco não era tão útil. Ele afirma que a arquitetura do ANE é “opinionada” demais para virar uma plataforma genérica e que um driver Linux não ampliaria a variedade de cargas de trabalho. Mesmo no macOS, o ANE é usado com frequência apenas para gerar prévias com upsampling no Finder.
Com a chegada do M5 (2025) e a proposta de “performance de LLM”, o autor aponta que as cores do ANE foram incorporadas às do GPU, sinalizando o fim do NPU standalone. Agora, o objetivo passa a ser mapear a arquitetura interna do ANE no M1 — incluindo compute, datapath, scheduler, memória e modelo de execução — para entender quais suposições sobre workloads de ML a Apple colocou em silício desde o A11 Bionic (2017) e como isso se conecta à mudança de NPUs focadas em CNN para GPUs executando transformers.
Jensen Huang afirmou, em evento do Goldman Sachs Communacopia + Technology, que a Nvidia deve manter uma trajetória de crescimento recorde e voltar a acelerar a receita no fim do próximo ano. Ele repetiu a orientação de que a empresa pode crescer 70% ano a ano, citando a demanda por sistemas que combinam CPUs Grace e GPUs Blackwell, com crescimento de 27% mês a mês em um pedido envolvendo 36 Grace CPUs e 72 Blackwell GPUs.
Huang também atribuiu a confiança ao papel da Nvidia como plataforma base do ecossistema de IA, dizendo que “cada laboratório” pode usar seus recursos e que a companhia está presente em diferentes etapas, de fornecedores de memória a projetos de data center e startups. Ele ainda comentou as parcerias de investimento, afirmando que a Nvidia só entra quando há contratos reais gerando receita e que já vê US$ 100 bilhões em contratos desse tipo.
O JD.com lançou o Physical AI Acceleration Plan para expandir IA e robótica na rede logística, reafirmando a meta de cinco anos de comprar 3 milhões de robôs, 1 milhão de veículos autônomos e 100 mil drones de entrega. O plano foi apresentado no JDDiscovery 2026, em Pequim, com a divulgação da série Wolf Robot do JD Logistics, voltada a atividades de armazenagem, separação, transporte e entrega.
A empresa conecta seus equipamentos físicos ao Meta Brain, sistema de IA usado em operações de armazém, transporte e entrega, e diz que o Meta Brain 3.0 calcula rotas ideais para centenas de milhões de encomendas em segundos. Também há investimentos em infraestrutura: o JD Cloud planeja um cluster com 100 mil GPUs para treinamento e inferência de modelos, além de coletar mais de 10 milhões de horas de vídeo para treinamento de embodied-AI.
Um modelo de linguagem com 3,8 bilhões de parâmetros foi treinado por US$ 998 e obteve 0,384 no benchmark CORE. O treinamento usou 65 bilhões de tokens em 43 horas, com o projeto descrito como uma iniciativa feita do zero, com infraestrutura própria e execução em GPUs alugadas.
O autor relata que o resultado foi possível ao ajustar detalhes como agendamento de taxa de aprendizado, escolha de otimizadores por tipo de parâmetro e melhorias de eficiência no treino. Também são citadas mudanças na mistura de dados, uso de FP8 com padding de vocabulário e redução do contexto para 1024 tokens, além de métricas de desempenho durante a execução.
A Arm oficializou o lançamento da CSS for Mobile 2, uma nova arquitetura para smartphones voltada a tarefas complexas de inteligência artificial executadas localmente. A plataforma foi desenhada para lidar com cenários que envolvem agentes e gráficos mais detalhados, com foco em manter o mesmo desempenho consumindo menos energia.
O destaque fica na GPU Mali G2-Ultra NX, que integra aceleradores neurais dedicados e promete 14% mais desempenho em renderização tradicional, além de ray tracing de última geração. No processamento, a CPU combina núcleos C2-Ultra e C2-Pro e afirma entregar até 70% mais rapidez no processamento de LLMs, com suporte nativo a pacotes como Arm KleidiAI e Neural Graphics Development Kit.
A Arm apresentou a GPU Mali G2-Ultra NX, descrita como a primeira “AI-native” da linha Mali, voltada a levar gráficos de nível desktop para jogos em dispositivos móveis. O chip integra aceleradores neurais ao pipeline de gráficos e inclui uma nova execução, além de uma unidade de ray tracing de terceira geração.
A proposta é usar “neural graphics” para reconstruir detalhes, gerar frames intermediários e refinar imagens com menor demanda de GPU. Entre as técnicas citadas estão Neural Super Sampling (NSS), Neural Frame Rate Upscaling (NFRU) e Neural Super Sampling and Denoising (NSSD), com demonstrações que indicam ganhos como até 4x mais eficiência e até 70% menos tráfego de memória externa em relação ao rendering nativo.
A NVIDIA afirmou que o upscaling DLSS 5 não ficará restrito às placas GeForce RTX 50. Em mensagem no fórum da fabricante, um representante disse que o suporte também está previsto para GPUs da linha GeForce RTX 40, embora ainda não exista data para a implementação nos hardwares mais antigos.
A empresa informou que o foco atual é otimizar o software para as RTX 50, com atualizações esperadas para este trimestre. Depois que o serviço estiver “aprimorado por completo” nas RTX 50, a intenção é expandir o suporte oficial para as RTX 40, mas a chegada pode levar tempo, sem previsão definida.
A Nvidia confirmou que o DLSS 5, renderização com IA que deveria estrear inicialmente em GPUs RTX 50, também terá suporte oficial para placas da linha RTX 40. A empresa informou que o foco atual é otimizar o desempenho da série RTX 50, com expansão para a RTX 40 após esse ajuste. A Nvidia também afirmou que não vai dar aos jogadores controles granulares, mantendo o DLSS 5 como um simples botão de ativar ou desativar.
Segundo a Nvidia, as opções mais detalhadas de “artistic controls” ficam com os desenvolvedores, incluindo seleção de modelo, Structure Intensity, Tone Intensity, além de recursos como automatic masking e custom per-pixel masking. A empresa ainda disse que desenvolvedores podem repassar alguns controles para menus próprios e que os modelos de DLSS 5 rodam em todos os frames, sem exigência de uma taxa mínima. Sobre os jogos já anunciados para receber a tecnologia, a Nvidia não confirmou quais títulos manterão o DLSS 5, apenas afirmou que “mais jogos estão a caminho” e que atualizações serão compartilhadas conforme integrações forem finalizadas.
A Shopify apresentou o Gisting, uma técnica para comprimir prompts longos de LLM em um conjunto menor de tokens “gist” aprendidos, com foco em aumentar o throughput e reduzir o custo de inferência. A empresa afirma que, durante o uso, a substituição do texto extenso por gist tokens reduz a latência ponta a ponta e melhora a taxa de processamento sem alterar os pesos centrais do modelo.
No Sidekick, o sistema prompt caiu de cerca de 6.000 tokens para 1.500 gist tokens, mantendo a qualidade das previsões. Com 350 requests por minuto, o tempo para o primeiro token (TTFT) passou de 438 ms para 354 ms, a latência end-to-end caiu de 6,8 s para 4,2 s e o throughput subiu de 20,2 para 23,4 QPS, permitindo reduzir a alocação de GPUs.
Um transformer pequeno foi treinado do zero em 1,5 hora em uma GPU 5090 e atingiu 44% no ARC-AGI-1, superando muitos LLMs e com pontuação equivalente a TRM/HRM. O resultado também chega a 7% no ARC-2 e representa uma evolução do modelo anterior, com foco em ser mais rápido, melhor e mais barato, mantendo o código aberto.
O trabalho usa um benchmark de metalearning (ARC) com poucos exemplos por puzzle e regras diferentes entre tarefas, buscando melhorar a eficiência de amostras e reduzir custos de iteração. O autor descreve mudanças na arquitetura e no treinamento, incluindo upgrades como SwiGlu e RMSnorm, além de ajustes para evitar “data leakage” ao incorporar tarefas não sobrepostas de ARC-2.
GTA 6 chega ao PlayStation 5 e ao Xbox Series a partir de 19 de novembro, enquanto os jogadores de PC ainda aguardam uma data indefinida. O primeiro trailer de gameplay foi exibido em um PS5 base e destaca reflexos com Ray Tracing e outros efeitos gráficos, levantando a dúvida sobre o peso disso no hardware do PC.
O texto aponta que o PS5 base não tem suporte ao upscaling por aprendizado de máquina da Sony (PSSR), o que pode influenciar a resolução final e a forma como os efeitos são entregues. Para o PC, a expectativa é de melhor desempenho com GPUs intermediárias e high-end, com uso de tecnologias como DLSS/FSR e, em placas mais fortes, possibilidade de Path Tracing; também são citados cenários de requisitos com VRAM acima de 12 GB, RAM de 32 GB e armazenamento que deve passar de 100 GB.
O projeto FreeToken, open-source, foi apresentado por pesquisadores da UC Berkeley e do MIT como uma engine de inferência para aproximar modelos MoE de ponta do uso em hardware consumidor. A proposta trata o PC do usuário como uma “fábrica” de computação elástica e heterogênea, em vez de apenas um nó de datacenter com limitações.
Para reduzir gargalos de decodificação em MoE, o FreeToken substitui o offloading estático por uma política dinâmica (q*) que divide a computação entre CPU e GPU conforme a taxa de interconexão. O sistema usa um formato de pesos (FTW) e double buffering para sobrepor streaming via PCIe com camadas ativas, além de gerenciar VRAM em tempo de execução sem recarregar o modelo, com ganhos reportados como ~39 tokens/s no Qwen3.6-35B em um RTX 4060 de 8GB.
A crise na indústria de hardware de PC, impulsionada pela demanda por GPUs e memórias para treinar modelos de IA em datacenters, deixou placas de vídeo mais caras e difíceis de comprar. Com menos espaço para upgrades, o upscaling por inteligência artificial passou a ser usado para manter jogos rodando com boa qualidade e mais FPS.
Tecnologias como NVIDIA DLSS e AMD FSR evoluíram desde 2019 e hoje permitem renderizar em resoluções menores, reconstruindo a imagem no resultado final. Além do ganho em desempenho no jogo, o texto aponta que ferramentas de IA também estão sendo aplicadas no desenvolvimento, como para otimizar cenários, acelerar a compilação de shaders e prever gargalos de código antes do lançamento.
:quality(85)/1c4f62f5-cc61-4eea-9924-59319982ef29.jpg)
:quality(85)/844bd97d-40f0-45b6-8293-94b5c1289832.jpeg)
/https://i.s3.glbimg.com/v1/AUTH_59edd422c0c84a879bd37670ae4f538a/internal_photos/bs/2026/t/z/zqDGJ3TaSj5GQbIxI8gQ/2026-06-01t145412z-1083488031-rc2sklabxlh9-rtrmadp-3-computex-nvidia-keynote.jpg)
:quality(85)/9af8da75-c1c3-4cbe-a5ac-9692936f21ce.jpg)
:quality(85)/846c709a-0e56-4b2a-8887-feb20e2b86bc.jpg)
:quality(85)/37af45e5-9d8a-48b0-91c5-98d38ba30bf4.png)