Chips que calculam com luz: a fotônica desafia o silício

Os chips de silício que movem praticamente toda a computação atual estão esbarrando em um limite físico. A informação dentro deles trafega por elétrons, e elétrons têm velocidade máxima ao atravessar o material — além de gerar calor e consumir energia. Conforme os modelos de inteligência artificial ficam maiores, esse gargalo pesa cada vez mais no tempo e no custo de treinar redes neurais.

A resposta que vem ganhando força nos laboratórios e em algumas empresas é radical: e se, em vez de elétrons, os cálculos fossem feitos com luz?

O que é um processador fotônico

Um processador fotônico substitui os transistores tradicionais por circuitos ópticos. No lugar de trilhas condutoras que carregam corrente elétrica, ele usa componentes que manipulam feixes de luz: guias de onda (canais que conduzem a luz por dentro do chip), espelhos e moduladores.

A ideia central é que a luz, ao se propagar e se cruzar com outros feixes, já realiza operações matemáticas por conta própria. Quando duas ondas de luz se encontram, elas interferem uma na outra — suas amplitudes se somam ou se cancelam. Esse fenômeno físico, chamado de interferência, é aproveitado para executar cálculos sem precisar de um processamento eletrônico convencional a cada etapa.

Como a luz faz contas

A lógica é mais simples do que parece à primeira vista. Cada pulso de laser representa um número: a intensidade ou a amplitude do pulso codifica um valor.

Quando dois pulsos se sobrepõem, suas amplitudes se combinam. Dependendo de como os feixes são configurados, esse encontro pode representar uma soma ou uma multiplicação. É exatamente esse tipo de operação — multiplicar valores e somar os resultados — que forma o coração das redes neurais.

O treinamento de uma IA depende, em enorme escala, de multiplicações de matrizes: milhões ou bilhões dessas operações repetidas. É justamente aí que a fotônica promete brilhar. Em vez de empurrar elétrons por transistores um passo de cada vez, o chip deixa a luz atravessar uma malha de componentes ópticos e o cálculo acontece praticamente na velocidade da própria luz, quase sem gerar calor.

Quem está construindo isso

O tema saiu do campo puramente acadêmico. Empresas como a Lightmatter estão desenvolvendo chips fotônicos voltados justamente para acelerar cargas de trabalho de inteligência artificial. A proposta é combinar componentes ópticos para o cálculo pesado com eletrônica convencional para as partes que a luz ainda não faz bem, criando processadores híbridos.

Os números divulgados por defensores da tecnologia são chamativos: potencial de treinar modelos de IA ordens de grandeza mais rápido — fala-se em até mil vezes em cenários específicos — consumindo apenas uma fração da energia que uma GPU tradicional gasta hoje.

Vale o alerta de honestidade: esses valores costumam se referir a operações e condições muito particulares, medidas em laboratório ou em protótipos, e não a um computador completo rodando qualquer aplicação. Comparar chip fotônico com GPU de forma direta ainda é complicado.

Por que isso importa (e o que falta)

O consumo de energia dos data centers de IA virou uma preocupação concreta. Treinar modelos grandes custa milhões em eletricidade e resfriamento. Uma tecnologia que faça a mesma conta gastando muito menos energia teria impacto econômico e ambiental relevante.

Mas há obstáculos sérios entre a promessa e a prateleira:

• Precisão: cálculos com luz são analógicos por natureza, sujeitos a ruído. Garantir a exatidão que a IA exige é um desafio técnico.
• Conversão: os dados nascem e são armazenados no mundo eletrônico. Converter de elétrico para óptico e de volta consome tempo e energia, o que pode corroer o ganho.
• Fabricação e ecossistema: a indústria de silício tem décadas de maturidade, fábricas gigantescas e ferramentas de software. A fotônica ainda está construindo tudo isso.
• Flexibilidade: boa parte dos chips ópticos atuais é otimizada para um tipo específico de operação, o que os torna menos versáteis que um processador de uso geral.

O que se sabe até agora

A computação fotônica não vai substituir a eletrônica no curto prazo, e ninguém sério promete isso. O caminho mais provável é o de aceleradores especializados: peças dedicadas a acelerar o treinamento e a inferência de IA, trabalhando lado a lado com processadores convencionais — assim como as GPUs surgiram para tarefas específicas e ganharam espaço com o tempo.

É um daqueles movimentos que vale acompanhar de longe por enquanto. A física por trás é sólida, o investimento é real e as primeiras aplicações comerciais começam a aparecer. Se a fotônica cumprir parte do que promete em eficiência energética, a forma como a inteligência artificial é treinada pode mudar bastante na próxima década.