Quem circulou pelo Huawei Connect 2026, realizado entre 17 e 19 de setembro em Shanghai, na China, ouviu a palavra “agêntico” em praticamente todas as palestras. Advancing the Agentic World era o tema do evento e aparecia nos palcos, painéis e lançamentos.
O que mais chamou minha atenção, porém, foi a engenharia por trás desse discurso.
Grande parte das apresentações tratou de interconexão óptica, memória, redes de baixa latência, utilização de aceleradores, segurança e eficiência na produção de tokens. A disputa em inteligência artificial começa a ir além dos modelos.
À medida que as empresas colocam IA em produção, outras questões ganham peso. Quanto da infraestrutura é realmente utilizada? Quanto custa executar uma tarefa? Como manter contexto durante horas ou dias? Como conectar agentes aos sistemas corporativos sem comprometer segurança e governança?
Essa mudança de foco esteve presente em boa parte do Huawei Connect.
Mais chips não resolvem tudo
Yang Chaobin, Diretor Executivo do Conselho da Huawei e CEO do ICT Business Group, apresentou um dado que ajuda a entender a dimensão do problema.
Segundo a Huawei, em arquiteturas tradicionais, um cluster com 100 mil NPUs pode ter apenas cerca de 20% da capacidade efetivamente utilizada pelos modelos. Uma parcela significativa do processamento fica ociosa enquanto os dados trafegam entre os componentes. David Wang, Presidente Rotativo e Vice-Presidente do Conselho da Huawei, trouxe outro dado na mesma direção. A comunicação interna pode consumir mais de 40% do tempo de treinamento em grandes clusters.
O movimento mostra como a discussão de infraestrutura está mudando. Em ambientes de IA de grande escala, ter o melhor processador não garante, sozinho, o melhor desempenho. O resultado depende cada vez mais de como compute, rede, memória e armazenamento trabalham em conjunto.
Memória passa a ocupar outro espaço na arquitetura
Outro tema recorrente em Shanghai foi a memória. David Wang afirmou que agentes já conseguem trabalhar durante horas na mesma tarefa e projetou que, no futuro, poderão sustentar atividades por períodos muito mais longos. Isso cria uma necessidade diferente daquela encontrada em aplicações tradicionais de IA generativa.
Um agente que trabalha por horas ou dias precisa saber o que já fez, quais informações consultou e em que ponto está de um processo. O contexto passa a ter implicações diretas na infraestrutura e deixa de ser apenas uma característica do modelo.
Na cloud, a Huawei anunciou o Context Memory Storage (CMS) destinado a agentes que executam tarefas de longa duração e precisam acessar grandes volumes de contexto. Segundo a companhia, o CMS trabalha em escala de petabytes.
É um sinal de que a memória pode se tornar uma camada própria da infraestrutura de IA. Modelos, compute e dados continuam importantes, mas agentes persistentes adicionam outra variável à equação.
Uma cloud pensada para agentes
No segundo dia do evento, Peter Zhou, Director of the Board da Huawei e CEO da Huawei Cloud, apresentou a estratégia Agentic Cloud for the Agentic World.
A visão parte de uma mudança na própria função da cloud. Em um ambiente com agentes, fornecer capacidade computacional já não é suficiente. A infraestrutura precisa cuidar também de memória, disponibilidade e integração entre diferentes tipos de processamento e execução segura.
Durante muito tempo, cloud foi medida principalmente em processamento, armazenamento e horas de máquina. Com IA, começam a ganhar espaço indicadores como custo por token, utilização efetiva dos aceleradores, tempo de indisponibilidade e eficiência de inferência.
Isso deve aproximar cada vez mais inteligência artificial e FinOps. Quando os agentes começarem a executar milhares ou milhões de tarefas dentro das empresas, acompanhar o custo dessa operação deixará de ser opcional.
Do modelo ao agente corporativo
A estratégia da Huawei Cloud avança também para as camadas de modelos e aplicações compatíveis com o Model Context Protocol (MCP), que tem ganhado relevância por facilitar a conexão dos agentes com aplicações, bancos de dados e ferramentas externas. É justamente aí que a discussão se aproxima da realidade das empresas.
Um agente pode consultar documentos, acessar um ERP, buscar informações financeiras ou interagir com uma aplicação interna. A dificuldade está em fazer isso de forma confiável, com permissões bem definidas e acesso controlado aos dados.
A Huawei também apresentou o Industry AI Foundry, iniciativa voltada a transformar modelos, dados, conhecimento e agentes desenvolvidos em diferentes projetos em ativos reutilizáveis por setor. A companhia afirma já reunir mais de mil ativos de indústria e mais de mil projetos implantados em áreas como saúde, manufatura, finanças e governo.
O movimento responde a um problema conhecido de quem trabalha com IA corporativa. Muitas iniciativas ainda são desenvolvidas como projetos isolados. Quando dezenas de agentes entram em produção, esse modelo se torna caro e difícil de administrar. A escala exige padronização, reaproveitamento e governança.
Rede e segurança entram no centro da discussão
A infraestrutura de rede teve bastante espaço no evento. Erick Zhang, Presidente do Domínio de Redes de Data Center da Huawei Data Communication Product Line, descreveu os data centers de IA como “compute factories”, expressão que ajuda a entender a mudança de papel da rede.
A segurança também ganhou uma abordagem específica para agentes. Foram apresentados mecanismos para detectar ataques de prompt injection, envenenamento de modelos e uso indevido de capacidade computacional. Um deles, o Agent Guardrail, atua diretamente sobre instruções maliciosas enviadas aos agentes.
A questão tende a ficar mais complexa à medida que esses sistemas ganham autonomia. Um chatbot que responde perguntas oferece um tipo de risco. Um agente que consulta bases corporativas, executa código ou escreve em sistemas transacionais oferece outro. Definir o que cada agente pode acessar e quais ações pode executar será parte importante da arquitetura de IA das empresas.
O que isso muda para empresas brasileiras
Para o mercado brasileiro, algumas implicações são bastante concretas.
A primeira está na integração com sistemas existentes. Uma empresa pode ter acesso a modelos avançados e, ainda assim, encontrar dificuldades para colocar agentes em produção se seus principais sistemas não oferecem APIs, se os dados estão fragmentados ou se as regras de negócio continuam presas a aplicações legadas. Modernização de sistemas passa, portanto, a ter uma relação direta com a estratégia de IA.
A segunda questão é econômica. Se agentes começarem a executar tarefas em larga escala, métricas como custo por token, eficiência de inferência e consumo computacional entrarão com mais frequência nas discussões entre tecnologia e finanças.
A terceira está na arquitetura. Poucas empresas precisarão operar clusters com milhares de aceleradores. Quase todas, porém, terão de decidir quais cargas serão executadas em cloud pública, quais ficarão em ambientes privados, onde os dados poderão circular e quais sistemas poderão ser acessados por agentes. Nesse ponto, soluções híbridas tendem a ganhar espaço.
A próxima fase da IA acontece na operação
O Huawei Connect 2026 mostrou muitos produtos, métricas e arquiteturas. O principal aprendizado, para mim, está em outro lugar.
Depois de alguns anos dominados por modelos e provas de conceito, entram em cena questões menos vistosas, mas decisivas: integração, custo, memória, disponibilidade, segurança, rede e governança.
Para muitas empresas, a principal pergunta já não será qual modelo escolher. Será saber se sua arquitetura está preparada para colocar agentes em produção de forma segura, eficiente e escalável.
