Infraestrutura de IA soberana: modelos, residência de dados e controle computacional (guia de 2026)
A infraestrutura de IA soberana combina capacidade computacional, dados, modelos e operações que um país ou uma organização controla sob suas próprias leis, em vez de depender de serviços sob controle estrangeiro. Na prática, isso significa quatro coisas: GPUs localizadas em uma jurisdição escolhida, dados que permanecem nela, modelos que você pode executar e auditar por conta própria (geralmente com pesos abertos) e operadores sujeitos à legislação local. A maioria das empresas não precisa de soberania total; precisa do nível certo de controle para cada carga de trabalho.
Este guia é voltado às equipes de IA, infraestrutura e compras de empresas que receberam a missão de “tornar nossa IA soberana”. Ele define o conceito, explica as regulamentações que impulsionam sua adoção em outubro de 2026, apresenta cinco níveis de controle, de APIs públicas a clusters isolados da rede, e traz um exemplo de dimensionamento e custos para uma implantação de GPUs dentro do país.
O que é IA soberana?
A NVIDIA descreve a IA soberana como o desenvolvimento de IA pelos países “usando infraestrutura, dados, talentos e redes de negócios nacionais, de formas adequadas ao seu idioma, à sua cultura e às suas regulamentações”, com modelos “hospedados e executados em infraestrutura local, sujeitos apenas às leis locais” (NVIDIA). A Red Hat aborda o conceito pela perspectiva empresarial: controle sobre onde a IA é executada, quem pode acessá-la e quais componentes você pode inspecionar e substituir.
O termo abrange dois objetivos relacionados:
- IA soberana nacional: um país desenvolve capacidade computacional própria, modelos nos idiomas locais e talentos para que serviços essenciais não dependam de fornecedores estrangeiros.
- IA soberana empresarial: uma organização mantém dados regulados, modelos e operações de IA sob as jurisdições e os contratos que escolhe.
Ambos se apoiam nas mesmas camadas de infraestrutura.
As quatro camadas da infraestrutura de IA soberana
| Camada | O que significa ser “soberana” | Controles típicos |
|---|---|---|
| Capacidade computacional | GPUs em um país escolhido, operadas por uma entidade sujeita às leis desse país | Data centers no país, clusters de GPUs dedicados ou privados, regiões de nuvem soberana |
| Dados | Dados de treinamento, prompts, respostas, logs e backups permanecem na jurisdição | Contratos de residência de dados, armazenamento regional, criptografia com chaves em poder do cliente |
| Modelos | Você pode executar, inspecionar, ajustar e continuar usando o modelo sem o consentimento de um fornecedor estrangeiro | Modelos com pesos abertos (Llama, Mistral, Qwen, DeepSeek) em hospedagem própria; ou garantias contratuais para modelos fechados |
| Operações | Administradores, equipes de suporte e suboperadores são locais e podem ser auditados | Equipe de suporte local, registro de acessos, direito a auditorias independentes, planos de saída |
O grau de soberania de uma implantação é limitado por sua camada mais fraca. Ter GPUs no país não resolve se os prompts são registrados em um serviço de monitoramento no exterior, assim como ter um modelo local não resolve se o único acesso administrativo depende da equipe de suporte de um fornecedor estrangeiro.
Por que a soberania está em pauta em 2026
Três fatores fazem dessa questão uma decisão de compras, além de um debate sobre políticas públicas:
- Prazos do AI Act da UE. Segundo o cronograma de implementação do AI Act (atualizado pela última vez em 31 de agosto de 2026), a maioria das disposições restantes passou a ser aplicável em 2 de agosto de 2026; os fornecedores de modelos de IA de propósito geral já disponíveis no mercado antes de 2 de agosto de 2025 devem se adequar até 2 de agosto de 2027; e as obrigações para sistemas de alto risco do Anexo III começam em 2 de dezembro de 2027. As organizações precisam de trilhas de auditoria e documentação sob seu controle.
- Regras para transferências internacionais de dados. Sob o GDPR, dados pessoais só podem circular livremente para países com uma decisão de adequação da UE; outras transferências exigem salvaguardas. Ao mesmo tempo, o CLOUD Act dos EUA (março de 2018) oferece às autoridades americanas um mecanismo para solicitar dados mantidos por fornecedores sediados nos EUA. Por isso, compradores da UE perguntam quem opera um serviço, além de onde ele é executado.
- Riscos de fornecedores e de fornecimento. A descontinuação de modelos, mudanças de preços, alterações nas políticas de uso e controles de exportação de GPUs podem comprometer um produto que depende de uma única API estrangeira.
Os provedores de nuvem responderam com ofertas soberanas: a AWS lançou a AWS European Sovereign Cloud como uma nuvem independente para a Europa; o EU Data Boundary da Microsoft estabelece o compromisso de armazenar e processar dados de clientes de seus serviços empresariais dentro da UE; a Oracle oferece opções de nuvem soberana com controles de localização, acesso e operação.
Cinco níveis de soberania de IA
Escolha um nível para cada carga de trabalho, em vez de adotar um único nível para toda a empresa.
| Nível | Configuração | Residência de dados | Controle do modelo | Controle operacional | Indicado para |
|---|---|---|---|---|---|
| 1. API pública | Endpoint global de um fornecedor de modelos | A critério do fornecedor | Nenhum | Fornecedor | Conteúdo público, protótipos |
| 2. API regional | Mesmo fornecedor com processamento regional ou no país (por exemplo, inferência do Claude apenas nos EUA a 1.1x, endpoints de residência regional de dados da OpenAI a +10%) | Região definida em contrato | Nenhum | Fornecedor | A maioria dos dados internos da empresa |
| 3. Nuvem soberana | Hospedagem de modelos em uma região soberana operada por uma entidade local | No país | Limitado (modelos do catálogo) | Operador local | Setores regulados, setor público |
| 4. GPUs dedicadas no país | Cluster de GPUs alugado ou reservado no país escolhido, executando modelos com pesos abertos que você implanta | No país, em seu armazenamento | Total | Você e o operador do data center | Saúde, finanças, fornecedores do setor de defesa, LLMs nacionais |
| 5. Infraestrutura local ou isolada da rede | Hardware próprio, sem rede externa | Nas suas instalações | Total | Você | Cargas de trabalho sigilosas ou altamente restritas |
Os valores de preços do nível 2 vêm da página oficial de preços do Claude e da página de preços da OpenAI, conforme disponíveis em outubro de 2026: o processamento regional costuma custar cerca de 10 por cento a mais que o processamento global. Nos níveis 4 e 5, esse adicional dá lugar a uma capacidade de GPUs que você precisa manter ocupada.
Como projetar uma stack de IA soberana
Capacidade computacional
Para inferência e ajuste fino em infraestrutura própria, as opções práticas em outubro de 2026 são NVIDIA H100, H200, B200 e B300, além dos aceleradores AMD da série MI300. A memória determina o tamanho do modelo que cabe em cada GPU; consulte nossa comparação entre H200 e H100 e os requisitos de memória de GPU para LLMs. Para o projeto do cluster (rede, armazenamento e agendamento), consulte arquitetura de clusters de GPUs e nuvem privada de GPUs.
Perguntas a fazer a qualquer fornecedor de GPUs para uma implantação soberana:
- Qual entidade jurídica opera o data center e sob as leis de qual país?
- É possível identificar no contrato a instalação e a região exatas?
- Quem tem acesso físico e administrativo remoto, e esses acessos são registrados?
- Para onde vão os backups, os logs e os dados de monitoramento?
- Você pode levar seus dados e discos ao encerrar o contrato?
Modelos
Modelos com pesos abertos são a base dos níveis 4 e 5 de soberania porque você pode hospedá-los em qualquer lugar e continuar usando-os se o fornecedor mudar os termos. Entre as opções comuns estão os modelos Mistral (desenvolvidos na França), a família Llama da Meta e as versões abertas de Qwen e DeepSeek. Verifique os limites de uso comercial de cada licença e avalie a qualidade nos idiomas locais com seus próprios dados.
Serviço de inferência
Um servidor de inferência compatível com a OpenAI permite que as aplicações alternem entre um modelo soberano em hospedagem própria e uma API pública alterando uma única URL. Com o vLLM:
docker run --gpus all -p 8000:8000 \
-v /data/models:/models \
vllm/vllm-openai:latest \
--model /models/your-open-weight-model \
--tensor-parallel-size 2 \
--max-model-len 32768
from openai import OpenAI
# Sovereign endpoint inside your in-country cluster
client = OpenAI(base_url="http://inference.internal:8000/v1", api_key="local-token")
r = client.chat.completions.create(
model="/models/your-open-weight-model",
messages=[{"role": "user", "content": "Summarize this contract clause."}],
)
print(r.choices[0].message.content)
Mantenha a URL base na configuração para que cargas de trabalho sem dados sensíveis possam usar uma API regional ou pública, enquanto as cargas reguladas permanecem no endpoint soberano. Nosso guia de servidores de inferência compatíveis com a OpenAI compara vLLM, SGLang e outras opções.
Dados e operações
- Mantenha prompts, respostas, bancos de dados vetoriais e logs na mesma jurisdição do modelo.
- Use chaves de criptografia gerenciadas pelo cliente e armazenadas no país.
- Envie dados de observabilidade para uma stack hospedada localmente, em vez de um SaaS estrangeiro.
- Documente os suboperadores; nosso checklist de DPA para gateways de IA lista as cláusulas que devem ser solicitadas.
Exemplo de custos: um serviço soberano de inferência para modelos da classe 70B
Tomando como base o índice de mercado do Flatkey Compute em 23 de outubro de 2026 (atualizado às 02:01 UTC), a capacidade H200 tinha preços de referência de $3.65 por GPU-hora sob demanda e $2.74 em contrato de 1 ano; para H100, os valores eram $2.64 e $1.98.
Um modelo com pesos abertos da classe 70B em FP8 precisa de cerca de 70GB para os pesos. Uma H200 (141GB) deixa espaço para o cache KV; para ter redundância, você executaria pelo menos duas réplicas.
| Opção | GPUs | Por hora (índice) | Por mês (730 horas) |
|---|---|---|---|
| 2x H200, sob demanda | 2 | $7.30 | cerca de $5,329 |
| 2x H200, contrato de 1 ano | 2 | $5.48 | cerca de $4,000 |
| 4x H100 (2 réplicas x 2 GPUs), contrato de 1 ano | 4 | $7.92 | cerca de $5,782 |
Acrescente armazenamento, rede, monitoramento e horas de trabalho da equipe; nosso guia de TCO de clusters de GPUs traz uma planilha completa. Compare esse total com o gasto esperado com APIs no nível 2: se uma API regional custar menos que o cluster e atender aos seus requisitos legais, ela geralmente será a melhor escolha. Os preços do índice são referências; os preços efetivos para capacidade dentro do país variam conforme o país e o prazo do contrato e são confirmados mediante cotação.
Checklist de preparação para IA soberana
- Classifique as cargas de trabalho pela sensibilidade dos dados e pelos requisitos legais e, então, atribua um nível de soberania a cada uma.
- Mapeie todos os fluxos de dados: prompts, respostas, embeddings, logs, backups e telemetria.
- Escolha modelos que você possa executar legalmente na jurisdição de destino e teste sua qualidade nos idiomas locais.
- Escolha capacidade computacional com instalação, operador e condições de saída definidos.
- Disponibilize um endpoint compatível com a OpenAI para cada modelo, permitindo que as aplicações migrem entre os níveis.
- Mantenha as evidências de auditoria (logs de acesso, versões dos modelos e resultados de avaliações) sob seu controle para auditorias do AI Act e do setor.
- Revise o plano a cada seis meses; as opções de APIs regionais e os preços de GPUs mudam rapidamente.
Perguntas frequentes
O que é IA soberana?
É a IA desenvolvida e executada com infraestrutura, dados e modelos que um país ou uma organização controla sob suas próprias leis. Ela abrange capacidade computacional no país, residência de dados, modelos que você pode executar e auditar (muitas vezes com pesos abertos) e operações sujeitas à responsabilização local.
O que é infraestrutura de IA soberana?
São as camadas físicas e de software que tornam a IA soberana possível: data centers com GPUs no país, armazenamento e redes regionais, stacks para servir modelos e os controles operacionais e contratos que mantêm o acesso sob jurisdição local.
Quais países têm programas de IA soberana?
Muitos. Os exemplos da NVIDIA incluem a França (agentes de IA para serviços públicos do Ministério da Economia e Finanças), a Índia (modelos multilíngues da Sarvam em infraestrutura nacional, junto ao programa governamental IndiaAI) e o Brasil (IA para serviços jurídicos no Rio Grande do Sul). Países da Europa, do Oriente Médio e da Ásia estão financiando capacidade computacional nacional e modelos nos idiomas locais.
Quais são as principais empresas de infraestrutura de IA?
Entre as líderes frequentemente citadas estão NVIDIA e AMD em aceleradores; AWS, Microsoft Azure, Google Cloud e Oracle em nuvem e regiões de nuvem soberana; e especialistas em GPUs, como CoreWeave e Lambda, em capacidade dedicada. Em projetos soberanos, a jurisdição do operador importa tanto quanto a marca.
Residência de dados é o mesmo que soberania de dados?
Não. Residência de dados significa que os dados são armazenados em um local específico. Soberania de dados significa que eles estão sujeitos às leis desse local e são controlados por partes submetidas a essas leis. Um serviço operado por uma empresa dos EUA pode oferecer residência na UE e ainda estar sujeito a determinações judiciais americanas.
Preciso ter minhas próprias GPUs para ter IA soberana?
Nem sempre. Endpoints de APIs regionais ou regiões de nuvem soberana são suficientes para muitas cargas de trabalho. GPUs dedicadas no país fazem sentido quando você precisa de controle total do modelo, deve manter todos os dados e operações locais ou tem um volume constante que mantém o cluster ocupado.
