A corrida pela capacidade de inteligência artificial deixou de ser apenas uma disputa entre algoritmos. Em episódio do podcast Business Lab, do MIT Technology Review, publicado em 16 de setembro de 2026 em parceria com a Syensqo, o executivo Mike Finelli, diretor de tecnologia e inovação e diretor para a América do Norte da companhia, defendeu que os materiais avançados que sustentam chips e data centers se tornaram tão decisivos quanto os modelos que rodam sobre essa infraestrutura.
A conversa foi conduzida pela apresentadora Megan Tatum, e o programa é produzido em parceria com a empresa de materiais de especialidade.
O gargalo físico da infraestrutura de IA
Segundo Finelli, a IA está empurrando semicondutores e data centers contra seus limites físicos. Desempenho, gestão térmica, eficiência elétrica e confiabilidade são restrições que se acumulam a cada nova geração de chips e de centros de dados.
A lista de exigências cresce: suportar temperaturas elevadas, manter níveis altos de pureza, garantir desempenho elétrico, resistir a produtos químicos e a plasmas e permanecer estável por anos. Nesse cenário, os materiais sobem para o que o executivo chama de topo da pirâmide.
Deixam de ser coadjuvantes para definir o que a tecnologia consegue ou não entregar.
A avaliação é de que eles não apenas viabilizam a inovação em IA, mas passam a delimitar o próprio horizonte do que será possível construir.
Do laboratório de química ao data center
Na prática, esse desafio se traduz em linhas de desenvolvimento voltadas a arquiteturas de data center de alta tensão, materiais de vedação para a fabricação de semicondutores e fluidos para resfriamento por imersão direta. Finelli observa que as soluções atravessam fronteiras industriais: materiais criados para veículos elétricos ajudam a lidar com tensões mais altas e maior densidade energética que emergem nos data centers.
A Syensqo se apresenta como líder global em materiais de especialidade, com atuação em mercados que vão de aviação e saúde a dispositivos móveis e eletrônicos. A empresa afirma que 20% de sua receita anual vem de produtos e aplicações lançados nos últimos cinco anos, um indicador do ritmo de inovação da área.
IA que acelera a descoberta de materiais
A relação entre as duas áreas, porém, não é de mão única. A empresa usa agentes de IA para sintetizar digitalmente milhões de combinações moleculares possíveis, prever características de desempenho e de sustentabilidade e reduzir esse universo a um grupo muito menor, que segue para testes de laboratório.
Segundo Finelli, a abordagem permite avançar de forma mais ampla, profunda e rápida, liberando tempo dos cientistas para problemas de engenharia mais complexos. Ele vislumbra um ciclo de reforço: a IA ajuda a criar materiais que melhoram a infraestrutura de IA e essa infraestrutura, mais eficiente, acelera a própria descoberta de materiais.
O resultado seria um ciclo de inovação contínuo, capaz de expandir o que tecnologias futuras conseguem alcançar.
Sustentabilidade sem trade-off
O conceito de desempenho também mudou. Clientes passaram a esperar que um material cumpra requisitos técnicos e, ao mesmo tempo, reduza o impacto ambiental.
A Meta declarada pela companhia é eliminar a troca entre performance e sustentabilidade. Isso exige considerar critérios ambientais no início do processo de pesquisa, e não como uma exigência adicional apresentada depois que o material já está pronto.
Por que isso importa
A combinação de limites físicos e descoberta acelerada por IA reposiciona a cadeia de materiais especiais como peça estratégica da economia da inteligência artificial. Se o ciclo de reforço descrito por Finelli se confirmar, avanços em química e engenharia podem ampliar o horizonte de eficiência energética e de confiabilidade dos data centers.
Ao mesmo tempo, a demanda por resfriamento mais eficaz, tensões mais altas e estabilidade de longo prazo pressiona fornecedores a inovar em ritmo mais rápido do que o habitual na indústria química. Para o setor, o recado é direto: o próximo salto de capacidade computacional pode depender menos de um novo modelo de linguagem e mais de uma nova molécula.
