HPC no Governo: Guia Estratégico de Supercomputação 2026

Em 2026, a capacidade de computação de alto desempenho deixou de ser um tema restrito a laboratórios e passou a ocupar a agenda de governos inteiros. Segundo o TOP500 de junho de 2026, o sistema chinês LineShine assumiu o primeiro lugar do ranking, encerrando a liderança do El Capitan e consolidando um cenário com cinco sistemas exascale distribuídos entre Ásia, América do Norte e Europa. Para o setor público, o recado é claro: HPC no governo é infraestrutura de Estado, e não apenas ferramenta de pesquisa.

Os desafios, porém, vão muito além da potência bruta. Governos precisam escolher entre arquiteturas de CPU e GPU, equilibrar nuvem e infraestrutura própria, garantir soberania sobre dados sensíveis e administrar custos de energia que, em 2018, chegaram a comprometer 80% do orçamento de um laboratório nacional brasileiro. Cada decisão mal calibrada se traduz em pesquisa atrasada, contratos presos a um único fornecedor e perda de competitividade científica e industrial.

O custo da inação, ou de uma implementação inadequada, é concreto: capacidade insuficiente para treinar modelos de IA em prazos úteis, dependência de software crítico controlado por terceiros e cronogramas de aquisição que se arrastam por meses. Este artigo analisa o problema estratégico, as consequências de não agir, os fundamentos técnicos da solução, a implementação, as melhores práticas de governança e as métricas de sucesso, com dados de 2025 e 2026 de Estados Unidos, Europa, Coreia do Sul, Canadá e Brasil.

O problema estratégico: supercomputação como ativo de soberania

Uma corrida que mudou de liderança em 2026

Na 67ª edição do TOP500, divulgada em 23 de junho de 2026 durante a ISC 2026, em Hamburgo, o LineShine estreou na primeira posição com 2,198 exaflops no benchmark HPL, segundo a iThome. O El Capitan, do Lawrence Livermore National Laboratory, recuou para o segundo lugar com 1,809 exaflops, seguido por Frontier, Aurora e JUPITER Booster. Foi a primeira vez desde 2017 que um sistema sediado na China lidera a lista, de acordo com o TOP500.

O detalhe técnico mais relevante para gestores públicos é a arquitetura. Conforme a iThome, o LineShine não utiliza aceleradores GPU e chegou ao topo com uma arquitetura baseada em CPU, mas ficou apenas em quarto lugar no HPL-MxP, o benchmark de precisão mista mais próximo das cargas de IA, no qual o El Capitan segue na liderança. Em outras palavras, liderar o ranking tradicional não equivale a liderar em inteligência artificial.

Essa distinção conecta decisão técnica e estratégia. Um governo que depende de simulação climática, física de materiais e segurança nacional tem requisitos diferentes de outro que deseja treinar modelos de linguagem soberanos. Comprar pelo número do ranking, sem mapear a carga de trabalho real, é um dos erros de planejamento mais caros que um programa público pode cometer.

O desafio específico do setor público

Diferentemente de uma empresa, o Estado precisa conciliar missões heterogêneas, como previsão do tempo, defesa, saúde, ciência aberta e IA, sobre uma infraestrutura compartilhada. O Canadá, por exemplo, usa HPC para simulações de clima e previsão meteorológica e, segundo o Shared Services Canada, os compromissos do Orçamento 2025 financiam a ampliação da capacidade de supercomputação, da velocidade de rede, do armazenamento e da segurança cibernética.

No Departamento de Defesa dos Estados Unidos, cinco centros de supercomputação atendem todas as forças por meio de uma rede dedicada. Segundo a Washington Technology (abril de 2026), o Exército convocou um dia de indústria para a recompetição do contrato, com abordagem corporativa para os cinco centros. O aviso federal registrado em maio de 2026 descreve como resultado desejado uma plataforma soberana, habilitada para nuvem e orientada por IA.

Consequências da inação: riscos, custos de oportunidade e desvantagem competitiva

O preço do tempo perdido em ciência e IA

O Santos Dumont, supercomputador do LNCC, foi lançado em 2015 com 1,1 petaflop e recebeu uma expansão de 1,85 petaflop em 2019, segundo o DCD Brasil. Após o upgrade financiado pelo Plano Brasileiro de Inteligência Artificial (PBIA), a ministra Luciana Santos afirmou, conforme o Movimento Econômico (agosto de 2026), que o sistema, antes entre os 500 melhores do mundo, passou ao top 100.

O custo de oportunidade aparece de forma direta na comparação de prazos. De acordo com o Mobile Time (agosto de 2026), o novo supercomputador de 7,2 mil petaflops poderia desenvolver um grande modelo de linguagem da classe do GPT-4 em cerca de um mês, enquanto o Santos Dumont levaria de dois a três anos. Para uma política pública de IA, tempo de treinamento é tempo de soberania.

A energia é o segundo componente do custo da inação. Segundo o Movimento Econômico, em 2018 a conta de luz comprometeu 80% do orçamento do LNCC, causando o desligamento parcial do Santos Dumont e o atraso de seis pesquisas. Em junho de 2025, o custo de energia levou o MCTI a descartar Petrópolis como sede do novo equipamento.

Dependência de fornecedores e atrasos de aquisição

A aquisição também é um ponto de risco. A Gazeta do Povo informou que o edital do supercomputador do PBIA, previsto para outubro de 2025, foi adiado por falta de infraestrutura. O Mobile Time registra a oficialização do edital apenas em agosto de 2026, quase dez meses depois, com estimativa de três a seis meses para selecionar o fornecedor e de 12 a 18 meses para entrada em operação.

No plano do software, a aquisição da SchedMD, responsável pelo gerenciador de filas Slurm, pela Nvidia motivou uma carta divulgada pelo Comitê Bancário do Senado dos Estados Unidos em abril de 2026. O documento pede aos Departamentos de Energia e de Defesa que identifiquem quais clusters dependem do Slurm e se existem compromissos contratuais juridicamente vinculantes que preservem o acesso e a concorrência.

O contraponto vem da velocidade. Segundo a HPCwire (fevereiro de 2026), o programa Genesis Mission, do Departamento de Energia dos EUA, tinha apenas 79 dias de existência quando a meta era lançar os dois primeiros supercomputadores em poucos meses. Quem demora a decidir não apenas gasta mais: perde a janela em que a capacidade ainda é diferencial competitivo.

Fundamentos da solução: arquiteturas, nuvem e soberania de dados

Arquiteturas heterogêneas e o papel de cada acelerador

O TOP500 de junho de 2026 destaca um grau incomum de diversidade arquitetônica entre os dez primeiros colocados. O LineShine usa processadores e interconexão próprios da China, El Capitan e Frontier utilizam componentes AMD, e o Aurora segue um projeto exascale baseado em Intel. Essa pluralidade reflete a natureza heterogênea do HPC moderno, em que não existe uma arquitetura única ideal.

Nos Estados Unidos, a Genesis Mission aposta em GPUs para IA científica. Segundo a HPCwire (maio de 2026), o sistema Equinox, em Argonne, terá cerca de 10 mil GPUs NVIDIA Grace Blackwell, e o Solstice prevê 100 mil GPUs, enquanto o Oak Ridge National Laboratory constrói os sistemas Lux e Discovery em parceria com a AMD.

O Brasil combina duas apostas de horizontes distintos. Para o curto prazo, o edital de 7,2 mil petaflops privilegia tecnologia de mercado. Para o longo prazo, a chamada Rota 3 do PBIA prevê tecnologia aberta e não proprietária baseada em RISC-V, desenvolvida com o ecossistema de Barcelona e implementada em até 15 anos, com o objetivo de fazer do país produtor de chips e componentes críticos, segundo o Mobile Time.

Modelo híbrido: infraestrutura própria e nuvem

De acordo com a Global Market Insights, laboratórios e instituições governamentais investem em HPC local para maximizar controle, segurança e desempenho em cargas sensíveis, enquanto a nuvem amplia o acesso a recursos elásticos. A mesma fonte cita o anúncio da AWS, no fim de 2025, de US$ 50 bilhões para infraestrutura de IA e HPC destinada a clientes do governo dos EUA.

No Brasil, a Nuvem de Governo operada por Serpro e Dataprev segue essa lógica de camadas. Segundo a Convergência Digital, os catálogos de serviços reúnem AWS, Huawei, Google e Oracle, e a iniciativa já superou R$ 1 bilhão em investimentos, atendendo mais de 250 órgãos do Executivo Federal. Conforme a Agência Gov (agosto de 2026), dados públicos continuam em nuvens de grandes provedores sob um guarda-chuva contratual do Serpro, enquanto os dados sensíveis ficam em dois datacenters próprios, em Brasília e São Paulo, operados integralmente por empregados da estatal.

Um critério particularmente útil é o proposto pelo próprio Serpro: em vez de classificar uma infraestrutura como soberana ou não, considerar níveis de controle sobre dados, operação e tecnologia. Esse modelo evita a falsa dicotomia entre nuvem pública e infraestrutura estatal e permite calibrar o controle conforme a criticidade de cada carga.

Interoperabilidade entre sistemas

A soberania não implica isolamento. Segundo a GovCIO Media & Research, o Oak Ridge National Laboratory lidera a American Science Cloud, ambiente seguro que conecta instalações computacionais e experimentais do DOE, hoje distribuídas entre diferentes laboratórios. O princípio vale para qualquer governo: recursos de computação, dados e modelos precisam se comunicar por padrões abertos, sob governança única.

Implementação estratégica: modelos de aquisição, cronograma e pontos de falha

Parcerias público-privadas e aquisição acelerada

O Departamento de Energia dos EUA adotou um modelo de parceria com a indústria para reduzir atrasos de compras: Lux e Discovery com a AMD e Solstice e Equinox com NVIDIA e Oracle, conforme reportagens de outubro de 2025 e a cobertura da HPCwire. A lógica é compartilhar risco e prazo com o fornecedor em vez de seguir o ciclo tradicional de aquisição.

A União Europeia seguiu caminho semelhante em escala maior. Segundo o EuroHPC JU e fontes que acompanham o edital, a licitação aberta em 30 de julho de 2026 busca até sete AI Gigafactories, cada uma com 25 mil a 100 mil processadores equivalentes a H100, amparadas por até € 10 bilhões em recursos públicos e meta de € 20 bilhões ou mais em capital privado, com propostas até 12 de novembro de 2026. Já o Alice Recoque, segundo exascale europeu, tem orçamento de € 354,8 milhões e será construído pela Eviden no centro TGCC, na França.

Na Coreia do Sul, o Supercomputador Nacional nº 6, com 8.496 GPUs, mostra uma boa prática de preparação da demanda. Segundo a Asiae, as inscrições de usuários foram abertas de 28 de setembro a 16 de outubro de 2026, antes do início do serviço oficial em dezembro, e o governo espera que o sistema ocupe posição entre os dez primeiros do TOP500.

Programa	Escala e investimento divulgados	Modelo	Situação (fonte)
EUA: Genesis Mission (DOE)	Equinox com ~10 mil GPUs; Solstice com 100 mil GPUs previstas; US$ 320 milhões do ano fiscal 2026	Parceria público-privada (NVIDIA, Oracle, AMD)	Em implantação (HPCwire, maio de 2026)
UE: AI Gigafactories (EuroHPC)	Até 7 instalações; até € 10 bi públicos e meta de € 20 bi privados	Consórcios com anfitrião nacional	Licitação aberta até 12/11/2026; premiações esperadas no início de 2027 (EuroHPC JU)
Coreia do Sul: Supercomputador nº 6	8.496 GPUs	Uso compartilhado entre Estado, pesquisa e indústria	Serviço oficial em dezembro de 2026 (Asiae)
Brasil: supercomputador do PBIA	7,2 mil petaflops; edital de até R$ 1 bi	LNCC e UFRN, em Macaíba (RN)	Edital oficializado em agosto de 2026 (Mobile Time)

Considerações críticas e pontos de falha potenciais

O primeiro ponto de falha é o financiamento. Segundo análise da AI2.work, apenas cerca de € 1 bilhão da parcela pública da União Europeia está efetivamente comprometido no orçamento atual, e o restante depende do próximo quadro financeiro plurianual (2028-2035), ainda não negociado. Programas bilionários precisam de fontes de recursos garantidas antes de pedir capital privado.

O segundo é a dependência de hardware. Conforme a PostQuantum e a AI Business, as gigafábricas europeias, apesar do discurso de soberania tecnológica, devem permanecer fortemente dependentes de aceleradores projetados nos Estados Unidos. Soberania, portanto, precisa ser medida por camadas (dados, operação, software e silício), e não declarada de forma genérica.

O terceiro é logístico e jurídico. No Brasil, o Movimento Econômico descreve a disputa entre Macaíba (RN) e Petrópolis (RJ) pelo equipamento, pautada pelo custo de energia, e o Mobile Time ressalta que o prazo de 12 a 18 meses vale apenas em condições ideais, sem contestações do edital ou das propostas. Planos de contingência para contestações e para o consumo energético devem entrar no cronograma desde o início.

Melhores práticas avançadas: acesso, compliance e segurança

Governança de acesso e alocação de capacidade

Definir quem usa o supercomputador é tão importante quanto comprá-lo. Na Coreia do Sul, segundo a Asiae, 30% dos recursos serão destinados a estratégias nacionais, 55% a pesquisa e desenvolvimento e 15% à indústria, com prioridade para grandes iniciativas governamentais como o K-Moonshot. A divisão explícita evita que a capacidade seja capturada por um único tipo de demanda.

Nos Estados Unidos, a HPCwire (maio de 2026) informa que o programa INCITE reservou cerca de 60% dos ciclos de Frontier, Aurora e Polaris em 2026 para 77 projetos selecionados, o que demonstra o valor da alocação competitiva baseada em mérito. Já a Alemanha estruturou a Aliança Nacional de HPC (NHR) com financiamento federal de cerca de € 62,5 milhões por ano, dividido igualmente entre União e estados, segundo o OECD.AI.

Compliance, dados sensíveis e governança de IA

Dados de saúde são dados pessoais sensíveis pela LGPD. Segundo o TI Inside, o Ministério da Saúde iniciou em agosto de 2026 a Jornada para a Nuvem Soberana do SUS com o Serpro, de modo que os dados críticos dos cidadãos permaneçam em ambiente nacional, com controle, auditoria e jurisdição aplicáveis. É um exemplo de como classificar o dado antes de escolher o ambiente.

Na camada de governança de IA, o governo anunciou o Centro Nacional de Transparência Algorítmica e IA Confiável, na UFMG, para auditar modelos, avaliar riscos e minimizar vieses, conforme o Mobile Time. No mesmo evento, o presidente da Câmara dos Deputados assumiu o compromisso de aprovar o Marco Legal da Inteligência Artificial antes do fim de 2026, compromisso cuja tramitação deve ser acompanhada.

Segurança, dependência de fornecedor e eficiência energética

A carta do Senado dos EUA sobre o Slurm oferece um roteiro prático de gestão de risco: mapear quais clusters dependem de software de um único fornecedor e exigir cláusulas contratuais que garantam acesso continuado. Em ambientes públicos, padrões abertos e planos de saída devem constar do edital, não de uma renegociação posterior.

A eficiência energética deve ser requisito, não detalhe. Segundo a AP Verlag, o JUPITER é o sistema exascale mais eficiente em energia, consumindo menos por operação que o líder da lista, e a HPE informa que quatro de suas máquinas figuram entre as dez mais eficientes da Green500 de junho de 2026, com refrigeração líquida direta. Considerando o histórico do LNCC, energia é um risco de continuidade, e não apenas de custo.

Medição de sucesso: indicadores técnicos, de negócio e de política pública

Indicadores técnicos

O primeiro indicador é o desempenho aderente à carga de trabalho. O contraste entre HPL e HPL-MxP no TOP500 mostra que um único número de ranking não descreve a utilidade do sistema; o governo deve definir benchmarks alinhados à missão, seja simulação científica, seja treinamento de IA.

O segundo é a eficiência energética, medida em desempenho por watt e no percentual do orçamento operacional consumido por energia. O caso do LNCC, em que a energia chegou a 80% do orçamento em 2018, ilustra o limite a evitar. O Green500 oferece referência comparável entre sistemas.

O terceiro grupo reúne utilização por partição, tempo médio de espera em fila e disponibilidade do serviço. Esses indicadores revelam se a capacidade instalada está de fato chegando ao pesquisador e ao órgão público, e permitem ajustar a alocação entre demandas estratégicas, científicas e industriais.

Indicadores de negócio e de política pública

O PBIA prevê R$ 23 bilhões entre 2024 e 2028, e, segundo o Mobile Time, a ministra Luciana Santos afirmou em agosto de 2026 que 64% já foi executado. Execução orçamentária, porém, só importa se acompanhada de entrega operacional: um bom painel cruza dinheiro executado com capacidade em produção. O governo já lançou um painel online de acompanhamento do PBIA, segundo a Convergência Digital.

O tempo para obter resultado é o indicador mais comunicável. Se o novo supercomputador entregar, de fato, o treinamento de um modelo grande em cerca de um mês contra dois ou três anos no sistema atual, essa redução é a métrica de impacto mais direta do investimento.

Por fim, o alcance importa: quantos projetos, órgãos e empresas usam a infraestrutura. A reserva de 15% para a indústria na Coreia do Sul e os 77 projetos do INCITE são exemplos de metas verificáveis de acesso. Revisões semestrais, comparando previsto e realizado e publicando os resultados, sustentam a confiança pública no programa.

Conclusão: da potência ao resultado

A leitura integrada dos dados de 2025 e 2026 mostra que o HPC governamental entrou em uma fase em que potência bruta é condição necessária, mas insuficiente. O TOP500 de junho de 2026 evidenciou que arquitetura e carga de trabalho importam mais que o ranking isolado, a Genesis Mission e as AI Gigafactories mostraram que a velocidade de aquisição depende de parcerias e financiamento garantido, e o caso brasileiro expôs o peso de energia, localização e prazos.

Para o gestor público, o caminho prático começa pelo mapeamento das cargas de trabalho e da classificação dos dados, passa pela definição de um modelo híbrido com níveis de controle explícitos e pela inclusão de cláusulas de acesso, padrões abertos e eficiência energética nos editais, e termina em um painel de indicadores que cruze execução orçamentária, utilização da capacidade e tempo para obter resultados.

As perspectivas para os próximos meses são concretas: o serviço do supercomputador sul-coreano começa em dezembro de 2026, a União Europeia deve conhecer as propostas das gigafábricas em novembro e premiá-las no início de 2027, e o Brasil estima de 12 a 18 meses para operar a nova máquina após a contratação. Quem tratar HPC como infraestrutura estratégica, com governança desde o primeiro dia, estará mais bem posicionado quando essas capacidades entrarem em produção.HPC no Governo: Guia Estratégico de Supercomputação 2026