Um vigésimo do consumo em repouso: a IA periférica passa a funcionar a pilhas

A 5 de novembro de 2026, a Nordic Semiconductor anunciou em Oslo a série nRF71. O número principal é um consumo em repouso até vinte vezes inferior ao dos produtos Wi-Fi nRF70, com Wi-Fi de baixíssimo consumo, Bluetooth LE, Thread e IA periférica integrados num único SoC.

A combinação importa porque bateria e Wi-Fi sempre foram uma parceria difícil. O Wi-Fi oferece largura de banda e um ecossistema maduro, mas o custo energético de escutar e reconectar casa mal com uma pilha de botão. Por isso a maioria dos sensores recuou para o Bluetooth LE, entregava os dados a um gateway e só depois chegava à internet. A complexidade dessa cadeia limitou silenciosamente quantos dispositivos chegam a ser instalados.

Reduzir o consumo em repouso a um vigésimo muda menos a fatura de eletricidade do que a aritmética da instalação. Quando a corrente média cai para a faixa em que uma única pilha dura anos, deixam de ser necessárias rubricas de cablagem, substituição de baterias e visitas de manutenção. Para um sensor escondido sobre uma porta ou no fundo de uma estante industrial, isso decide se o projeto avança.

Cada bloco integrado tem a sua função: Wi-Fi para o retorno, Bluetooth LE para configuração e despertar, Thread para a malha de baixo consumo e NPU para a inferência local. Antes eram precisos dois ou três chips e um coprocessador, e cada peça acrescentava consumo estático, pistas na placa e coordenação de firmware. A NPU Axon executa modelos dez a dezassete vezes mais depressa do que um Cortex-M33 a 256 MHz isolado, e a ferramenta Neuton constrói modelos minúsculos com dados próprios que correm nesse processador.

A mudança de arquitetura é passar de recolher e enviar para julgar e só depois avisar. Na cadeia clássica, um microfone ou acelerómetro produz um fluxo contínuo, a rede transporta-o e a nuvem interpreta-o. Com inferência local, o dispositivo fica em silêncio quase todo o tempo e transmite apenas quando deteta um evento. Menos comunicações significam ao mesmo tempo menos energia, menos tráfego e menos custo na nuvem.

Privacidade e latência vêm por acréscimo: som, vibração e imagem são classificados sem sair do aparelho, e a resposta passa de uma ida e volta de rede a uma única inferência. Isto não substitui os modelos na nuvem, ainda necessários para contexto longo, agregação entre dispositivos ou geração. Os limites são igualmente concretos: a memória de um único chip limita o tamanho do modelo, a coexistência de protocolos complica o escalonamento e colocar IA no controlador mais baixo alonga a cadeia de atualizações. Quando a barreira energética cai vinte vezes, os problemas difíceis mudam-se para o software e para as operações.