WiCi One eGPU sem fio elimina o cabo, mas o Wi-Fi 7 se torna o teste

A WiCi apresentou a eGPU sem fio WiCi One, que combina Wi-Fi 7, uma placa gráfica Nvidia e 4 TB de armazenamento em um único sistema de IA local. A empresa afirma que computadores próximos podem tratar sua GPU remota como hardware instalado localmente. Essa alegação desafia uma premissa básica por trás dos gráficos externos: a conexão precisa ser um cabo.

A configuração básica combina uma Nvidia GeForce RTX 5060 Ti com 16 GB de memória de vídeo. A WiCi também lista uma futura configuração RTX 5090 com 32 GB. Um processador Intel Core Ultra 7 255H, armazenamento PCIe 5.0 NVMe e uma pilha sem fio dedicada completam o sistema.

A WiCi não está simplesmente substituindo um cabo Thunderbolt por Wi-Fi. Ela propõe um dispositivo de computação compartilhada para notebooks, telefones, estações de trabalho criativas e outros dispositivos. Seu software oferece um driver de GPU virtual, kits para desenvolvedores e endpoints familiares de IA local.

Essa distinção importa porque docks de eGPU com fio já têm um papel definido. Eles dão a um computador acesso a uma placa gráfica de desktop por meio de Thunderbolt, USB4 ou OCuLink. A WiCi quer que uma GPU atenda vários dispositivos sem permanecer fisicamente conectada a nenhum deles.

A premissa é atraente para IA local, em que arquivos de modelos podem exceder a memória da GPU e vários aplicativos podem precisar do mesmo acelerador. A questão difícil é se a latência sem fio, a compatibilidade de aplicativos e a disputa por recursos podem permanecer imperceptíveis durante o trabalho real.

A eGPU sem fio WiCi One é mais do que um dock gráfico

A WiCi One reúne um computador completo nas proximidades, não apenas uma placa gráfica em um gabinete sem fio.

Segundo suas especificações publicadas, o sistema padrão inclui uma RTX 5060 Ti com 16 GB de VRAM. VRAM é a memória de alta velocidade diretamente disponível para a GPU. A WiCi afirma que uma configuração com uma RTX 5090 e 32 GB virá depois, embora a disponibilidade final ainda não esteja definida.

O sistema também inclui um processador Intel Core Ultra 7 255H e uma unidade PCIe 5.0 NVMe de 4 TB. Seu rádio Wi-Fi 7 suporta quatro fluxos espaciais, canais de 320 MHz e um transporte multilink. A operação multilink permite que hardware Wi-Fi 7 compatível use mais de um link sem fio.

Esse processador interno muda a natureza do produto. Uma eGPU convencional depende fortemente do computador anfitrião, que envia o trabalho por uma conexão com fio derivada de PCIe. A WiCi One pode, em vez disso, executar serviços, gerenciar modelos, agendar o acesso à GPU e expor uma interface de programação de aplicativos de dentro da caixa.

A WiCi descreve três caminhos de conexão. O modo de driver apresenta uma GPU virtual para software compatível. O modo SDK dá aos desenvolvedores controle explícito sobre descoberta, carregamento de modelos, streaming e gerenciamento de dispositivos. O modo API expõe um endpoint compatível com OpenAI, permitindo que clientes compatíveis de IA local enviem solicitações ao sistema.

O caminho da API é o menos surpreendente. Servidores de modelos locais já expõem endpoints de rede para notebooks, navegadores e clientes móveis. A WiCi One pode realizar inferência em seu próprio hardware e devolver tokens gerados pela rede local.

O modo de driver faz a promessa maior. A WiCi afirma que aplicativos compatíveis podem enxergar o acelerador remoto como uma GPU padrão e operar sem mudanças no nível do aplicativo. Isso ampliaria o uso do dispositivo além de interfaces de chat, para renderização, codificação de vídeo, desenvolvimento de modelos e jogos selecionados.

A empresa lista suporte para macOS, Windows e Linux em sua camada de GPU virtual. Também identifica Python, JavaScript e Swift como ambientes SDK iniciais. No entanto, listagens de plataformas não comprovam compatibilidade universal com todas as APIs gráficas, recursos de driver ou aplicativos.

Um relato de lançamento de 24 de setembro informou que uma prévia para desenvolvedores está prevista para o quarto trimestre de 2026. O próprio material técnico da WiCi também classifica várias interfaces como prévias, cujos nomes e comportamentos ainda podem mudar.

O anúncio, portanto, marca o início de um período de validação, e não a chegada de uma categoria madura de periféricos. A WiCi publicou uma arquitetura concreta e uma meta de hardware. Os desenvolvedores ainda precisam de acesso para testar como esse projeto se comporta fora de demonstrações controladas pela empresa.

O apelo imediato é fácil de perceber. Um notebook fino poderia chamar um modelo local maior sem carregar uma GPU de desktop. Um telefone poderia continuar sendo a interface do usuário enquanto a computação permanece em uma caixa próxima. Um pequeno estúdio poderia, em teoria, compartilhar um acelerador entre vários computadores leves.

No entanto, esses cenários impõem exigências muito diferentes à conexão. A geração de texto pode tolerar mais atraso do que gráficos interativos. A exportação de vídeo enfatiza o throughput sustentado. Jogos exigem entrega consistente de quadros. Uma camada de GPU virtual precisa reconhecer essas diferenças, em vez de tratar todas as cargas de trabalho como intercambiáveis.

É por isso que a WiCi One merece análise como um sistema. Sua especificação de GPU chama atenção, mas o agendador, o driver, o caminho de armazenamento e o protocolo sem fio determinarão se ela parece um acelerador local.

A IA local dá à eGPU sem fio uma razão melhor para existir

O argumento mais forte para a WiCi One é a inferência local compartilhada, em que a reutilização de dados importa mais do que duplicar uma conexão de desktop.

As eGPUs tradicionais resolvem um problema de expansão física. Um notebook não tem espaço para uma placa gráfica de desktop, então um gabinete fornece a placa, energia, refrigeração e uma conexão com fio. Esse arranjo dá a um único anfitrião mais desempenho gráfico, com alguma sobrecarga de conexão.

A IA local muda a carga de trabalho. Os modelos podem ocupar dezenas ou centenas de gigabytes, enquanto a computação ativa pode acessar apenas parte desses pesos em um dado momento. Vários aplicativos também podem usar o mesmo modelo-base, mantendo conversas ou estados de trabalho separados.

O SSD de 4 TB da WiCi One foi projetado para manter esses pesos de modelo próximos à GPU. A empresa chama seu sistema de paginação de TurboStream e afirma que ele transfere os pesos necessários do armazenamento NVMe enquanto os modelos são executados. Paginação significa carregar dados selecionados em memória mais rápida quando a computação precisa deles.

O SSD não se torna literalmente VRAM. O armazenamento PCIe 5.0 continua muito mais lento que a memória instalada em uma placa gráfica. O desempenho depende de quanto dado cada token gerado exige, se o modelo ativa todos os seus parâmetros e da eficácia do software em prever transferências futuras.

A WiCi reconhece essa distinção em sua arquitetura de protocolo. Sua página técnica observa que a velocidade nominal de armazenamento representa um teto, enquanto o descarregamento ingênuo de modelos oferece menos throughput. A empresa afirma que esparsidade, previsão, alinhamento de dados e o caminho até a VRAM afetam os resultados reais.

Essa ressalva é importante. Armazenar um modelo enorme e executá-lo de forma interativa são conquistas distintas. Uma unidade de 4 TB pode conter arquivos de modelo que não cabem em 16 GB ou 32 GB de VRAM, mas a capacidade de armazenamento, por si só, não garante uma velocidade de geração útil.

Modelos de mistura de especialistas oferecem uma possível vantagem. Esses modelos contêm muitos grupos especializados de parâmetros, mas ativam apenas um subconjunto para cada token. Se o software puder antecipar os especialistas necessários, poderá evitar transferir o modelo inteiro a cada etapa.

A mesma arquitetura cria uma oportunidade útil de compartilhamento. Vários clientes poderiam usar uma cópia em cache dos pesos comuns do modelo, mantendo privados seus caches de chave-valor individuais. Um cache de chave-valor armazena dados de atenção gerados durante a sessão de cada usuário.

Sem coordenação, diversos aplicativos de IA local podem carregar cópias duplicadas de modelos. Isso consome memória e causa atrasos quando os aplicativos disputam o acelerador. A WiCi afirma que seu agendador gerencia a memória da GPU no nível de alocação e reutiliza pesos compartilhados.

Isso é mais relevante para IA do que para um jogo individual. Uma residência ou estúdio poderia executar um assistente de programação, uma interface de voz, um gerador de imagens e um processador de documentos usando um único sistema próximo. Os dispositivos individuais lidariam com suas telas, microfones e arquivos locais, enquanto a GPU realizaria computações selecionadas.

Isso também coloca o produto entre duas abordagens estabelecidas. Uma estação de trabalho local oferece acesso direto à GPU e desempenho previsível, mas vincula o acelerador a uma única máquina. A inferência em nuvem oferece capacidade flexível e amplo acesso, mas exige conexão com a internet e envia solicitações para fora da rede local.

A WiCi propõe um terceiro arranjo: computação própria que se comporta como um serviço de rede enquanto permanece próxima. O modelo se torna semelhante a um pequeno servidor local, empacotado e comercializado para uso pessoal ou de pequenas equipes.

Esse enquadramento explica por que o suporte a múltiplos dispositivos importa mais do que a novidade sem fio. Um cabo é eficiente quando um computador possui a GPU. O acesso sem fio se torna mais defensável quando telefones, notebooks, robôs e outros clientes precisam alcançar o mesmo sistema.

Para trabalhos sensíveis à privacidade, a execução local pode manter prompts, gravações e imagens dentro da rede do usuário. Isso não torna o sistema automaticamente privado. Aplicativos, sistemas operacionais, downloads de modelos, telemetria e a configuração de rede ainda podem expor dados.

A camada de armazenamento também traz questões operacionais. Os usuários precisam de formas de gerenciar versões de modelos, permissões, criptografia e remoção de cache. Uma unidade de 4 TB se enche rapidamente quando armazena vários checkpoints grandes, modelos de imagem, mídia gerada e dados de trabalho.

A WiCi identificou um problema plausível de IA local: é difícil compartilhar aceleração escassa entre dispositivos pessoais. O funcionamento de sua solução dependerá menos do tamanho máximo do modelo do que de um desempenho previsível para vários aplicativos comuns.

O Wi-Fi 7 muda o link, não as leis da latência

O Wi-Fi 7 oferece mais capacidade e flexibilidade, mas a WiCi precisa reduzir as idas e vindas de software antes que o acesso sem fio à GPU se torne prático.

As cargas de trabalho gráficas normalmente pressupõem que a CPU e a GPU se comuniquem por um barramento local rápido e de baixa latência. O software pode emitir milhares de pequenas operações porque cada troca é concluída rapidamente. Transferir essa conversa para uma rede muda o custo de cada dependência.

O Wi-Fi 7 adiciona canais mais largos, operação multilink e uso mais eficiente do espectro. O programa Wi-Fi 7 descreve canais de 320 MHz e capacidades multilink entre os recursos centrais do padrão. O desempenho real ainda depende do suporte do cliente, das condições de rádio, da distância e do congestionamento local.

A largura de banda bruta é apenas uma restrição. Se um aplicativo espera uma resposta após cada pequena chamada de driver, até mesmo um curto atraso de rede se acumula. Uma carga de trabalho com milhares de trocas sequenciais pode parar, apesar de ter bastante throughput não utilizado.

A própria pesquisa da WiCi apresenta um exemplo claro. A empresa afirma que uma inferência de modelo de visão pode emitir cerca de 20.000 chamadas de driver em modo de usuário. Em uma viagem de ida e volta de 1,5 milissegundo, essas chamadas acrescentariam cerca de 30 segundos se fossem tratadas como chamadas remotas de procedimento sequenciais e ingênuas.

A empresa afirma que seu runtime combate esse problema por meio de cache, desduplicação, streaming e pipeline. O cache responde localmente a solicitações repetidas. A desduplicação evita o envio de dados idênticos. O pipeline sobrepõe operações independentes, em vez de esperar que cada uma termine.

Em seu artigo de sistemas, a WiCi apresenta a computação GPU sem fio como um problema coordenado de hardware e software. A abordagem intercepta operações relacionadas à GPU e move tarefas selecionadas para um acelerador próximo, tentando preservar o comportamento familiar das aplicações.

Esse é o mecanismo central do artigo. A WiCi One não pode ter sucesso simplesmente conectando uma placa gráfica comum a um adaptador sem fio rápido. Ela precisa alterar a frequência com que a aplicação e a GPU precisam se comunicar, preservando os resultados esperados pelo software existente.

O modo API evita grande parte desse problema. Um laptop pode enviar uma solicitação de inferência, e o sistema remoto pode executar internamente milhares de operações de GPU. Apenas a solicitação e a resposta transmitida cruzam a rede.

O modo driver é mais difícil porque expõe uma abstração de hardware mais granular. As aplicações podem enviar ativos, ler resultados, sincronizar filas, consultar o estado do dispositivo ou depender de premissas de tempo. A WiCi precisa decidir quais operações armazenar em cache, agrupar, prever ou executar remotamente.

Portanto, o melhor desempenho variará conforme a carga de trabalho. Grandes tarefas de inferência autossuficientes são favoráveis porque a computação predomina sobre a comunicação. Exportações de vídeo e renderização offline também podem tolerar algum atraso na preparação se a maior parte do trabalho permanecer no sistema remoto.

Transferências frequentes de dados são menos tolerantes. Uma aplicação que lê repetidamente grandes buffers de volta para o host pode saturar o link sem fio. Cargas de trabalho interativas também podem sofrer quando picos ocasionais de latência importam mais do que a velocidade média.

Os jogos representam um teste particularmente exigente. A WiCi afirma que os jogos rodam no host e usam a GPU remota, em vez de funcionarem como sessões convencionais transmitidas pela nuvem. Esse design exigiria entrega confiável de comandos e um caminho cuidadosamente gerenciado para os frames concluídos.

Ainda não está claro quão amplamente o driver virtual oferece suporte a APIs gráficas modernas, sistemas anti-cheat, caminhos de exibição e jogos sensíveis à latência. Demonstrações da empresa podem estabelecer que determinados títulos funcionam. Elas ainda não podem estabelecer que o dispositivo se comporta como uma placa gráfica sem fio universal.

As condições sem fio introduzem outra variável. Um benchmark realizado perto do sistema com um cliente Wi-Fi 7 compatível é diferente de uma rede em um apartamento lotado. Paredes, pontos de acesso concorrentes, antenas dos clientes e comportamentos de economia de energia podem alterar a latência.

A WiCi lista hardware sem fio de classe de roteador dentro da caixa, mas as duas pontas da conexão importam. Os compradores precisarão de clareza sobre se os clientes se conectam diretamente à WiCi One, usam um ponto de acesso existente ou escolhem dinamicamente entre esses caminhos.

A consistência importará mais do que um número de pico de throughput. Um usuário de IA local pode aceitar uma breve pausa para carregar o modelo, mas a interação por voz exige tempos de resposta estáveis. Um profissional criativo precisa que as exportações terminem de forma confiável. Um jogador percebe imediatamente travamentos isolados.

O Wi-Fi 7 dá à WiCi mais margem para projetar soluções em torno desses problemas. Ele não os elimina. A verdadeira propriedade intelectual do produto está em reduzir dependências ao longo do link e programar o tráfego restante.

As Maiores Alegações Ainda Precisam de Testes Independentes

A WiCi divulgou detalhes técnicos úteis, mas sua compatibilidade, seus benchmarks e seu comportamento com múltiplos usuários continuam sendo alegações da empresa.

A WiCi publica números de desempenho para modelos de linguagem, geração de imagens, ferramentas de vídeo, renderização e jogos. A empresa afirma que esses testes foram realizados via Wi-Fi 7 em hardware WiCi One de produção. Nenhum conjunto amplo de análises independentes verificou os resultados até agora.

Essa lacuna é esperada para um sistema recém-anunciado, mas deve moldar a forma como os compradores interpretam o lançamento. Um benchmark pode medir uma carga de trabalho cuidadosamente escolhida, deixando inexplorados a configuração da aplicação, a sensibilidade à rede, o comportamento térmico e falhas de driver.

O produto também combina vários sistemas difíceis em um único gabinete. Seu processador precisa gerenciar serviços e agendamento. A GPU exige energia e refrigeração adequadas. O SSD precisa sustentar leituras repetidas. A pilha sem fio precisa manter baixa latência enquanto vários clientes disputam acesso.

Uma eGPU com fio tem uma tarefa mais restrita. Ela conecta um host a um acelerador por meio de uma interface física padronizada. Ainda assim, os usuários encontram penalidades de largura de banda, restrições de driver, problemas de suspensão e suporte inconsistente entre sistemas operacionais.

A WiCi acrescenta outra camada de abstração enquanto promete alcance mais amplo. Seu driver virtual precisa se coordenar com sistemas operacionais e software de GPU projetados em torno de hardware conectado localmente. Atualizações da Nvidia, Microsoft, Apple, distribuições Linux ou aplicações individuais podem alterar essa compatibilidade.

A configuração RTX 5060 Ti também cria um limite importante. Seus 16GB de VRAM podem executar muitos modelos locais quantizados, mas cargas de trabalho maiores dependerão mais fortemente da memória do sistema e da paginação em SSD. A velocidade resultante variará conforme a arquitetura do modelo e o comprimento do contexto.

A versão RTX 5090 planejada oferece mais VRAM e capacidade computacional. No entanto, uma GPU mais rápida também pode pressionar mais os caminhos sem fio e de armazenamento. Se o acelerador concluir o trabalho mais rapidamente do que os dados conseguem chegar, outras partes do sistema se tornarão o gargalo.

O acesso por múltiplos dispositivos levanta questões de agendamento. Duas solicitações leves de inferência podem compartilhar recursos de forma diferente de uma exportação de vídeo e um agente de voz interativo. A WiCi afirma que as cargas de trabalho podem declarar prioridades, mas essas interfaces de agendamento permanecem em prévia.

Os usuários precisarão saber o que acontece quando a memória se esgota ou chega uma tarefa de alta prioridade. O agendador pausa outra carga de trabalho, remove seu modelo ou divide o tempo de GPU? Quanto tempo leva a recuperação depois que um modelo grande deixa a VRAM?

A segurança exige atenção semelhante. Um serviço de GPU disponível para vários dispositivos de rede requer autenticação, comunicação criptografada, isolamento de clientes e controles de permissão confiáveis. Manter a computação no ambiente local reduz a exposição a provedores de nuvem, mas também torna o proprietário responsável pelo ambiente local.

O fluxo de pareamento de exemplo da WiCi usa impressões digitais de dispositivos, o que indica que a empresa reconhece esse problema. Ainda assim, avaliadores independentes devem examinar o armazenamento de credenciais, atualizações de firmware, descoberta de rede e isolamento entre usuários.

A transparência das aplicações é outra expressão que precisa de limites. Clientes de API frequentemente podem trocar de endpoint com uma mudança de configuração. O suporte em nível de driver envolve uma matriz maior de sistemas operacionais, frameworks, APIs gráficas e recursos de hardware.

Cargas de trabalho CUDA no Linux podem seguir um caminho diferente de uma aplicação criativa no macOS ou de um jogo no Windows. A Nvidia não fornece a mesma pilha de software nativa em todas as plataformas. A WiCi precisa explicar o que “GPU local padrão” significa em cada ambiente compatível.

A lista inicial de compatibilidade da empresa inclui ferramentas de IA local como Ollama, LM Studio, PyTorch, ComfyUI e Open WebUI. Essas aplicações não interagem com aceleradores da mesma forma. Algumas podem chamar um serviço remoto, enquanto outras esperam acesso direto ao framework ou ao driver.

O suporte bem-sucedido a API não deve ser tratado como prova de compatibilidade completa com drivers. Da mesma forma, um benchmark de renderização não estabelece comportamento confiável em todos os projetos, plugins, codecs ou versões de aplicações.

A WiCi merece crédito por publicar mais detalhes arquiteturais do que um lançamento teaser típico. Seus materiais descrevem diretamente o problema da latência e reconhecem que cargas de trabalho com transferências frequentes podem pertencer ao dispositivo cliente.

Essa franqueza também revela a contrapartida. O sistema ganha flexibilidade ao afastar a GPU do host e, em seguida, investe esforço substancial de engenharia para reconstruir premissas que um cabo antes garantia.

Para os primeiros adotantes, esse experimento pode valer a pena. Desenvolvedores que trabalham com assistentes locais, robótica ou ferramentas criativas compartilhadas podem avaliar uma arquitetura que não se encaixa nas categorias comuns de eGPU. Compradores convencionais devem esperar por testes mais amplos e uma matriz de suporte estável.

Três Sinais Mostrarão se a WiCi One Tem Mercado

A próxima fase precisa provar que a WiCi One funciona como infraestrutura compartilhada, e não apenas como uma demonstração sem fio impressionante.

O primeiro sinal é a prévia para desenvolvedores planejada para o quarto trimestre de 2026. O acesso deve incluir software funcional, requisitos claros de instalação e documentação suficiente para que desenvolvedores reproduzam os exemplos da WiCi.

Testes bem-sucedidos de terceiros em Windows, macOS e Linux fortaleceriam a alegação central da empresa. Uma prévia restrita, limitada a hardware controlado ou aplicações selecionadas, indicaria que a camada de GPU virtual precisa de mais desenvolvimento.

O segundo sinal é a consistência das cargas de trabalho em condições comuns de rede. Avaliadores devem testar a WiCi One perto e longe dos clientes, com tráfego Wi-Fi concorrente, em diferentes pontos de acesso e durante transferências sustentadas.

O throughput médio não contará toda a história. As medições devem incluir distribuições de latência, estabilidade do tempo de frame, geração de tokens após o carregamento do modelo, recuperação de interferências e desempenho quando vários dispositivos se conectam simultaneamente.

Os testes de IA local devem separar três estágios. O carregamento do modelo mede o caminho de armazenamento. A geração de tokens mede o desempenho da GPU e da paginação. O tempo de resposta interativo inclui rede, processamento de prompt e transmissão de saída.

O SSD de 4TB terá maior importância quando os modelos excederem a VRAM disponível. Avaliadores devem comparar modelos totalmente residentes com modelos parcialmente descarregados e relatar como o desempenho muda à medida que o contexto cresce. Essa evidência mostrará se o TurboStream oferece uma vantagem prática ou se apenas expande a capacidade dos modelos.

O terceiro sinal é a matriz de suporte na disponibilidade geral. A WiCi precisa identificar quais aplicações usam os modos API, SDK ou driver e quais limitações se aplicam a cada sistema operacional.

Uma matriz clara permitiria que compradores distinguissem fluxos de trabalho comprovados de objetivos futuros. Ela deve abranger frameworks de GPU, APIs gráficas, hardware cliente, requisitos de Wi-Fi, recursos de segurança e comportamento durante atualizações de software.

A mesma documentação deve explicar o agendamento com múltiplos usuários. Os compradores precisam saber quantos clientes simultâneos o sistema suporta, quais cargas de trabalho podem compartilhar pesos de modelo e como as prioridades de recursos afetam outras sessões.

Esses sinais também revelarão o público mais provável do produto. Se o desempenho de API e SDK amadurecer primeiro, a WiCi One se parecerá com um servidor local de IA refinado com acesso sem fio para clientes. Isso continua útil mesmo que o modo driver universal leve mais tempo.

Se a compatibilidade com drivers se mostrar ampla e a latência permanecer estável, o sistema poderá estabelecer uma nova categoria entre eGPUs com fio e servidores de rede. O trabalho criativo e os gráficos interativos se tornariam então tão importantes quanto a inferência de modelos de linguagem.

A nuvem continua sendo outro ponto de referência. Modelos hospedados eliminam o gerenciamento de hardware e podem escalar além de uma GPU local. Eles também exigem acesso à internet e colocam os dados, a disponibilidade do serviço e o uso recorrente fora do controle direto do usuário.

Uma estação de trabalho oferece o desempenho local mais forte e o caminho de hardware mais simples. Ela é menos conveniente quando vários dispositivos leves precisam do mesmo acelerador. A oportunidade da WiCi fica precisamente entre esses dois arranjos.

Portanto, a eGPU sem fio WiCi One não precisa superar todos os desktops ou serviços de nuvem. Ela precisa tornar uma GPU próxima significativamente mais fácil de compartilhar sem tornar o desempenho imprevisível.

Esse é um objetivo exigente, mas mais concreto do que a expressão “gráficos sem fio” sugere. O produto combina propriedade local, acesso em rede, modelos apoiados por armazenamento e um agendador projetado em torno de IA pessoal.

Para desenvolvedores e usuários locais de IA, a questão prática agora pode ser testada: suas aplicações reais conseguem preservar uma velocidade útil quando a GPU é levada para outro cômodo? Acompanhe a prévia para desenvolvedores, as medições independentes de latência e a matriz final de compatibilidade. Esses resultados determinarão se o WiCi One se tornará uma nova camada de computação ou continuará sendo um experimento especializado.