Nvidia bate recordes de lucro, mas a corrida por chips de IA se amplia com ASICs personalizados, FPGAs e IA embarcada liderada por Qualcomm e Apple
A corrida por chips de IA entrou em uma nova fase, em que o domínio das GPUs da Nvidia convive com um movimento acelerado das big techs para ampliar o leque de arquiteturas. Google, Amazon e até a OpenAI investem em ASICs personalizados, enquanto FPGAs e chips de IA embarcados ganham terreno em aplicações de borda e dispositivos.
Em meio ao avanço, a Nvidia segue entregando resultados expressivos. Como destacou o Olhar Digital, “A Nvidia voltou a surpreender o mercado ao anunciar, na última quarta-feira (21), lucros robustos impulsionados pela demanda por suas GPUs — peças fundamentais para cargas de trabalho de inteligência artificial.” Analistas ouvidos pela CNBC apontam que a diversificação é inevitável, com empresas buscando eficiência, custo menor e maior disponibilidade de hardware.
GPUs ainda dominam, porém custo e disponibilidade impõem limites
As GPUs, originalmente criadas para games, se tornaram essenciais para treinar e operar modelos de IA após a virada de 2012, quando a arquitetura paralela ajudou a viabilizar a AlexNet. Hoje, elas atuam em data centers acopladas a CPUs em tarefas de treinamento e inferência, com Nvidia e AMD à frente do mercado, apoiadas por ecossistemas de software distintos, com CUDA de um lado e plataformas abertas do outro.
O apetite por poder computacional fez o preço subir. Segundo as informações apuradas, racks com 72 GPUs podem ultrapassar US$ 3 milhões, um valor que pressiona orçamentos e incentiva alternativas. A demanda é tamanha que a Nvidia envia cerca de mil unidades por semana, ritmo que ajuda a explicar a continuidade de lucros elevados na companhia.
No recorte mais recente, o volume também impressiona em escala: No ano passado, cerca de 6 milhões de GPUs Blackwell foram vendidas. A magnitude ilustra como a corrida por chips de IA aqueceu o mercado, ao mesmo tempo em que acendeu o alerta para gargalos de custo, energia e disponibilidade, abrindo espaço para outras arquiteturas.
ASICs personalizados viram prioridade: TPUs, Trainium, Inferentia e o contra-ataque dos hiperescaladores
Se as GPUs funcionam como “canivetes suíços”, os ASICs personalizados são moldados para tarefas específicas, entregando eficiência e economia quando aplicados de forma adequada. O Google inaugurou essa rota em 2015 com as TPUs, e hoje está na sétima geração. De acordo com as projeções citadas, a empresa planeja treinar modelos como o Claude, da Anthropic, em até 1 milhão desses chips, um indicador do quanto a escala de computação está crescendo.
A Amazon seguiu o mesmo caminho com os chips Inferentia e Trainium, reforçando a estratégia de hiperescaladores de reduzir custos e controlar sua própria pilha de hardware. No mesmo movimento, a Microsoft já opera o Maia 100 em data centers, enquanto Broadcom e Marvell se tornaram parceiras-chave no design desses circuitos dedicados.
A tendência não se limita aos gigantes da nuvem. Intel, Qualcomm, Tesla, Cerebras e Groq disputam espaço com soluções personalizadas que miram desde treinamento massivo até inferência de baixa latência. Na China, Huawei, ByteDance e Alibaba aceleram projetos próprios, embora enfrentem restrições de exportação de tecnologia avançada. Nesse contexto, a corrida por chips de IA assume contornos geopolíticos e industriais cada vez mais complexos.
FPGAs e IA embarcada crescem, com Qualcomm e Apple em destaque
Além de GPUs e ASICs, os FPGAs ganham tração em redes, processamento de sinais e cargas de IA reconfiguráveis, atendendo a cenários que exigem flexibilidade e atualização rápida. Para aplicações na borda, de dispositivos móveis a PCs e equipamentos industriais, a aposta recai sobre chips com aceleradores dedicados embarcados.
Nesse segmento, Qualcomm e Apple lideram com foco em eficiência energética e desempenho em IA embarcada, reduzindo custos de nuvem e latência para tarefas de IA generativa e multimodal. A estratégia complementa a infraestrutura de data center e reforça a diversificação tecnológica que marca a atual corrida por chips de IA.
Para Daniel Newman, do Futurum Group, a tendência é clara e deve se intensificar. Nas palavras do analista, os ASICs personalizados “devem crescer ainda mais rápido do que o mercado de GPUs nos próximos anos”. Em entrevistas à CNBC, outros especialistas reforçam essa leitura, apontando que o ecossistema caminha para um portfólio misto, no qual o melhor chip para cada tarefa definirá custo, desempenho e disponibilidade.
O resultado é um cenário em rápida evolução. A Nvidia cresce mais do que nunca e mantém vantagem com seu ecossistema de software, mas agora encara concorrência real em praticamente todas as frentes do hardware de IA. Para empresas e desenvolvedores, a mensagem é pragmática: escolher entre GPUs, ASICs, FPGAs e soluções de IA embarcada será cada vez mais uma decisão de portfólio, orientada por preço, eficiência e tempo de implantação, fatores que definem a próxima etapa da corrida por chips de IA.
Fontes: Olhar Digital, CNBC