Por que as empresas de IA estão construindo seus próprios chips

Até pouco tempo atrás, treinar e rodar modelos de IA significava, comprar GPU da Nvidia. A empresa domina o mercado de aceleradores de IA de forma tão completa que virou o principal fator limitante de quem quer escalar.

Google já roda seus modelos em TPUs próprias há anos. A Amazon desenvolve os chips Trainium para a AWS, a Microsoft lançou em janeiro a segunda geração do Maia, e a Meta construiu os aceleradores MTIA para os próprios data centers, segundo reportagem sobre o tema.

Em junho, a OpenAI apresentou o Jalapeño, chip de inferência desenvolvido com a Broadcom e fabricado pela TSMC. O projeto de design teria custado mais de US$ 500 milhões, segundo reportagem do TechRadar, com produção em massa prevista para começar ainda em 2026.

O motivo declarado por praticamente todas essas empresas é o mesmo: reduzir custo de operação e diminuir a dependência de um único fornecedor num mercado onde a demanda por GPU supera a oferta disponível, conforme análise da Hardware.com.br.

A Anthropic entrou nessa lista de forma mais recente, a empresa contratou Clive Chan, que participou dos esforços da OpenAI para desenvolver silício próprio, e está em conversas preliminares com a Samsung sobre fabricação, segundo a mesma reportagem. 

Não existe ainda desenho definitivo do processador, e a empresa afirma publicamente que sua estratégia de computação continua baseada numa combinação de GPUs da Nvidia, TPUs do Google e chips Trainium da Amazon.

A Amazon confirmou que a Anthropic se comprometeu a usar até cinco gigawatts de capacidade Trainium para treinar e rodar os modelos Claude, e que mais de um milhão de chips Trainium2 já estão em uso, segundo o TI Inside.  A OpenAI também assumiu compromisso de consumir dois gigawatts de capacidade Trainium via AWS, com início previsto para 2027.

Ou seja, quem construiu chip próprio primeiro não está apenas cortando custo interno, está transformando esse investimento em infraestrutura que aluga para os próprios concorrentes na corrida por modelos de fronteira, o mesmo modelo de negócio que a Nvidia dominava sozinha até agora.

Mesmo a startup francesa Mistral estaria estudando seguir o mesmo caminho, segundo reportagem do Ars Technica citada pelo Xataka. O padrão que emerge é claro: nenhuma empresa séria de IA quer mais depender de um único fornecedor de hardware, mesmo que o caminho para chip próprio custe centenas de milhões de dólares e leve anos para amadurecer.