Gigantes da tecnologia apostam coletivamente em chips de desenvolvimento próprio, a batalha pelos chips de IA está a acelerar a migração para o lado da inferência

A adopção explosiva de IA generativa está a remodelar o panorama competitivo de toda a indústria dos semicondutores. O campo de batalha central do mercado de chips de IA está a sofrer uma transferência estrutural do estágio de treino do modelo para o estágio de inferência — esta mudança não é apenas sobre prioridades de design de chips, como também vai influenciar profundamente a lógica de investimento em infraestruturas, os modelos de negócio e o rumo de longo prazo da cadeia de abastecimento de semicondutores.

O aumento abrupto da procura por inferência já apresenta sinais claros. A explosão de casos de uso virais como a geração de imagens em estilo Ghibli saturou completamente os recursos GPU da OpenAI. O CEO da OpenAI, Sam Altman, afirmou publicamente que nunca tinha visto um crescimento de utilização tão rápido; por isso, o GPT-4.5 teve de ser lançado por etapas, inicialmente apenas para utilizadores pagantes. Empresas líderes de IA como a Meta enfrentam também gargalos semelhantes de capacidade de computação. Entretanto, a OpenAI está a desenvolver em autonomia chips de IA, com o objectivo de atingir produção em larga escala por volta de 2026, para reduzir a dependência da Nvidia; o projecto de supercentro de dados “Stargate”, avançado em conjunto com a Microsoft, de acordo com relatos, envolve um investimento de até 500 mil milhões de dólares.

Esta série de desenvolvimentos indica que a inferência de IA está a tornar-se um pilar estratégico a par dos centros de dados, das infraestruturas de cloud e dos semicondutores. Para os investidores, isto significa que** o foco do valor dos investimentos em capacidade de computação de IA está a mudar: os chips de treino representam um gasto de capital único (CAPEX), enquanto os chips de inferência correspondem a um modelo de consumo de receitas contínuas — a IA está a evoluir de ferramenta técnica para um motor de capacidade de computação cobrado por volume.**

Treino e inferência: duas necessidades de computação completamente diferentes

Para compreender esta mudança estrutural, é necessário, em primeiro lugar, clarificar as diferenças essenciais entre treino e inferência ao nível das cargas de trabalho.

A fase de treino assenta na arquitectura Transformer, lançada pela Google em 2017: exige propagação direta e inversa sobre conjuntos de dados massivos, actualizando continuamente os pesos do modelo; envolve operações de matrizes em escala extrema, cálculo de gradientes e actualização de parâmetros, normalmente exigindo computação distribuída por semanas ou meses em clusters multi-GPU ou multi-TPU. Por isso, os chips de treino precisam de núcleos de computação de alta densidade, de memória de grande capacidade e elevada largura de banda (como HBM), e de capacidade para expansão horizontal entre múltiplos chips.

A fase de inferência é, em estrutura, mais simples: requer apenas propagação direta, sem actualização de gradientes nem retropropagação; a computação necessária é tipicamente cerca de uma ordem de grandeza inferior à do treino. No entanto, o verdadeiro desafio da inferência reside em três restrições: baixa latência (os utilizadores esperam uma resposta imediata), alta capacidade de processamento (os prestadores têm de lidar com enormes volumes de consultas concorrentes) e baixo custo (o custo unitário por consulta influencia directamente a viabilidade comercial). Estas necessidades são totalmente opostas à lógica da fase de treino — “sem contabilizar a latência, com foco no desempenho máximo” — e determinam também que, ao nível do design de arquitectura, os chips de inferência têm de seguir caminhos diferenciados: prioridade à eficiência energética, optimização da movimentação de dados, maximização da utilização de hierarquias de memória e da largura de banda, e optimização cooperativa entre hardware e software.

Grandes fornecedores de cloud e startups a acelerar o planeamento de chips de inferência

É precisamente com base nessas diferenças de arquitectura que um número crescente de empresas opta por contornar a concorrência frontal da Nvidia no mercado de GPUs de treino, passando a construir chips personalizados optimizados para inferência.

No caso de grandes fornecedores de cloud, a Google lançou a TPU (treino) e a Edge TPU (inferência na ponta); a Amazon implementou a Inferentia e a Trainium; a Meta desenvolveu a MTIA (Meta Training and Inference Accelerator). A frente de startups também está activa: Groq, Tenstorrent, Cerebras, SambaNova, entre outras, procuram avanços diferenciados em dimensões como arquitectura de dataflow, alocação de área do chip, eficiência de consumo, padrões de acesso à memória e design dos núcleos de computação, com o objectivo de ultrapassar as GPUs de uso geral em eficiência de inferência e estrutura de custos.

A formação deste panorama competitivo está intimamente relacionada com a evolução dos cenários de aplicação de IA. À medida que a IA evolui de perguntas e respostas simples para sistemas de agentes (Agentic AI) — capazes de planear tarefas, executar fluxos de trabalho, chamar ferramentas e até substituir parte do trabalho humano — a procura por inferência não só continuará a crescer como também se acelerará a expansão. As exigências dos sistemas de agentes por baixa latência, elevada largura de banda de memória e capacidade de computação contínua irão aumentar ainda mais o valor estratégico dos chips dedicados a inferência.

Nvidia: de líder da era do treino a decisor de regras na era da inferência

Perante esta mudança estrutural, a Nvidia não está a reagir de forma passiva; está a expandir activamente a sua presença no mercado de inferência.

O objectivo central do design mais recente da arquitectura Blackwell é aumentar o throughput enquanto reduz o custo de geração de cada token. Esta lógica cria um ciclo virtuoso: descida do custo → aumento do consumo → expansão da procura → aumento da escala das infraestruturas, impulsionando um crescimento exponencial da economia da IA. No nível de sistemas, a Nvidia, através de clusters massivos de GPUs com integração apertada, como a NVL72, constrói uma arquitectura de “fábrica de IA” capaz de lidar com janelas de contexto mais longas, tarefas de inferência mais complexas e fluxos de trabalho de IA de múltiplos passos, promovendo a evolução das infraestruturas de IA na direcção de maior centralização, alta densidade e condução por sistemas.

No entanto, a verdadeira vala protegida da Nvidia não reside apenas no hardware. Do CUDA até ao software stack optimizado para inferência como TensorRT-LLM, a Nvidia está a transformar-se de fornecedor de chips para fornecedor de infraestruturas completas de IA. Prestadores de cloud como a Microsoft, Oracle e CoreWeave continuam a aproximar-se dessa arquitectura, reforçando ainda mais os efeitos de custos de mudança elevados no seu ecossistema e a estandardização na indústria. Os clientes deixam de comprar apenas GPUs; passam a adquirir uma plataforma completa de fábrica de IA.

Ainda assim, a intensidade competitiva no mercado de inferência está a aumentar significativamente. Os chips de inferência já não são uma opção secundária para GPUs de treino; estão a tornar-se o principal motor de capacidade de computação para serviços de cloud de IA, dispositivos de ponta (edge), sistemas embebidos e aplicações em tempo real. Com a dupla força do avanço do hardware e da expansão das aplicações, a questão central da competição de chips de IA está a mudar de forma fundamental: de “quem consegue treinar o maior modelo” para “quem consegue executar modelos com a máxima eficiência em cenários à escala”.

A mudança estrutural remodela o panorama competitivo da indústria de semicondutores

A migração do treino para a inferência excede já o próprio design de chips; está a penetrar profundamente em três dimensões: arquitectura de sistemas de IA, estratégias de deployment e estrutura da cadeia de abastecimento.

No nível dos modelos de negócio, a lógica económica da IA está a ser reestruturada de forma fundamental. O treino corresponde a despesas de capital, enquanto a inferência corresponde a receitas contínuas — a capacidade de computação deixa de estar ligada directamente a métricas técnicas para passar a ser vinculada à receita; as GPUs deixam de ser apenas dispositivos de hardware para se tornarem máquinas de geração de tokens. Esta mudança de paradigma significa que a escala e a eficiência das infraestruturas de inferência irão determinar directamente a capacidade de lucratividade e as barreiras competitivas das empresas de IA.

No nível da cadeia de abastecimento, a ascensão da era pós-treino — incluindo aplicações amplas de tecnologias como afinação (fine-tuning), LoRA e adaptadores — bem como meios de reforço de inferência como ajustes dinâmicos na estrutura de prompts e colaboração entre múltiplos modelos, estão a aumentar substancialmente a dependência de capacidade de computação de inferência, impulsionando uma expansão rápida da procura por hardware diversificado para inferência, como NPU, ASIC e FPGA.

Para os investidores, esta mudança estrutural sinaliza claramente o mercado: o foco do valor dos investimentos em infraestruturas de IA está a migrar da ponta do treino para a ponta da inferência; empresas que consigam obter vantagens simultaneamente em três dimensões — eficiência de inferência, controlo de custos e deployment à escala — vão assumir uma posição proactiva na próxima fase da competição por capacidade de computação de IA.

Aviso de riscos e cláusula de exclusão de responsabilidade

        O mercado comporta riscos, o investimento exige cautela. Este artigo não constitui conselho de investimento pessoal e não considera objectivos de investimento específicos de utilizadores individuais, a sua situação financeira nem necessidades particulares. Os utilizadores devem ponderar se quaisquer opiniões, pontos de vista ou conclusões no artigo estão em conformidade com as suas circunstâncias específicas. Em consequência, o investimento é da exclusiva responsabilidade do investidor.