O Google está supostamente negociando a venda de suas unidades de processamento tensorial para rivais como Meta e Anthropic, podendo perturbar a liderança da Nvidia em hardware de IA. Esses chips personalizados, projetados especificamente para tarefas de IA, oferecem ganhos de eficiência que podem economizar milhões para as empresas. Com a demanda por computação de IA em alta, essa mudança destaca a diversificação crescente no setor.
O Google pioneirou as unidades de processamento tensorial (TPUs) em 2016, criando chips otimizados para as multiplicações de matrizes centrais no treinamento e execução de grandes modelos de IA. Diferentemente das unidades de processamento gráfico de propósito geral (GPUs), dominadas pela Nvidia, as TPUs focam exclusivamente nesses cálculos paralelos, reduzindo ineficiências em cargas de trabalho de IA.
Este ano, o Google lançou a TPU de sétima geração, chamada Ironwood, que suporta seus próprios modelos, como Gemini para processamento de linguagem e AlphaFold para modelagem de proteínas. Especialistas notam que, embora as TPUs compartilhem semelhanças com GPUs, sua especialização as torna mais eficientes para aplicações específicas de IA. "Elas podem ser muito mais eficientes para esses trabalhos e economizar potencialmente dezenas ou centenas de milhões de dólares", diz Simon McIntosh-Smith, da Universidade de Bristol, no Reino Unido.
Historicamente, o Google usou TPUs internamente por mais de uma década, mas relatórios recentes indicam uma virada para vendas externas. Empresas como Meta e Anthropic planejam supostamente investimentos de bilhões de dólares em TPUs do Google, buscando alternativas aos GPUs escassos e caros da Nvidia. Essa jogada pode fomentar a competição, permitindo que compradores negociem melhores termos com a Nvidia enquanto diversificam cadeias de suprimentos.
Francesco Conti, da Universidade de Bolonha, na Itália, explica o apelo: as TPUs se destacam em paralelismo adequado à IA, embora seu design nichado arrisque inflexibilidade se os modelos evoluírem rapidamente. Outros hiperscalers, como a Amazon com seus chips Trainium, também estão construindo hardware personalizado em meio à escassez de GPUs. Como observa McIntosh-Smith, "O que não ouvimos é sobre grandes clientes mudando, e talvez seja isso que está começando a acontecer agora." Essa tendência sinaliza a maturação da infraestrutura de IA, podendo remodelar a paisagem de hardware da indústria.