A Nvidia é atualmente a líder indiscutível da revolução da IA, uma posição refletida na sua impressionante avaliação de mercado de vários triliões de dólares. No entanto, a mesma tecnologia que a Nvidia ajudou a criar – Inteligência Artificial – poderá em breve ser a ferramenta que desmantela a sua vantagem competitiva.
A indústria está vendo uma mudança em que a IA não é mais apenas o usuário de hardware, mas está se tornando cada vez mais o arquiteto e o otimizador dele.
O “fosso do software” sob cerco
O domínio da Nvidia não se baseia apenas na força bruta; ele é baseado em programabilidade. Embora muitos concorrentes ofereçam chips com desempenho teórico semelhante (operações de ponto flutuante), a Nvidia tem uma enorme vantagem em software. Suas bibliotecas e ferramentas especializadas tornam muito mais fácil para os desenvolvedores escreverem códigos que sejam executados com eficiência em seu hardware.
Isto criou uma grande barreira à entrada. Por exemplo, quando a Anthropic passou a executar seus modelos Claude no hardware Trainium da Amazon, a empresa teve que reescrever seu código do zero para garantir a eficiência.
Entra a Wafer, uma startup que visa preencher essa lacuna. Wafer está usando aprendizado por reforço para ensinar modelos de IA como escrever “código kernel” – o software de baixo nível que se comunica diretamente com o hardware. Ao automatizar o processo de otimização, o Wafer pretende:
– Democratizar a eficiência: Tornando mais fácil para hardware que não seja da Nvidia (como chips da AMD ou da Amazon) executar modelos complexos de IA.
– Reduza custos: Minimizando a necessidade de engenheiros de desempenho especializados e altamente caros.
– Maximizar a “inteligência por watt”: Garantir que o hardware não seja apenas poderoso, mas também altamente eficiente na forma como utiliza a energia.
Automatizando o projeto: IA no design de chips
Se a Wafer está otimizando a forma como o software é executado em chips, outra startup, Ricursive Intelligence, está abordando como os chips são construídos em primeiro lugar.
O design do chip é um dos feitos de engenharia mais complexos da Terra. É necessário organizar bilhões de componentes em um pequeno pedaço de silício e, em seguida, passar por testes rigorosos e iterativos para garantir que tudo funcione. Tradicionalmente, isto requer enormes equipas de especialistas humanos.
Fundada pelas ex-engenheiras do Google Azalia Mirhoseini e Anna Goldie, a Ricursive está trabalhando para automatizar os “longos pólos” do processo: projeto físico e verificação de projeto.
Sua visão inclui:
– Design de linguagem natural: uso de modelos de linguagem grande (LLMs) para que os engenheiros possam descrever alterações ou fazer perguntas sobre um chip usando texto simples.
– Iteração acelerada: uso de IA para otimizar o layout de componentes, uma técnica pioneira anteriormente no Google.
– A “Lei de Escalonamento” para Hardware: O potencial para um loop recursivo onde a IA projeta chips melhores, que por sua vez fornecem mais computação para projetar chips ainda melhores.
Por que isso é importante: a mudança em direção ao silício personalizado
A indústria de tecnologia já está migrando para o silício personalizado. Gigantes como Apple, Google, Amazon e Meta estão desenvolvendo seus próprios chips proprietários para adaptar o hardware especificamente às suas necessidades de software.
Historicamente, o “gargalo” para essas empresas não tem sido o hardware em si, mas o enorme esforço de software e design necessário para fazer esse hardware funcionar. Se a IA puder automatizar tanto o design do chip (Ricursive) quanto a otimização do código (Wafer), o “fosso” que cerca a Nvidia começa a evaporar.
“O fosso reside na programabilidade do chip… Acho que é hora de começar a repensar se esse é realmente um fosso forte.” — Emilio Andere, CEO da Wafer
Conclusão
A ascensão do design de chips baseado em IA e da otimização de software representa uma mudança fundamental na indústria de semicondutores. Se a IA conseguir automatizar com sucesso as partes mais difíceis da engenharia de hardware, a barreira para a criação de silício personalizado de alto desempenho cairá, potencialmente encerrando a era de domínio de um único fornecedor na era da IA.
