O Google está desenvolvendo um novo chip de inteligência artificial projetado para operar seus modelos Gemini com muito mais eficiência, de acordo com um relatório publicado pela primeira vez pela publicação de tecnologia The Information. O esforço – que o The Information disse ser conhecido internamente pelo codinome “Frozen” – elevou as ações da Alphabet visivelmente à medida que os investidores apostavam que uma inferência mais barata e mais rápida poderia proteger as margens do Google à medida que os custos de computação de IA aumentassem.
O relatório foi rapidamente confirmado e ampliado nos meios de comunicação financeiros. A Reuters relatou que “o Google planeja um novo chip para executar os modelos Gemini com mais eficiência”, citando The Information, enquanto a CNBC escreveu que “as ações da Alphabet aparecem após o relatório de que está desenvolvendo um chip de IA mais eficiente”. A Bloomberg também relatou que “o Google compartilha ganho com relatório de chip para aumentar a eficiência da IA”. A reação consistente do mercado sublinha o quão sensíveis os investidores se tornaram a qualquer sinal de que um grande laboratório de IA possa reduzir o custo de servir modelos.
Por que a eficiência agora é mais importante do que a energia bruta
O avanço dos chips ocorre em um momento em que a economia da IA está sob intenso escrutínio. Como Tom's Hardware observou numa análise separada no mesmo dia, a indústria enfrenta "o paradoxo duradouro da economia da IA" - os modelos continuam a ficar melhores e mais eficientes, mas o custo total de operá-los ainda pode sair do controlo à medida que a utilização aumenta. O problema não é apenas treinar; é a inferência, o custo contínuo de responder a cada consulta, que domina a conta à medida que os produtos chegam a milhões de usuários.
Um chip desenvolvido especificamente para tornar a inferência do Gemini mais barata resolveria exatamente essa pressão. O Google atende Gemini em produtos de consumo como o Search e seu chatbot, bem como por meio de sua divisão de nuvem, o que significa que mesmo ganhos modestos em eficiência se traduzem em grandes economias em escala. Os investidores leram claramente o relatório como um sinal de que a Google pretende defender essa posição económica com silício personalizado, em vez de depender apenas de aceleradores disponíveis comercialmente.
A longa aposta do Google em silício personalizado
O projeto Frozen se encaixa perfeitamente na estratégia bem estabelecida do Google de projetar seus próprios chips de IA. A empresa vem construindo há anos suas Unidades de Processamento Tensor, ou TPUs, que alimentam cargas de trabalho internas e são oferecidas aos clientes da nuvem. O Google também projetou silício personalizado para seus telefones Pixel e trabalhou para reduzir os modelos de IA para que pudessem rodar em dispositivos de consumo, e não apenas em grandes data centers.
O que supostamente distingue o esforço da Frozen é seu foco explícito na eficiência para servir a Gemini. Embora as TPUs tenham sido historicamente otimizadas tanto para treinamento quanto para inferência, um chip ajustado especificamente para o custo de resposta a consultas sinaliza onde o Google acredita que a próxima batalha competitiva será travada: não apenas quem pode construir o modelo mais inteligente, mas quem pode fornecê-lo de forma mais barata. Essa lógica alinha-se com uma mudança mais ampla na indústria, na qual o custo de inferência – e não a capacidade máxima – decide cada vez mais quais produtos sobrevivem.
A medida também fortalece a integração vertical do Google. Ao possuir o modelo, a pilha de software e o silício abaixo dela, o Google pode co-projetar cada camada para as outras de uma forma que os compradores de chips prontos para uso não conseguem igualar facilmente.
A rivalidade mais ampla dos chips
O Google não está sozinho na corrida. A Nvidia continua a dominar o mercado dos aceleradores de IA mais poderosos, e rivais como a Amazon, que lançou seus próprios chips de IA personalizados, e um campo crescente de startups concluíram que controlar o silício é essencial para competir em custos. O relatório do Google surgiu em um dia em que a história mais ampla do hardware de IA estava em andamento: os planos da ASML de aumentar os preços de suas máquinas de litografia avançadas frustrariam a TSMC, um lembrete de que toda a cadeia de suprimentos de IA – desde as máquinas que imprimem chips até os chips que executam modelos – está sendo reavaliada em tempo real.
Para a Alphabet, o apelo estratégico é duplo. A inferência mais barata protege a lucratividade dos recursos de IA integrados em seus produtos de consumo e fortalece o discurso do Google Cloud para clientes empresariais que estão intensamente focados no custo de implantação de modelos. Ambas são importantes numa altura em que os investidores exigem provas de que o enorme capital investido na infra-estrutura de IA acabará por produzir lucros duradouros, em vez de uma corrida ao fundo do poço comoditizada.
O que assistir
O relatório da Information significa que, por enquanto, os detalhes permanecem limitados e o Google não confirmou publicamente o projeto Frozen, suas especificações ou um cronograma. O que está claro é a intenção: o Google vê a inferência eficiente como uma fronteira competitiva decisiva e está disposto a projetar silício dedicado para conquistá-la. À medida que o custo de funcionamento dos modelos de IA determina cada vez mais quais os produtos que prosperam, as empresas que controlam os seus próprios chips — e podem ajustá-los aos seus próprios modelos — deterão uma vantagem estrutural.
O sinal para o resto da indústria é que a corrida aos chips de IA está a mudar de uma competição pelo poder de treino bruto para uma competição pelo custo por consulta, e o hardware AI pode determinar os vencedores.
Fique à frente da IA
O silício personalizado está silenciosamente se tornando o fator decisivo para quem lucra com a IA. Para cobertura contínua dos chips, modelos e economia que moldam a indústria, visite nossa página inicial em aibuzzwire.news.
Leia mais notícias sobre IA →
