Existe uma ironia particular permeando a maior história sobre chips de agosto: a Nvidia passou quase vinte anos cultivando o ecossistema de software de IA mais rico do mundo, e o agente de IA que acaba de replicar a camada central da CUDA em dez horas cresceu dentro desse mesmo ecossistema. O fosso não está sendo invadido por fora. Está sendo digerido por algo que a indústria — com a Nvidia gritando mais alto que todos — passou duas décadas alimentando.
Os fatos sobre a mesa: a Infinity, uma startup com pouco mais de um ano, usou seu agente de código proprietário, o Ignition, para construir uma stack de software de baixo nível completa para os chips de inferência da empresa de silício de IA d-Matrix. Geração de kernels, compilação, testes, otimização de performance — todo o pipeline foi executado por IA, e levou dez horas. No primeiro acesso ao hardware, o Ignition alcançou 92% do pico teórico do chip; em dez dias, Qwen3, Qwen3.5 e Gemma4 estavam rodando de ponta a ponta, com cada camada de código gerada do zero pelo agente. O mesmo fluxo de trabalho historicamente consumiu equipes de engenharia por meses, às vezes anos.
Isso não é alarmismo. É um resultado documentado — e a pergunta interessante é o que ele realmente prova.
O que o Ignition Fez — e o que Deixou de Lado
A CUDA — Compute Unified Device Architecture — não é uma linguagem de programação. É uma plataforma de software de três andares construída em torno das GPUs da Nvidia:
- Térreo (camada de kernels): geração de kernels, compiladores, runtimes — a camada de instruções que faz o silício computar.
- Andar do meio (camada de bibliotecas): bibliotecas altamente otimizadas como cuBLAS e cuDNN, com duas décadas de depuração, verificação e ferramentas de profiling.
- Andar de cima (camada de ecossistema): integração com PyTorch e TensorFlow, montanhas de código corporativo e fluxos de trabalho, e uma comunidade de milhões de desenvolvedores.
O Ignition passou pelo térreo. Ele gera e otimiza automaticamente kernels de inferência para chips específicos e constrói capacidade de software de baixo nível em torno deles, executando um loop de agente clássico: escrever código, compilar, rodar, testar correção e performance, iterar sobre o feedback. A tarefa se adapta aos agentes de forma quase suspeitamente boa porque os sinais de feedback são inequívocos — compila, o resultado está certo, ficou mais rápido? Nenhum julgamento difuso é necessário.
O que o Ignition não fez foi copiar a stack completa da CUDA. O andar de bibliotecas polido por vinte anos ficou intocado; o ecossistema de milhões de desenvolvedores, ainda mais. O que ele demonstrou é algo mais consequente: um novo caminho é viável.
Por que Desta Vez é Diferente
Histórias sobre a CUDA sendo substituída surgem a cada poucos meses. O ROCm da AMD, o oneAPI da Intel, o TPU do Google — cada desafiante chegou às conclusões dos analistas de “não vai abalar nada”. Essas conclusões estavam corretas, e a razão de estarem corretas explica por que a onda atual é diferente.
Todo desafio anterior à CUDA foi um jogo de efetivos. Depor a CUDA significava montar uma organização de engenharia semelhante à da própria Nvidia, e então se arrastar por anos de adaptação, otimização e validação — uma disputa que a Nvidia vence por escala, todas as vezes.
O caminho do Ignition é um jogo de computação. A IA gera o código, a IA testa e otimiza, e a restrição central na construção de software muda de quantos engenheiros de elite você consegue contratar para quanta computação você consegue alugar. Computação é uma commodity, com preço e disponível para qualquer um. A estrutura de custos da stack de software acaba de se desacoplar do efetivo — e nenhum incumbente jamais defendeu um fosso construído sobre efetivos contra um oponente cujos custos escalam com hardware commodity.
A DeepSeek está executando a mesma jogada por outra direção, abrindo o código de sua biblioteca de operadores TileKernels, escrita na linguagem autodesenvolvida TileLang, para reduzir CUDA escrita à mão. O fundador Liang Wenfeng disse recentemente que agentes de código mais TileLang tornam a construção de software de IA substancialmente mais fácil.
O Campo de Batalha é a Inferência
A segunda diferença é onde o terreno foi rompido. A computação de IA se divide em treinamento e inferência, e no lado do treinamento a CUDA permanece quase sem resposta — execuções massivas punem instabilidade, punem oscilação de interconexão, punem tudo, e as empresas compram plataformas de treinamento de acordo.
A inferência opera sob outra física. Marshall Choy, diretor comercial da fabricante coreana de chips Rebellions, é direto sobre isso: “Do lado da inferência, a CUDA não é mais o fator decisivo. Isso será uma competição de software open source.” Compradores de inferência não adoram performance de pico; eles contam custo por resposta. Bom o suficiente e barato vence perfeito e caro, o que significa que eles vão tentar qualquer coisa que funcione.
Crucialmente, o software de inferência pode rodar em vários chips. Um framework que suporta muitos aceleradores permite que os usuários troquem de hardware sem reescrever uma linha sequer — e o vendor lock-in, o maior rebite que segura a CUDA no lugar, simplesmente deixa de atuar nesse lado do mercado.
O Fosso Está se Realocando em Três Horizontes de Tempo
Curto prazo: a dominância da Nvidia no lado do treinamento não se move. Estabilidade em escala de cluster, comunicação entre chips, recuperação de falhas — nada disso surge de uma execução de agente de dez horas. Mas a inferência se torna imediatamente o segundo campo de batalha. d-Matrix, Rebellions, Cerebras, AMD, Inferentia da Amazon, TPU do Google já estão implantados nele, e nenhum deles precisa depor a Nvidia por completo. Eles só precisam provar que, em cargas de trabalho específicas de inferência, a vida sem CUDA é mais rápida ou mais barata.
Médio prazo: a observação mais aguda de todo esse episódio pertence a Bing Xu — fundador da INT21, cuja empresa anterior de software para chips, a HippoML, foi ela mesma adquirida pela Nvidia. Agentes podem inundar um repositório com código em uma hora, ele observa, mas a verificação é o gargalo: gerar dez mil linhas é rápido, enquanto provar que essas linhas estão corretas e estáveis em condições de contorno é brutalmente lento. O ativo mais profundo da CUDA é sua cadeia de ferramentas de verificação. O fosso está migrando de código acumulado para um ecossistema de verificação e otimização — e geração de código é o que a IA faz de melhor, enquanto verificação em domínios de silício de nicho, densos em conhecimento especializado e escassos em dados de teste, continua sendo o que ela faz de pior. Quem plantar bandeira na verificação primeiro vence a próxima era.
Longo prazo: o defensor também acelera. O VP de ecossistema de desenvolvedores da Nvidia, Ankit Patel, diz claramente que a Nvidia usa agentes de IA para desenvolver a CUDA mais rápido e validá-la em maior escala. Atacar com a própria lança do atacante, e a vantagem relativa do atacante se desconta. O enquadramento de Xu permanece como a previsão mais limpa disponível: a disputa se decide se os desafiantes conseguem fechar a lacuna mais rápido do que a Nvidia a amplia.
Quatro Julgamentos para Agir
- Se você compra hardware de inferência: olhe além da folha de especificações. Pergunte se o ecossistema de software do chip suporta frameworks de inferência entre chips — compatibilidade multi-acelerador no vLLM, no TensorRT-LLM e seus pares — porque essa compatibilidade é seu futuro poder de barganha contra qualquer fornecedor.
- Se você é engenheiro de infraestrutura de IA: dedique horas reais a mapear o que agentes de código de IA conseguem e não conseguem fazer na geração de kernels de GPU. Acompanhe o Ignition e o TileKernels da DeepSeek como dois caminhos vivos — essa é possivelmente a aposta de habilidade de maior alavancagem que você pode fazer nos próximos doze meses.
- Se você dirige uma startup de chips: sua competência central não é mais “quão perto nosso silício chega do da Nvidia”. É “quão rápido nosso software habilitador roda”. Comprimir a adaptação de doze meses para um com agentes, e um hardware com 70% da performance da Nvidia ainda abre espaço em um mercado viável.
- Se você investe: observe a categoria de stacks de software para chips nativas de IA. O seed de US$ 15 milhões da Infinity com avaliação de US$ 100 milhões é o preço de abertura, não o teto. Quando a IA pode gerar software de computação de baixo nível sob demanda, empreender em chips fica mais barato de entrar — e a lógica de investimento migra de apostar em hardware para apostar em ecossistemas de software.
A tese em uma linha: o fosso de vinte anos da CUDA da Nvidia não foi violado por um concorrente — foi redefinido por um novo modo de produzir software, no qual a substância do fosso muda de código acumulado para um ecossistema de verificação, e a mudança começa do lado da inferência.
A coisa que se alimenta do fosso foi criada dentro dele. Isso não é uma metáfora para temer; é um mecanismo para estudar.
