Na semana passada, o mundo da IA e o do silício foram atingidos por uma mesma detonação: a Infinity, uma empresa de software com pouco mais de um ano de vida, usou agentes de codificação por IA para construir uma stack de classe CUDA para a startup de chips d-Matrix em dez horas. A conversa se dividiu instantaneamente em dois campos — um entoando que a Nvidia acabou, o outro descartando todo o episódio como mera demonstração.
Ambos os campos estão errados, e a verdade é consideravelmente mais interessante do que qualquer um dos slogans. Aqui está o que realmente aconteceu, o que isso ameaça e o que deixa intacto.
O que Dez Horas Realmente Compraram
O produto da Infinity é um agente de pesquisa em IA chamado Ignition, e ele funciona como um engenheiro de kernels humano — só que absurdamente mais rápido. O ciclo tem quatro etapas: gerar código de kernel para GPU ajustado à arquitetura do chip-alvo, rodar testes para confirmar a correção, medir o desempenho contra o teto do hardware e reescrever com base no feedback. Escrever, compilar, rodar, testar, otimizar — repetir sem pausas para café.
No primeiro contato com o chip Corsair da d-Matrix, o Ignition alcançou 92% do pico teórico do chip em dez horas e, em seguida, colocou três modelos de fronteira — Qwen3, Qwen3.5 e Gemma4 — rodando de ponta a ponta em dez dias. Para efeito de comparação: escrever software de inferência de baixo nível para um chip novo historicamente levava de meses a anos. Os investidores responderam à compressão na medida certa: uma rodada seed de US$ 15 milhões com avaliação de US$ 100 milhões.
Como É Realmente o Fofo do CUDA
As pessoas tratam o CUDA como uma linguagem de programação. Na verdade, ele é uma plataforma de software inteira que envolve as GPUs da Nvidia, e se decompõe em três camadas:
- A camada de baixo: compiladores de kernel e runtimes — o código que faz o silício de fato computar.
- A camada do meio: bibliotecas altamente otimizadas como cuBLAS e cuDNN, além das toolchains de depuração e verificação em torno delas.
- A camada de cima: frameworks como PyTorch e TensorFlow, oceanos de código empresarial e fluxos de trabalho acumulados, e um ecossistema de desenvolvedores que conta nos milhões.
Uma analogia útil: uma GPU da Nvidia não é uma máquina-ferramenta, é uma fábrica. A camada de baixo diz a cada máquina o que fazer, a do meio fornece ferramentas prontas, e a de cima é um sistema de produção que roda há anos. Os clientes não estão comprando uma placa — estão comprando uma fábrica que funciona no dia em que chega. É por isso que o hardware da Nvidia pode ser perseguido, enquanto seus clientes permanecem no lugar: eles contrataram um sistema, não um chip.
Então, qual camada o Ignition replicou em suas dez horas? Essencialmente a de baixo. A força do Ignition é gerar e otimizar kernels de inferência para chips arbitrários e montar capacidade de software de baixo nível em torno deles, e a empresa está desenvolvendo uma biblioteca universal de inferência que mira vários chips ao mesmo tempo. Isso é genuinamente valioso — e não é uma reprodução do ecossistema de vinte anos do CUDA.
Você não precisa replicar todo o CUDA para levantar US$ 15 milhões. Essa frase é a verdadeira manchete, e ela diz mais sobre o mercado do que qualquer um dos campos percebeu.
O Verdadeiro Campo de Batalha É Inferência, Não Treinamento
Aqui está a parte mais sutil da história. O poder computacional de IA se divide em treinamento e inferência, e no lado do treinamento o CUDA permanece quase inexpugnável — execuções de meses em dezenas de milhares de placas punem qualquer instabilidade, e as empresas que compram plataformas de treinamento são maximalistas em conservadorismo.
A inferência vira a mesa. Marshall Choy, diretor comercial da coreana Rebellions, afirma sem rodeios: “No lado da inferência, o CUDA não é mais o fator decisivo. Isso será uma competição de software open-source.” A razão é econômica. O treinamento otimiza para desempenho absoluto — clusters gigantes, meses em sincronia, tolerância zero a falhas. A inferência otimiza para custo por token — clusters pequenos, até placas individuais, e o que rodar mais barato vence.
E o software de inferência pode rodar em múltiplos chips. Um framework que suporta muitos aceleradores permite ao usuário trocar de hardware sem reescrever código — e, nesse momento, o mecanismo central de aprisionamento do CUDA deixa de funcionar.
Os valores em jogo são enormes. Em 2026, projeções indicam que a inferência consumirá cerca de dois terços de todo o gasto com computação de IA, enquanto a Nvidia ainda controla aproximadamente 80% do mercado de aceleradores de IA para datacenter — uma dominância construída muito mais sobre o aprisionamento por software do que sobre superioridade de silício. AMD, Qualcomm e AWS todas vendem chips que parecem fortes no papel, e o Corsair da d-Matrix faz trabalho real hoje. A indústria nunca teve falta de bons chips; teve falta de bom software para manejá-los. Os agentes de codificação estão reescrevendo essa equação.
Três Frentes Fechando sobre o CUDA
A Infinity é uma coluna de um assalto maior. Pelo menos três linhas independentes agora convergem sobre a mesma fortaleza.
Frente um: agentes que geram o próprio software de baixo nível. Este é o caminho da Infinity — agentes de IA que escrevem, testam e otimizam kernels de GPU, comprimindo a habilitação de software de um chip novo de anos para dias. A essência é resolver o problema de partida a frio: se você não pode contratar um ecossistema de software maduro para existir, gere um.
Frente dois: linguagens de alto nível que substituem o CUDA escrito à mão. A DeepSeek recentemente tornou open-source o TileKernels, uma biblioteca de operadores de GPU de alto desempenho construída sobre o TileLang e contendo 44 operadores de nível de produção. O TileLang — desenvolvido por uma equipe da Universidade de Pequim — é um DSL de GPU embarcado em Python posicionado entre o Triton e o CUDA puro: mais controle que o Triton, dramaticamente mais produtivo que escrever kernels à mão. A frase que importa: o TileKernels não contém uma única linha de CUDA C++. Os backends do TileLang já cobrem NVIDIA, a MI300X da AMD e o Ascend da Huawei, então código escrito hoje migra para hardware não-Nvidia sem reescrita. Liang Wenfeng, fundador da DeepSeek, disse publicamente que agentes de codificação mais TileLang tornam a construção de software de IA drasticamente mais simples.
Frente três: os gigantes construindo suas próprias stacks. O TPU do Google, o Trainium e o Inferentia da Amazon, o Maia da Microsoft — cada um vem embrulhado num ecossistema de software que a empresa precisou construir sozinha, a um custo enorme. Documentação interna da Amazon teria listado o CUDA como o principal obstáculo à adoção de seus próprios chips de IA. O motivo dos gigantes não é ideológico; é velocidade de escape.
O Fofo Está Migando, Não Desaparecendo
Declarar o CUDA quebrado ainda é prematuro, e as vozes mais sóbrias vêm de quem trabalhou dentro da fortaleza. Bing Xu, fundador da INT21 e ex-engenheiro da Nvidia, coloca a restrição com precisão: “Um agente pode gerar uma montanha de código em uma hora, mas a verificação é o verdadeiro gargalo.” Produzir dez mil linhas é rápido; provar que essas linhas estão corretas e estáveis em todas as condições de contorno é lento. O ativo mais profundo do CUDA é justamente sua toolchain de verificação — e Xu prevê que, na era dos agentes, esse ecossistema de verificação se torna o próximo fofo do CUDA.
Chris Lattner, cofundador da Modular, adiciona três baldes de água fria: escrever código é uma pequena fração da engenharia de software, e a otimização de nível de produção é o que realmente determina o desempenho do chip; o software de chips é um campo pequeno e de elite cujo código público é escasso, então os dados de treinamento disponíveis para a IA são limitados; e migrar milhões de linhas de código empresarial existente é uma decisão organizacional, não técnica.
Há também um contra-ataque já em andamento: a Nvidia também está usando IA. Ankit Patel, VP do ecossistema de desenvolvedores da empresa, diz que a Nvidia emprega agentes de codificação para construir o CUDA mais rápido e validá-lo em maior escala — mais de 30 mil engenheiros dentro da empresa agora usam ferramentas dedicadas de codificação por IA, e a produção de código triplicou. O resumo de Xu é o enquadramento mais limpo disponível: essa disputa se decide se a velocidade de alcançar dos desafiantes pode exceder a velocidade de auto-iteração da Nvidia.
O que os Profissionais Devem Levar Disso
- O custo de inferência é a nova linha de frente. À medida que o treinamento converge e as capacidades dos modelos se agrupam, quem empurrar o custo por token para o mínimo detém o bilhete para a próxima onda de aplicações. Agentes acelerando ecossistemas de software de chips são, no fundo, engenharia de custo de inferência.
- “IA construindo IA” deixou de ser um slogan. A Infinity e a DeepSeek mostram a IA participando da construção da própria infraestrutura da IA. Essa metacapacidade autorreforçada pode abalar a indústria mais rápido do que qualquer avanço técnico isolado.
- Nunca trate um fofo como estático. A defesa do CUDA está migrando de código acumulado para um ecossistema de verificação e otimização. Quem ocupar primeiro o novo terreno vence o próximo round — um sinal estratégico para quem constrói infraestrutura ou ferramentas de IA.
- A cadeia de queda de custos continua rodando. O lançamento oficial do DeepSeek V4 Flash empurrou os preços de inferência para o fundo do poço; agentes construídos por agentes agora custam poucos centavos por build em frameworks como o PenguinHarness; e agora até o software de habilitação de chips está sendo comprimido pela IA. Cada camada de custo em queda pavimenta o caminho para a próxima explosão de aplicações.
O fofo do CUDA da Nvidia não vai desaparecer este ano nem no próximo. Mas sua forma está mudando — de uma barreira construída sobre escrever código para uma barreira construída sobre verificá-lo.
E o sinal que mais importa para todos os outros na indústria pode ser este: a IA está se tornando a construtora de sua própria infraestrutura. Esse é o verdadeiro efeito borboleta.
