Em menos de um mês, a Anthropic fez duas coisas: contratou Clive Chan, membro central da equipe fundadora de chips da OpenAI, e foi revelado que mantém negociações secretas com a Samsung para uma parceria de fundição em 2nm. A mesa de pôquer da NVIDIA acabou de ver seu último jogador baixar uma carta. Esta não é mais uma história do tipo “fulano vai construir um chip”. É um sinal: o campo de batalha da competição em IA está migrando da camada de modelos para a camada full-stack. Durante dois anos, todos compararam de quem era o modelo mais inteligente — GPT-4, Claude, Gemini, uma rodada após outra de rankings e eventos de lançamento. Mas o movimento da Anthropic em direção aos chips revela um fato que a maioria das pessoas deixou passar: o teto do modelo depende cada vez mais não dos algoritmos, mas de quanta capacidade de computação você consegue mobilizar e a quão baixo custo. Quando cada grande laboratório tiver seu próprio chip, a “corrida de modelos” cederá lugar à “corrida full-stack”. Algoritmos, chips, datacenters, energia — uma corrida armamentista de quatro pilares será o principal campo de batalha da próxima década.
Por que a Anthropic Não Pode se Dar ao Luxo de Não Construir Chips
À primeira vista, as fontes de computação da Anthropic já são diversificadas o suficiente: AWS Trainium, TPU do Google, GPUs da NVIDIA — três cartas na mão. Em abril, assinou um contrato de dez anos com a AWS que ultrapassa US$ 100 bilhões, garantindo 5 GW de nova capacidade; em maio, alugou o cluster completo Colossus da SpaceX, da xAI — mais de 220.000 GPUs por cerca de US$ 1,25 bilhão mensais. Uma empresa com fontes de computação extremamente diversificadas, receita anualizada disparando de US$ 9 bilhões no início do ano para US$ 47 bilhões em maio, e US$ 65 bilhões em novos investimentos — por que entrar no negócio de fabricação de chips?
A resposta está escondida em uma entrevista em podcast de fevereiro do CEO Dario Amodei: “Se eu assumir que a receita continua crescendo 10× ao ano, no fim de 2026 serão US$ 100 bilhões, e no fim de 2027, US$ 1 trilhão. Posso encomendar US$ 1 trilhão em computação com base nisso. Mas e se eu estiver errado? E se o crescimento for 5×, e não 10×? Se a receita de 2027 for US$ 800 bilhões, e não US$ 1 trilhão, eu quebro. Nenhum hedge pode me salvar.”
Essa passagem expõe o dilema central que toda empresa de IA enfrenta: a computação é essencial, mas o poder de precificação da computação não é seu. Computação alugada — por mais abundante que seja — deixa o poder de negociação nas mãos dos outros. Quanto custa uma H100, você não decide. Onde a capacidade da TSMC será alocada, você não decide. Quando os gastos anuais do setor com computação caminham na direção dos trilhões de dólares, não ter seu próprio chip significa não ter sua própria tábua de salvação. E os concorrentes da Anthropic se movimentaram há muito tempo: o Google tem a TPU, a Amazon tem Trainium/Inferentia, a Microsoft tem a Maia, a Meta está desenvolvendo hardware próprio, e a OpenAI no mês passado lançou seu primeiro chip de inferência, o Jalapeño, em parceria com a Broadcom — do design ao tape-out em 9 meses, reivindicando o ciclo de desenvolvimento de ASIC mais rápido da história dos semicondutores de alto desempenho. A Anthropic é aproximadamente o último grande laboratório de IA ainda totalmente dependente de chips externos. A tentação da autonomia é forte demais.
Por que a Samsung 2nm
A escolha da Anthropic pela Samsung em vez da líder do setor, TSMC, é por si só uma decisão que merece análise. A capacidade de 2nm da TSMC está reservada até 2028-2029. Para uma empresa com receita anualizada de US$ 47 bilhões e crescimento explosivo, esperar não é uma opção. A fábrica de Taylor, da Samsung, deve atingir produção em massa de 2nm até 2027, potencialmente oferecendo um pacote integrado de memória HBM4 e encapsulamento avançado. Para a Anthropic, isso significa chegar ao mercado mais rápido e uma integração mais completa da cadeia de suprimentos. Mas há um enorme ponto de interrogação: o rendimento do 2nm da Samsung. Relatórios de abril mostravam que o rendimento do processo GAA de 2nm da Samsung estava travado em 60%, abaixo do limite de 70% da Qualcomm, mantendo o Snapdragon 8 Elite de sexta geração exclusivamente na TSMC. Uma diferença de 10 pontos é suficiente para empurrar grandes clientes para os concorrentes. Ao escolher a Samsung, a Anthropic está essencialmente apostando em duas coisas: primeiro, que a Samsung conseguirá elevar os rendimentos a níveis aceitáveis em 18-24 meses; segundo, que o gargalo de capacidade da TSMC é mais letal do que o risco de rendimento da Samsung. Os interesses dessa aposta vão além do chip da Anthropic: se a Samsung captar a Anthropic, somada à possibilidade do Google considerar produzir as próximas gerações de TPU na Samsung, o quase monopólio da TSMC na fabricação de chips de IA de alto endereço será rompido. Para a Samsung, o significado do pedido em potencial ultrapassa o financeiro — em maio, a Samsung se juntou à SK Hynix e à Micron participando da rodada Series F de US$ 65 bilhões da Anthropic. Esse investimento estratégico aposta não apenas no retorno financeiro, mas em se tornar o parceiro de hardware central da Anthropic.
A Corrida Full-Stack: Um Novo Arcabouço Analítico
O movimento da Anthropic em direção aos chips torna necessário um novo arcabouço para entender a competição em IA. Chamemos de arcabouço da “corrida full-stack”. Por cinco anos, a competição aconteceu principalmente na camada de modelos — parâmetros, benchmarks, taxas de alucinação. Essa era a lógica do “avanço pontual”. Mas os próximos cinco anos vão competir simultaneamente em quatro dimensões: Camada de algoritmos — arquitetura de modelos, métodos de treinamento, eficiência de inferência. O campo de batalha mais familiar. Camada de chips — eficiência, custo e segurança da cadeia de suprimentos de silício próprio ou customizado. O Jalapeño da OpenAI, o Samsung 2nm da Anthropic e a TPU do Google são disputas nessa camada. Camada de datacenter — velocidade de implantação de clusters, aquisição de energia, eficiência de refrigeração. O aluguel do Colossus pela Anthropic e o contrato de 5 GW com a AWS são jogadas dessa camada. Camada de energia — o acesso à energia se tornará o gargalo definitivo. Amodei prevê que os gastos anuais do setor com computação chegarão aos trilhões de dólares até 2028-2029, sustentados por uma demanda de eletricidade astronômica.
As quatro dimensões não são isoladas — elas se interligam. Um ganho de 10% na eficiência dos chips significa que a mesma eletricidade treina modelos maiores; uma implantação mais rápida de datacenters significa ciclos de iteração de modelos mais curtos; um custo de energia mais baixo significa despesas operacionais totais mais baixas. A percepção central da corrida full-stack é: o gigante da IA do futuro não será a empresa com o modelo mais forte, mas a empresa que alcançar a combinação ótima nas quatro dimensões. Nenhum campeão de dimensão única pode competir com um otimizador de quatro dimensões — porque os efeitos compostos entre as camadas são onde as margens reais vivem. O chip da Anthropic não é um produto; é uma posição estratégica em uma guerra que acabou de se expandir de uma dimensão para quatro.
