O CUDA foi talhado aberto — não em toda a sua largura, mas em um ponto decisivo. Entender onde esse ponto está, e por que ele está ali, revela mais sobre os próximos três anos da infraestrutura de IA do que o número de manchete.
O fato bruto: uma startup de um ano chamada Infinity usou seu agente de programação de IA próprio, o Ignition, para construir uma stack de software de nível CUDA para a startup de chips d-Matrix em dez horas. A reação da indústria que se seguiu — os atacantes, os defensores e os céticos — esboça o verdadeiro mapa de onde está o fosso da Nvidia.
O que aconteceu naquelas 10 horas
O fluxo de trabalho do Ignition é desconcertantemente simples. Ele gera um kernel de GPU, compila, roda os testes, mede o desempenho e reescreve o código com base no feedback. Engenheiros humanos fornecem apenas a direção de alto nível; o agente percorre o trabalho braçal em loop por conta própria.
Jeremy Nixon, fundador da Infinity e ex-pesquisador do Google Brain, disse à Business Insider que o resultado mostra um dos fossos mais profundos da Nvidia sendo atravessado. A empresa hoje está avaliada em cerca de US$ 100 milhões, com uma captação de US$ 15 milhões — números que indicam que o mercado não está tratando isso como um experimento científico.
E a Infinity não está agindo sozinha. Liang Wenfeng, fundador da DeepSeek, disse separadamente que agentes de programação de IA combinados com a linguagem própria da DeepSeek, TileLang, tornaram o desenvolvimento de software de IA de baixo nível dramaticamente mais fácil. A DeepSeek open-sourced o TileKernels, uma biblioteca de operadores de GPU escrita em TileLang, eliminando um grande volume de CUDA escrito à mão.
O CUDA foi rachado — não em toda parte, mas em uma costura crítica.
Três camadas, uma delas se soltando
Para ver o que a rachadura realmente ameaça, imagine o CUDA como três camadas empilhadas.
Camada um, a camada de kernels: kernels de GPU, compiladores e o runtime — o código que faz o silício trabalhar. Camada dois, a camada de bibliotecas: bibliotecas matemáticas altamente otimizadas como cuBLAS e cuDNN, além de ferramentas de depuração e verificação. Camada três, a camada de ecossistema: frameworks como PyTorch e TensorFlow, milhões de linhas de código corporativo acumuladas por cima, e a comunidade de desenvolvedores que mantém tudo isso unido.
A Infinity foi direto à camada um: geração e otimização automáticas de kernels de inferência para chips quaisquer. Essa é a estratosfera mais artesanal da stack e o maior obstáculo de software entre um chip novo e seu primeiro cliente. O custo histórico dessa camada para um novo silício ia de meses a anos. Um ciclo de agente medido em horas não é uma melhoria incremental — muda quem pode plausivelmente entrar no mercado.
Por que o lado da inferência rachou primeiro
Treinamento e inferência são guerras diferentes, travadas com economias diferentes.
Treinamento significa milhares de aceleradores moendo em sincronia por meses. Ele é impiedoso com desempenho, estabilidade e comunicação em escala de cluster, e as vantagens acumuladas do CUDA ali — bibliotecas de comunicação, recuperação de falhas, depuração em escala de supercomputador — continuam quase insubstituíveis. Nenhum grande laboratório troca de plataforma de treinamento de forma casual.
Inferência roda em um único cartão ou em um cluster pequeno. Os compradores não se importam mais com desempenho absoluto; eles se importam com custo por resposta. Qualquer coisa que rode o modelo de forma barata ganha uma chance.
Marshall Choy, diretor comercial da empresa coreana de chips de IA Rebellions, foi direto ao ponto: “Do lado da inferência, o CUDA não é mais o fator decisivo. Isso vai ser uma competição de software open-source.” Frameworks de inferência que rodam em múltiplos chips significam que os usuários podem trocar de hardware sem reescrever código — e no momento em que a troca é gratuita, o mecanismo central de lock-in do CUDA para de funcionar.
A própria d-Matrix é uma empresa de chips de inferência. O cofundador Sid Sheth argumentou que a oportunidade de inferência acabará superando a de treinamento — que é exatamente por isso que a empresa contratou um agente de IA, e não cem engenheiros, para construir sua base de software.
Atacantes, defensores e um cético
Os atacantes:
- Infinity — habilitação de chips acelerada por agentes, mirando de frente o mercado de inferência; uma stack de nível CUDA em dez horas.
- DeepSeek — TileLang e TileKernels substituem o CUDA escrito à mão por uma linguagem de nível mais alto, derrubando o piso do desenvolvimento de baixo nível.
- Rebellions, Cerebras, Amazon Inferentia, Google TPU, AMD MI300X — fabricantes de chips e gigantes de nuvem já posicionados no campo de batalha da inferência.
Os defensores:
- Os próprios agentes de IA da Nvidia. Ankit Patel, VP do ecossistema de desenvolvedores da empresa, diz que a Nvidia usa agentes internamente “para desenvolver o CUDA mais rápido e validá-lo em maior escala”.
- A cadeia de verificação do CUDA. Bing Xu, ex-engenheiro da Nvidia e fundador da INT21, observa que agentes podem gerar volumes enormes de código, mas a verificação é o verdadeiro gargalo — e o ativo mais profundo do CUDA é justamente seu ecossistema de verificação.
E o cético no meio: Chris Lattner, fundador da Modular e criador do LLVM, jogou água fria no triunfalismo. Escrever código, ele argumenta, é apenas uma pequena fatia da engenharia de software; a otimização de nível de produção é o que realmente determina o desempenho de um chip. O software de chips é um campo pequeno e de elite, com dados de treinamento escassos — um mau encaixe para modelos que aprendem com volume. E migrar milhões de linhas de código corporativo existente é uma decisão organizacional, não técnica.
O fosso está se mudando de lugar, não desaparecendo
Pesar os argumentos revela um quadro mais nítido.
1. O treinamento está seguro, por enquanto. A régua de qualidade — coordenação de cluster, estabilidade, desempenho bruto — é tão alta que toda alternativa enfrenta uma curva de validação brutal. O lock-in ali permanece profundo.
2. A brecha da inferência está aberta, mas aberto não é derrubado. A velocidade dessa mudança depende de uma corrida: se os agentes de IA melhoram a produtividade no software de chips mais rápido do que a Nvidia melhora o próprio CUDA.
3. O fosso está migrando de estoque de código para verificação. Este é o insight-chave de todo o episódio. Quando gerar código se torna quase gratuito, o recurso escasso passa a ser provar que o código está certo — correto nos casos extremos, estável sob carga de produção. A previsão de Bing Xu de que a verificação se tornará o próximo fosso do CUDA merece ser levada a sério.
4. A inferência será um campo de batalha open-source. Frameworks de inferência multiplataforma dão aos usuários mobilidade independente de chip — o oposto estrutural do lock-in do CUDA. O open-source vence onde a troca é o produto.
O que os profissionais devem observar
- Agentes de IA em software de sistemas. Se os agentes continuarem cortando os custos de habilitação de chips, entrar no mercado fica mais barato — mais concorrentes, iteração mais rápida, preços menores.
- Os custos de inferência podem cair mais rápido que os de treinamento. Silício barato de inferência mais stacks de software construídas por agentes é uma combinação com efeito composto, e a inclinação pode superar qualquer coisa vista no lado do treinamento.
- Reavaliar a verificação. Quando a geração de código é uma commodity, testes e validação se tornam a nova barreira competitiva — uma lição que se aplica a todo campo onde a IA escreve código, não só chips.
- O contragolpe da Nvidia de combinar fogo com fogo. Os próprios agentes da Nvidia também aceleram seu desenvolvimento. Isso reduz a vantagem relativa dos atacantes — e acelera o relógio de todos.
O resumo em uma linha: o CUDA não foi disruptado, mas seu fosso está migrando de “vinte anos de código” para “vinte anos de ferramentas de verificação” — e a inferência é o primeiro campo de batalha dessa migração.
O suspense final dessa disputa não é quem vence sob a antiga definição do fosso. É quem está parado no lugar certo sob a nova.
