A Nvidia passou vinte anos construindo o império de software conhecido como CUDA. Uma startup de um ano e seu agente de pesquisa de IA levaram cerca de dez horas para colocar a primeira rachadura visível nele.
Isso não foi uma demo conceitual ou uma maquete amigável para a imprensa. O agente de pesquisa de IA da Infinity, o Ignition, gerou uma stack de software de baixo nível completa para o acelerador Corsair, da fabricante de chips de IA d-Matrix — e alcançou 92% do desempenho teórico máximo do chip. Em dez dias, três modelos de fronteira, Qwen3, Qwen3.5 e Gemma4, estavam rodando de ponta a ponta em um hardware que nunca haviam tocado antes. Um trabalho que historicamente consumia equipes de engenharia por meses, às vezes anos, foi comprimido em horas.
Um Curso Intensivo de CUDA, Escrito por um Agente
A Infinity é uma startup de infraestrutura de IA fundada por um ex-pesquisador do Google Brain. Seu produto, o Ignition, é um agente de pesquisa de IA construído especificamente para software em nível de chip — o código nada glamouroso que fica entre o silício e os modelos que todos realmente executam.
O que o Ignition faz é notavelmente concreto. Ele escreve kernels de GPU para um chip alvo, compila, executa, testa a correção, mede o desempenho e então reescreve o código com base no que aprendeu. Gerar, compilar, executar, testar, retroalimentar, revisar — um ciclo fechado sem mãos humanas no meio. Os engenheiros definem a direção de alto nível; o agente se desgasta com todo o resto.
No projeto com a d-Matrix, o Ignition teve seu primeiro contato com o hardware Corsair e, em dez horas, distribuiu a multiplicação de matrizes com paralelismo de tensores por todas as 32 unidades de computação do chip, a 92% do pico teórico. Dez dias depois, cada camada de três modelos de fronteira havia sido gerada do zero e validada por completo. O prazo padrão para esse trabalho, em toda a indústria, era de meses a anos.
A Infinity aplicou a mesma abordagem além de seus próprios clientes. A empresa demonstrou isso nos TileKernels da DeepSeek, uma biblioteca de operadores escrita na linguagem TileLang que igualmente reduz a quantidade de código de kernel de baixo nível escrito à mão que uma equipe precisa produzir.
A IA Está Commoditizando a Stack de Software de Chips
Para entender por que isso importa, você precisa ter clareza sobre o que é, de fato, o fosso da Nvidia. Não é o silício. As gerações de hardware se ultrapassam em uma corrida linear, e os rivais regularmente lançam especificações competitivas no papel. O que mantém os clientes presos é o ecossistema de software que envolve o CUDA: dezenas de bibliotecas matemáticas, depuradores, compiladores e frameworks de implantação, além de milhões de desenvolvedores que passaram anos aprendendo o modelo de programação CUDA.
Para uma nova empresa de chips, esse ecossistema é a armadilha. Projetar hardware competitivo é difícil, mas viável. O software é o fosso que você não consegue contornar. Cada novo chip precisa de kernels de baixo nível escritos do zero, modelos mainstream adaptados, desempenho testado e ajustado por meio de iteração após iteração. E os engenheiros capazes de fazer esse trabalho — pessoas que entendem tanto o hardware quanto as stacks de IA sobre ele — são escassos em todo o mundo.
O Ignition ataca exatamente essa escassez. A geração de kernels acaba sendo uma tarefa quase perfeita para um agente de IA: o objetivo é inequívoco (correto e rápido), o ciclo de feedback é nítido (erros do compilador, contadores de desempenho) e o espaço de iteração é enorme (ajuste de parâmetros, escolhas de escalonamento, alternativas algorítmicas). Os humanos eram o gargalo justamente porque o trabalho é tedioso, profundo e raro. Os agentes não se cansam disso, e não precisam ser contratados.
A consequência direta é que o custo de construir uma stack de software para chips está despencando. A Infinity já registra vários milhões de dólares em receita anualizada, e seus clientes são exatamente as empresas que você esperaria: novos fabricantes de chips desesperados por uma história de software. Em vez de contratar uma equipe de software de baixo nível com quarenta pessoas e gastar um ano, eles entregam seu hardware ao Ignition e recebem uma stack utilizável dias depois.
As Três Camadas do Fosso do CUDA
Desmonte o fosso e ele tem três camadas distintas.
A camada um é a camada de kernels — gerar e otimizar kernels de computação para um chip específico. É o estrato mais baixo, mais tedioso e mais intensivo em mão de obra da stack, e é precisamente onde o Ignition atacou.
A camada dois são as bibliotecas e a toolchain — cuBLAS, cuDNN, TensorRT, além dos depuradores e profilers ao redor delas. Essa camada fica mais acima, mas uma vez que os kernels podem ser gerados automaticamente, a adaptação das bibliotecas superiores também se acelera dramaticamente.
A camada três é o ecossistema de desenvolvedores — milhões de programadores CUDA, montanhas de documentação, comunidade, pipelines de treinamento. Essa continua sendo a camada mais difícil de replicar.
O que caiu em dez horas foi a camada um. O significado da camada um, porém, é que seu colapso coloca as outras duas sob pressão real pela primeira vez. Uma vez que os kernels de um novo chip podem ser produzidos rapidamente, o chip pode rodar modelos mainstream. Uma vez que roda os modelos, os desenvolvedores têm um motivo para experimentá-lo. Uma vez que os desenvolvedores o experimentam, uma comunidade começa a crescer por conta própria.
A questão não é mais se o CUDA pode ser substituído. É quão barata essa substituição está prestes a se tornar.
Quem Ganha, Quem se Preocupa
Os vencedores mais imediatos são as empresas de chips de inferência de IA. d-Matrix, Rebellions, Cerebras e Groq atacam o mercado de inferência com hardware genuinamente diferenciado, e todas compartilham a mesma fraqueza: nenhum ecossistema de software. Ferramentas como o Ignition permitem que elas saltem diretamente sobre o problema do ovo e da galinha de construir o software primeiro, que matou ou atrasou tantos desafiadores.
A inferência também acontece de ser o flanco mais frágil da Nvidia. No treinamento, a empresa está perto de um monopólio. A inferência é fragmentada, brutalmente sensível a custos e cheia de clientes buscando ativamente uma saída dos preços da Nvidia. A habilitação rápida de software oferece a esses clientes uma saída prática.
Quem se preocupa é a Nvidia. Ninguém deve afirmar que o CUDA será substituído no próximo trimestre. Mas o sinal é inequívoco: vinte anos de barreiras de software acumuladas agora estão se depreciando em um cronograma acelerado, corroídas pela própria IA. A contramedida da Nvidia é seu framework de inferência Dynamo, uma tentativa de recriar a gravidade do ecossistema no lado da inferência. A diferença desta vez é que o ritmo das melhorias impulsionadas por IA pertence aos seus oponentes.
E a variável maior é o que isso diz sobre a própria engenharia de software. A Infinity é um ponto de dados em uma série que se acumula rapidamente: otimizações de IA aceleraram a compressão do 7-Zip em 97% sem tocar em seu código principal; os TileKernels da DeepSeek reduziram drasticamente o CUDA escrito à mão. A direção é consistente — agentes de IA estão commoditizando o trabalho de software de baixo nível que a indústria tratava como insubstituível. Quando agentes podem gerar, testar e otimizar a base da stack, a competição de chips migra de volta dos ecossistemas de software para o custo-benefício do hardware. Esse é precisamente o confronto que a Nvidia passou duas décadas evitando.
Três Coisas Que Vale a Penas Observar
- Para onde o Ignition vai a seguir. A Infinity levantou uma rodada seed de US$ 15 milhões e já produz milhões em receita. Se o agente continuar se aprimorando, ele poderia se tornar algo como um LLaMA Factory para software de chips — infraestrutura compartilhada que permite a qualquer equipe de hardware montar uma stack funcional em dias.
- Des-Nvidiaficação acelerada da inferência. Ao longo do segundo semestre de 2026, observe a mudança na estrutura do mercado de inferência. Uma vez que a habilitação de software deixa de ser o gargalo, preço, desempenho e consumo de energia decidem as compras — boas notícias para provedores de nuvem com silício próprio e para qualquer pessoa que compra tokens em escala.
- Autoaperfeiçoamento recursivo, dando retorno. Do trabalho recursivo de Yuan Dong, passando pelo XYZ AI Lab, até o Ignition, um caminho claro surgiu: a IA ajudou humanos a escrever código, depois se ajudou a reescrever código e agora escreve código para chips. Cada volta desse ciclo acelera a próxima, provavelmente mais rápido do que a maioria das pessoas espera.
O fosso do CUDA não está drenado. Mas pela primeira vez em vinte anos, outra pessoa controla a água — e a encheu em uma tarde.
