“A guerra da IA está migrando de uma guerra de modelos para uma guerra de soberania computacional.” Essa frase, de um artigo amplamente compartilhado na semana passada, acertou o diagnóstico ao contrário. Não é uma guerra de soberania computacional — é uma guerra full-stack. A soberania é o resultado; o full stack é o motor. Quando o seu modelo de negócios depende do recurso mais escasso de outra pessoa, e esse recurso fica mais caro a cada trimestre, você não está tocando um negócio — está trabalhando para a empresa de chips de outra pessoa.
As evidências chegaram em sequência intensa na última semana: a Meta anunciou produção em massa em setembro de seu quarto chip de IA interno, o Iris, com meta de cerca de 7 GW de computação de IA até 2026 e 14 GW até 2027. Relatos indicam que a DeepSeek desenvolveu secretamente um chip de inferência de IA por um ano, recrutando engenheiros de design de chips. Revelou-se que a Zhipu AI está firmando parceria com um fornecedor nacional de ASIC para um processador dedicado. A OpenAI lançou seu primeiro chip de inferência próprio, o Jalapeño, com o CEO da Broadcom afirmando que o desempenho é comparável ao Blackwell e ao Google TPU. A Anthropic começou a recrutar talentos da equipe de chips da OpenAI. A “lista de superclientes” da NVIDIA está se transformando em uma “lista de concorrentes”. Por que agora? Por que todas as empresas estão fazendo a mesma coisa no mesmo mês? A resposta está em uma mudança estrutural sutil, porém fundamental, na indústria de IA.
Treinamento É a Corrida Armamentista; Inferência É o Negócio
Por três anos, as empresas de IA competiram em “qual modelo é mais forte” — uma narrativa de treinamento com mais parâmetros, execuções mais longas e mais GPUs. Em modo de treinamento, a NVIDIA é insubstituível: o ecossistema CUDA, o interconecte NVLink e a largura de banda HBM levariam cinco anos para os concorrentes alcançarem. Você não consegue construir uma alternativa, então compra. A margem bruta da NVIDIA se mantém acima de 70% e os preços das GPUs só sobem.
Mas entre 2025 e 2026, o centro de gravidade da indústria mudou silenciosamente. Treinar um GPT-5.6 ou um Claude Fable acontece uma vez por ano. A inferência — cada resposta do ChatGPT, cada chamada de ferramenta de um agente, cada completação de código — acontece trilhões de vezes por dia. A IA entrou na era da inferência, e a matemática da inferência é completamente diferente da matemática do treinamento: o treinamento valoriza desempenho máximo (largura de banda HBM, velocidade de interconexão); a inferência valoriza custo marginal (quanto por token). O Morgan Stanley até cunhou um termo — Chip Inflation (Inflação de Chips): GPUs, HBM, módulos ópticos e chips de switch subindo em conjunto, com cada geração do H100/B200/Blackwell da NVIDIA ficando mais cara enquanto o uso de inferência das empresas de IA cresce a cada geração. É uma inflação correndo contra si mesma: quanto mais bem-sucedido você é, mais depende de GPUs, e mais altos ficam os seus custos.
Por que o ASIC Vence na Inferência
Chips de treinamento e chips de inferência são produtos completamente diferentes. O treinamento exige precisão extrema FP32/FP64, grande capacidade de HBM e interconexão de alta largura de banda — exatamente os pontos fortes da GPU, já que os núcleos CUDA foram projetados para computação paralela geral. As necessidades da inferência são categoricamente diferentes: o custo por token precisa cair, o consumo de energia importa à medida que a eletricidade de datacenter reivindica uma fatia crescente, os usuários não podem esperar, e o throughput por unidade de área é a métrica-chave.
ASICs (Circuitos Integrados de Aplicação Específica) nasceram para a inferência. O Google TPU provou isso — desempenho e eficiência energética de inferência muito superiores aos das GPUs da mesma geração. O Amazon Inferentia provou de novo. Agora é a vez do Jalapeño da OpenAI, do Iris da Meta e do chip de inferência da DeepSeek. Um chip de inferência não precisa de 1.000 mm² de silício ou 800W de potência. Ele precisa de uma coisa bem feita: executar inferência Transformer ao custo mínimo. Quanto mais especializado, mais eficiente. O negócio de chips de IA personalizados da Broadcom é a melhor evidência: receita semicondutora de US$ 10,8 bilhões no segundo trimestre, alta de 143% em relação ao ano anterior. Grandes empresas não precisam projetar do zero — contratam a Broadcom para personalizar, a TSMC para produzir, e o custo-benefício supera em muito o da compra de produtos prontos da NVIDIA.
A Doutrina da Guerra Full-Stack
Um padrão claro da última década de tecnologia: o lucro se concentra nas empresas que controlam o full stack. A Apple é o exemplo canônico — o iPhone captura 85% do lucro da indústria não porque seu chip é o mais rápido ou o iOS é o melhor, mas porque a Apple controla simultaneamente silício (série A), sistema operacional (iOS), App Store, design de hardware, marca e canais. Concorrentes podem ganhar um ponto; a Apple ganha o sistema. A IA está trilhando o mesmo caminho. As principais empresas de IA de hoje não constroem apenas modelos: o Google opera Gemini mais TPU mais Cloud mais a maior rede de fibra do mundo; a Meta opera Llama mais chips MTIA mais 14 GW de datacenters mais a maior rede social; a OpenAI opera GPT mais Jalapeño mais datacenters Stargate mais a aliança de computação com Oracle/SoftBank; a DeepSeek opera modelos abertos mais chips de inferência próprios mais adaptação de chips nacionais; a Zhipu opera GLM mais parcerias de ASIC mais um ecossistema de cloud nacional.
Isso não é coincidência — é a doutrina da guerra full-stack: quando uma tecnologia se torna infraestrutura, competitividade em camada única não consegue se converter em lucro de longo prazo. O lucro flui apenas para empresas que alcançam otimização em nível de sistema entre chips, modelos, plataformas e aplicações. Por quê? Porque os maiores ganhos de otimização de custos não estão em nenhuma camada isolada, mas na coordenação entre camadas. A equipe de chips da Apple entende o gerenciamento de memória do iOS, então remove caches desnecessários e realoca área de silício para a bateria. Da mesma forma, o Jalapeño da OpenAI sabe que executa inferência Transformer, permitindo otimizações em nível de conjunto de instruções que reduzem o custo por token a uma fração dos níveis das GPUs da NVIDIA. Esse tipo de otimização entre camadas é impossível com GPUs de prateleira.
A Encruzilhada da NVIDIA: Treinamento se Mantém, Inferência Escorrega
Apostar contra a NVIDIA é perigoso. Toda narrativa de “a NVIDIA acabou” dos últimos cinco anos se mostrou equivocada. As vendas do H100 superaram todas as expectativas, o Blackwell esgotou antes mesmo da entrega, e o mercado de treinamento pertencerá à NVIDIA por anos. A mudança real está na inferência. A inferência é o mercado incremental: conforme a IA passa de demos para uso diário, a inferência eventualmente consumirá mil vezes mais computação que o treinamento. Isso não é substituição — é adição. A questão é: a NVIDIA consegue capturar o incremento?
Os dados já começaram a responder. O Google Cloud usa cada vez mais TPU em vez de GPU para inferência, economizando 40–60%. O Amazon SageMaker tem o Inferentia como padrão para inferência. Os sistemas de recomendação e ranqueamento de anúncios da Meta migraram completamente para os chips MTIA internos. As cargas de inferência da própria OpenAI migrarão gradualmente para o Jalapeño. A participação da NVIDIA no mercado de inferência está sendo tomada por seus próprios clientes, fatia por fatia. Não da noite para o dia — mas como a computação em nuvem substituindo servidores locais: lenta e irreversível. Para as empresas chinesas de IA, há uma variável adicional: as restrições de exportação dos EUA mantêm as GPUs mais avançadas longe da China. A Bernstein projeta que a participação da NVIDIA no mercado chinês de chips de IA caia de cerca de 40% em 2025 para cerca de 8% em 2026, com fornecedores nacionais liderados pelo Ascend da Huawei e pela Cambricon capturando quase 80% do mercado chinês de chips para servidores de IA. Na guerra full-stack chinesa, autonomia de chips não é opcional — é sobrevivência.
Três Posições Estratégicas
Fundadores da camada de aplicações de IA: não presuma que os custos de inferência continuarão caindo. No curto prazo, os gigantes com chips próprios cortarão preços de inferência mais rápido, comprimindo as margens de empresas sem capacidade de fabricar chips. Sua estratégia de sobrevivência não é competir em preço com plataformas — é encontrar cenários verticais que elas não cobrem e construir barreiras na profundidade do produto, e não em vantagem de custo. Profissionais da camada intermediária de computação: o treinamento em larga escala continua sendo território da NVIDIA, mas a infraestrutura de inferência está se fragmentando. Essa fragmentação é a oportunidade da camada intermediária — agendamento multi-chip, roteamento híbrido de inferência, motores de otimização de custos entre plataformas que os gigantes fabricantes de chips não têm incentivo para construir, mas que os clientes precisam desesperadamente. Investidores: os escores de modelos estão se tornando um indicador cada vez mais fraco de competitividade de longo prazo. A métrica melhor: onde a empresa se situa na curva de custo de inferência? Um modelo com custo por token 50% maior que o dos concorrentes não consegue manter participação de mercado, independentemente da qualidade. Em contrapartida, a Broadcom — a empresa que vende pás para os fabricantes de pás — pode ser a beneficiária de menor risco de toda a guerra full-stack.
Fontes: AI Business Review, 36Kr, Reuters, The Information, TrendForce, Bernstein.
