“Nossa empresa só fabrica chips que rodam Transformers.” Há dois anos, esse discurso renderia um sorriso educado e um cartão de visitas rasgado. Esta semana, ele valeu cinco bilhões de dólares.
Em 30 de junho, a Etched, startup de chips de IA do Vale do Silício, encerrou sua fase stealth em uma única ofensiva: seu chip especializado em Transformers, o Sohu, concluiu o tape-out, a empresa já levantou US$ 800 milhões (incluindo uma rodada recém-cerrada de US$ 500 milhões) e clientes assinaram US$ 1 bilhão em pré-pedidos. A lista de investidores e apoiadores parece metade do establishment de IA — Andrej Karpathy, Geoffrey Hinton, Fei-Fei Li, Peter Thiel. Mas o dinheiro não é a história. A história é aquilo em que o dinheiro está apostando: o silício de IA está se separando do modelo “uma arquitetura serve todas as cargas de trabalho” em uma cisão de hardware dedicado, e a carteira de pedidos de dez dígitos da Etched é a primeira validação bilionária dessa separação.
A Aposta: Uma Pastilha Com a Generalidade Esculpida Para Fora
Entender a Etched significa entender a linha de falha entre um ASIC e uma GPU. Uma GPU da NVIDIA é uma máquina de propósito geral: ela roda Transformers, CNNs, cargas de mineração e qualquer outra coisa que o CUDA consiga expressar. A generalidade tem um preço — em qualquer tarefa específica, uma grande parcela dos transistores e da largura de banda de memória fica ociosa. Durante a inferência de Transformers, uma fração significativa das unidades lógicas da GPU gasta seus ciclos em caminhos de computação que não têm nada a ver com atenção.
O Sohu segue o caminho oposto: o cálculo de atenção do Transformer é gravado diretamente no silício como lógica de função fixa, em vez de ser executado como software em unidades programáveis. Sem latência de lançamento de kernels. Sem sobrecarga de alocação de memória. Sem decisões de escalonamento. O chip contém circuitos físicos para atenção e nada mais.
O custo dessa pureza é total: convoluções não rodam, modelos de espaço de estados não rodam, U-Nets de difusão não rodam. Se uma arquitetura diferente desbancar o Transformer no próximo ano, o Sohu se torna um ferro-velho muito caro. Trata-se de uma aposta extrema resumida em uma frase: a arquitetura Transformer agora está estável o suficiente para valer a pena abrir mão de toda a programabilidade por causa dela.
Os Números — Com a Ressalva de Praxe
Os números reivindicados pela Etched merecem atenção, filtrados pelo aviso padrão de que benchmarks de fornecedores aguardam verificação independente. Um servidor com oito chips Sohu supostamente entrega 500.000 tokens por segundo de throughput na inferência do Llama 70B, contra cerca de 700 tokens por segundo para uma única H100 no mesmo cenário. Isso equivale a um servidor Sohu substituindo aproximadamente 160 H100s, com desempenho por dólar reivindicado em 140 vezes o da GPU.
Qualquer que seja o múltiplo exato quando terceiros fizerem as medições, uma diferença dessa ordem deixa de ser “uma GPU melhor” e passa a ser um modelo econômico diferente. Quando os custos de inferência caem em duas ordens de magnitude, categorias inteiras que nunca fechavam conta — colaboração de agentes em tempo real, raciocínio de contexto longo em escala, busca em corpora completos — passam de teoricamente possíveis para comercialmente viáveis. Essa virada é o núcleo racional de um compromisso de US$ 1 bilhão assinado antes da produção em massa: ninguém faz pré-pedidos nessa escala por fé. Os clientes rodaram cargas de trabalho reais em silícios iniciais, e os resultados foram bons o suficiente para assinar.
A Bifurcação de Três Caminhos no Silício de IA
A Etched não é uma anomalia isolada; é o ponto de dados mais barulhento de um padrão de seis meses. A Cerebras concluiu um IPO de US$ 5,5 bilhões. A Groq levantou US$ 650 milhões. A OpenAI lançou seu primeiro chip personalizado com a Broadcom, enquanto Amazon, Google e Meta avançam com seus próprios programas de silício. A indústria está convergindo para uma encruzilhada com três caminhos:
Caminho um: GPUs de propósito geral — o modelo da NVIDIA de vender pás. A NVIDIA vende pás universais, independentemente do que você minerar. As vantagens continuam reais: um ecossistema maduro, flexibilidade de implantação, custo zero de migração de modelos. A desvantagem aparece cada vez mais itemizada nas faturas: para clientes cuja carga de trabalho já é conhecida, os transistores e a largura de banda desperdiçados com a generalidade são custo puro e mensurável. Quando a inferência escala de milhares de placas para centenas de milhares, o imposto da generalidade deixa de ser um atrito desprezível e se torna centenas de milhões de dólares por ano em gasto puro.
Caminho dois: silício de provedores de nuvem — dedicado, mas fechado. O TPU do Google, o Trainium da AWS e o MTIA da Meta são fundidos às suas plataformas nativas e requisitos de negócio: custos rigidamente controlados, otimizações extremas, ecossistemas selados. Você não consegue comprar um Trainium e rodar seu próprio stack nele, e as inovações ficam, em sua maioria, internas.
Caminho três: ASICs especializados de terceiros — o caminho que a Etched define. Cerebras, Groq e Etched não constroem chips nem genéricos nem cativos; elas constroem silício intensamente otimizado para um padrão específico de computação e o vendem a todos. A tese compartilhada: quando o ecossistema de software em torno de uma carga de trabalho está suficientemente padronizado, a vantagem de custo de um chip dedicado pode compensar todas as concessões que a generalidade abre mão. A Etched pode afirmar “clientes não mudam nenhuma linha de código” — modelos treinados em PyTorch rodam como estão — porque o mundo dos Transformers já padronizou formatos de modelos e interfaces de inferência. O ASIC só precisa se encontrar com o ecossistema nessa camada uniforme. Isso é historicamente raro. ASICs sempre significaram novos modelos de programação, novos stacks de software, novos custos de migração. O Sohu escapa dos três não porque a Etched os eliminou pela engenharia, mas porque o ecossistema Transformer fez o trabalho de padronização antes.
O Framework de Zeramento: Por Que o Prêmio da Generalidade Encolhe
Os três caminhos respondem de maneiras diferentes à mesma pergunta: quando uma ferramenta passa 99% de sua vida fazendo uma única coisa, o prêmio pago pelos outros 1% ainda vale a pena? A resposta depende de duas variáveis se movendo simultaneamente.
Variável A: certeza da carga de trabalho. Em 2018, ninguém sabia se os Transformers ainda seriam a arquitetura vencedora em cinco anos, então os compradores adquiriam GPUs — o valor de opção de trocar de trilho. Em 2026, os Transformers dominam linguagem, imagens, vídeo, código e geração de música. Essa opção, em grande parte, expirou sem valer nada.
Variável B: custo absoluto em escala. Com algumas dezenas de placas, o desconto de eficiência da GPU é tolerável. Com centenas de milhares de placas, o desconto decide se o seu produto pode ser precificado para alcançar seu mercado.
Chame isso de framework de zeramento: à medida que a certeza da carga de trabalho se aproxima de 100% e a escala se aproxima do infinito, o prêmio da generalidade se aproxima de zero. Isso não destrona a NVIDIA. As GPUs de propósito geral mantêm valor insubstituível em prototipagem de pesquisa, exploração de arquiteturas e cenários multitarefa. Mas a inferência — o maior e mais crescente centro de custo da IA — está se desacoplando do “geral” e entrando em velocidade total no campo de batalha da otimização dedicada.
O mesmo zeramento aparece onde quer que você olhe. Do lado dos modelos, pequenos modelos especializados estão roubando participação de mercado vertical dos gigantes generalistas — não porque os gigantes pioraram, mas porque, para um domínio de tarefa fixo, um modelo especializado menor vence em ROI. Do lado da infraestrutura, provedores dedicados de inferência praticam preços bem abaixo das APIs de nuvem de propósito geral pelo mesmo motivo: eles otimizam cada camada do stack em vez de alugar capacidade genérica. Do lado corporativo, “um modelo para tudo” está cedendo lugar a “um modelo adequado para cada tarefa”. Isso não é regressão; é o caminho padrão de maturidade de qualquer tecnologia: primeiro unificar, depois diferenciar.
O Que Cada Papel Deve Fazer a Respeito
Se você comanda uma empresa de modelos fundacionais: a próxima queda de ordem de grandeza no custo de inferência não chegará dentro de uma GPU melhor. Se você é um jogador sério e ainda não começou um POC com a Etched ou a Cerebras, presuma que sua curva de custo de inferência ficará uma geração atrás dos concorrentes em dezoito meses.
Se você é um CTO de aplicações: antes de 2027, suas opções de arquitetura de inferência se expandem de “NVIDIA, por padrão” para pelo menos três caminhos. Comece a testar agora via acesso a API, com suas cargas de trabalho reais — custos de migração e surpresas de compatibilidade só são descobertos rodando, não lendo folhas de especificações.
Se você investe: a narrativa de que um vencedor leva tudo no silício de IA está se afrouxando. A NVIDIA não vai cair — mas pode viajar de “a infraestrutura” para “uma das infraestruturas”, e essa transição de uma para muitas vai cunhar novas empresas de dezenas de bilhões enquanto enterra equipes que assinam pedidos que não conseguem entregar. Apostar se a Etched consegue cumprir as promessas do Sohu é uma aposta mais interessante do que apostar se a NVIDIA cresce.
Se você apenas observa esta indústria: a Etched não prova que “ASICs vencem”. Ela prova que o consenso de 2023 sobre a supremacia das GPUs perdeu poder explicativo e merece uma auditoria. Aplique o framework de zeramento no seu próprio domínio: onde as cargas de trabalho se consolidaram e a escala explodiu, procure o prêmio da generalidade — a rachadura já está lá.
Nota: os números técnicos vêm dos anúncios da Etched e de coberturas de terceiros (TechCrunch, análise da Spheron, QbitAI, Leiphone) e ainda não foram verificados de forma independente.
