Resumo

• Google anunciou a oitava geração de TPUs no evento Google Cloud Next.
• Os chips TPU 8t e TPU 8i serão usados para treinar e fazer inferência em nuvem, e devem chegar ao mercado ainda este ano.
• Segundo o Google, a separação em duas unidades reduz gasto de energia e custo operacional, permitindo suporte a múltiplos agentes de IA.

O Google quer provar que pode liderar a corrida da inteligência artificial. Durante o evento Google Cloud Next, nesta quarta-feira (22/04), a companhia anunciou a oitava geração das suas Unidades de Processamento Tensorial (TPUs) — chips criados sob medida pela empresa para acelerar cálculos complexos.

A novidade desta vez é a estratégia. De forma inédita, o hardware foi dividido em dois processadores com funções diferentes: o TPU 8t e o TPU 8i. A dupla chega para preparar a infraestrutura de nuvem da empresa para a nova era dos agentes autônomos (sistemas de IA capazes de tomar decisões e realizar tarefas sozinhos) e, claro, acirrar a disputa contra a poderosa Nvidia.

Segundo o vice-presidente sênior de infraestrutura de IA do Google, Amin Vahdat, as novas TPUs chegam ao mercado ainda este ano. O desenvolvimento teve forte participação do laboratório Google DeepMind, garantindo que o hardware rode nas ferramentas de código aberto mais populares entre os desenvolvedores.

Por que o Google decidiu separar os chips?

Até então, um mesmo chip tentava fazer tudo. Mas o Google percebeu que as duas fases de uma IA — o treinamento e a inferência — passaram a exigir diferenças. Para criar um modelo inteligente, é preciso uma força bruta colossal de computadores trabalhando sem parar durante meses para “devorar” e aprender com montanhas de dados.

Já a inferência é o uso prático. É o momento em que a IA (como o Gemini) já está pronta para responder às perguntas de milhões de usuários ao mesmo tempo. Aqui, o que manda é uma velocidade de resposta imediata (baixa latência) e um acesso ultrarrápido à memória para que o sistema não trave.

Sundar Pichai, CEO da Alphabet, explicou no blog da companhia que essa separação garante a capacidade exata para rodar múltiplos agentes de IA trabalhando em equipe, entregando respostas na hora e, principalmente, reduzindo o gasto de energia e o custo operacional dos servidores.

TPUs 8t e 8i

Para a pesada fase de estudos, o Google criou o TPU 8t. O foco desse componente é escalar a operação sem perder a estabilidade. O Google garante que o 8t entrega 2,8 vezes mais poder de processamento do que a geração passada, mantendo a mesma faixa de preço.

Na outra ponta, focada no usuário final, atua o TPU 8i, que traz 288 GB de memória ultrarrápida integrada. Ele trabalha em conjunto com as novas CPUs Axion (processadores do próprio Google baseados na arquitetura Arm) e usa um sistema de rede interno que encurta pela metade a distância que os dados precisam viajar. O resultado, segundo a empresa, é um desempenho 80% maior por cada dólar que o cliente investe.

Ecossistema multibilionário

O Google ainda é um dos maiores compradores de chips da Nvidia no mundo. No entanto, fortalecer suas próprias TPUs dentro do Google Cloud é uma cartada para reter clientes, oferecer preços mais competitivos e ter maior controle sobre suas margens de lucro.

Os números justificam esse investimento. Como lembra a CNBC, analistas da DA Davidson fizeram uma estimativa de que a divisão de negócios de TPUs, somada às operações do laboratório DeepMind, já representa um valor de mercado colossal, beirando os US$ 900 bilhões.

Mesmo antes de chegar ao mercado, a oitava geração já tem demanda garantida de parceiros comerciais de peso. A startup Anthropic se comprometeu a usar esses novos chips, assim como laboratórios de pesquisa vinculados ao Departamento de Energia dos Estados Unidos.

Google lança dois chips de IA para bater de frente com a Nvidia

Resumo

• Meta estuda adotar TPUs do Google em seus data centers a partir de 2027, reduzindo a dependência da Nvidia, segundo o The Information.
• As ações da Nvidia caíram 4% após a notícia, enquanto a Alphabet registrou alta.
• Se o acordo avançar, a gigante das redes sociais pode se tornar uma das principais clientes externas das TPUs do Google.

A Meta estuda adotar chips desenvolvidos pelo Google em seus data centers de inteligência artificial, reduzindo sua dependência da Nvidia, segundo o The Information. A possibilidade de mudança fez as ações da empresa de chips recuarem 4% hoje (25/11).

De acordo com o site, as negociações entre Meta e Google incluem dois movimentos distintos: a adoção dos chips Tensor Processing Units (TPUs) diretamente nos data centers da Meta a partir de 2027 e o aluguel dessas unidades por meio do Google Cloud já no próximo ano. Caso o acordo avance, a Meta se tornaria uma das principais clientes externas das TPUs.

Queda nas ações da Nvidia

A sinalização gerou impacto no mercado financeiro. As ações da Nvidia caíram 4% somente hoje, mas chegaram a registrar queda de mais de 7% ontem (24/11). A Alphabet registrou alta depois dos novos avanços se tornarem públicos.

Desde 2018, quando lançou a primeira geração das TPUs, o Google tem reforçado sua estratégia de oferecer chips próprios para cargas de trabalho de IA. Ao longo dos anos, a empresa apresentou versões mais eficientes e dedicadas a processamento de modelos avançados, destacando-se justamente por serem unidades altamente customizadas.

Segundo a CNBC, essa personalização é um diferencial que pode atrair clientes interessados em diminuir sua dependência da Nvidia e ampliar a oferta de hardware disponível.

Disputa pela infraestrutura de IA

A Meta segue como uma das maiores investidoras globais em infraestrutura de IA, com projeção de gastos entre US$ 70 bilhões e US$ 72 bilhões neste ano. Por isso, qualquer movimento de diversificação tem peso significativo no setor.

A adoção das TPUs seria uma vitória simbólica e comercial para o Google, que disputa um espaço dominado pela Nvidia há quase duas décadas, especialmente graças ao ecossistema CUDA — base de mais de 4 milhões de desenvolvedores.

A Nvidia continua na liderança absoluta do segmento, com GPUs amplamente utilizadas para treinar e operar modelos de IA em larga escala. Outras fabricantes, como a AMD, perderam terreno com a entrada mais agressiva do Google nesse mercado.

Meta pode adotar chips do Google e pressionar a Nvidia