As empresas de hardware de IA estão transformando rapidamente a indústria de tecnologia. A NVIDIA percorreu um longo caminho desde suas origens com placas gráficas. A empresa atingiu uma avaliação de US$ 4 trilhões, tornando-se uma das empresas mais valiosas do mundo.
Os números neste setor são impressionantes. A Bloomberg Intelligence prevê que os gastos com IA generativa aumentarão de US$ 67 bilhões em 2023 para US$ 1.3 trilhão em 2032. A Price Waterhouse Coopers sugere que o impacto econômico da IA generativa atingirá US$ 15.7 trilhões em 2030. Esses valores expressivos explicam por que as gigantes da tecnologia estão travando uma intensa batalha pela liderança do mercado.
Um mercado antes especializado transformou-se em um dos campos de batalha mais acirrados da tecnologia. Os principais fabricantes de chips de IA continuam a expandir as possibilidades — a GPU Blackwell da NVIDIA se destaca com 2.5 vezes mais velocidade e 25 vezes mais eficiência energética do que seus antecessores.
A concorrência aumenta à medida que as grandes empresas passam a projetar seus próprios chips, em vez de depender de fornecedores externos. A Taiwan Semiconductor intensificou a produção de chips de ponta de 3 nanômetros e 5 nanômetros para atender à crescente demanda.
Este artigo apresentará as 15 principais empresas de hardware de IA que dominam o mercado atualmente, seus melhores produtos e seu papel na definição do futuro da computação.
A NVIDIA lidera o mercado mundial de chips de IA. Suas GPUs impulsionam tudo, desde veículos autônomos até grandes modelos de linguagem. A abordagem inovadora da empresa a colocou à frente da concorrência no mundo do hardware de IA, que está em constante evolução.
A linha de aceleradores de IA da NVIDIA apresenta diversos produtos poderosos. A GPU A100 Tensor Core é essencial para empresas e oferece até 312 TFLOPS de desempenho em aprendizado profundo com Tensor Cores de terceira geração. A GPU H100 utiliza a arquitetura Hopper e processa grandes modelos de linguagem 30 vezes mais rápido que as versões anteriores.
A B300 (Blackwell Ultra) eleva o padrão com 288 GB de memória HBM3e por GPU e 1,100 petaflops de desempenho em inferência FP4 densa. Um único sistema GB300 NVL72 em escala de rack processa 12,934 tokens por segundo por GPU.
A NVIDIA lidera os benchmarks MLPerf, que medem o desempenho de IA no setor. A plataforma alcançou os tempos de treinamento mais rápidos em todos os benchmarks MLPerf Training v5.1, com exceção de um. A empresa também detém todos os recordes de desempenho por GPU do MLPerf Inference para data centers.
Os resultados financeiros falam por si: um investimento de 5 milhões de dólares no sistema GB200 NVL72 pode gerar cerca de 75 milhões de dólares em receita de tokens, oferecendo um retorno de 15 vezes o investimento.
A NVIDIA estabelece parcerias estratégicas em diversos setores. A OpenAI planeja implantar pelo menos 10 gigawatts de sistemas NVIDIA para sua infraestrutura de IA de próxima geração. A NVIDIA investirá até US$ 100 bilhões na OpenAI à medida que cada gigawatt for implantado.
A empresa estabelece parcerias com gigantes da indústria automotiva, como a General Motors, para tecnologias de direção autônoma e inteligência artificial na manufatura. Por meio da colaboração com a T-Mobile e outros parceiros, a NVIDIA cria a primeira pilha de tecnologia sem fio nativa de IA para 6G nos Estados Unidos.
A NVIDIA apresenta um roteiro ambicioso com a arquitetura "Rubin" (nomeada em homenagem à astrônoma Vera Rubin), com lançamento previsto para o segundo semestre de 2026. Essa plataforma de próxima geração oferecerá 3.6 EFLOPS de computação FP4 densa, 3.3 vezes mais poderosa que a atual arquitetura Blackwell.
A arquitetura "Rubin Ultra", mais poderosa, chega em 2027 e oferece 15 ExaFLOPS de computação de inferência FP4 por meio de sua configuração NVL576. A interface NVLink7 proporciona conectividade 6 vezes mais rápida que sua antecessora, com taxa de transferência de 1.5 PB/s. A NVIDIA planeja uma arquitetura "Feynman" para 2028, em homenagem ao físico Richard Feynman.
A AMD se apresenta como uma forte concorrente na corrida por hardware de IA. A empresa desafia a liderança de mercado da NVIDIA com sua crescente linha de aceleradores e processadores de alto desempenho.
O acelerador AMD Instinct MI300X é a espinha dorsal da linha de chips de IA da empresa, com seus 192 GB de memória HBM3. O mais recente, MI325X, assumiu o protagonismo. Ele vem com 288 GB de memória HBM3E e oferece largura de banda de memória de 6 terabytes por segundo, 1.3 vezes superior à oferecida pelos concorrentes. Os processadores AMD Ryzen AI agora equipam mais de 250 plataformas de PC. Esses processadores levam recursos de IA para laptops e desktops.
Testes práticos mostram que os aceleradores AMD Instinct MI300X têm um desempenho superior aos concorrentes. Os chips utilizam o software ROCm 6 para alcançar um desempenho de inferência 1.3 vezes melhor nos modelos Meta Llama-3 70B. Eles também oferecem uma taxa de transferência 1.2 vezes maior no Mistral-7B. A Hugging Face testa 700,000 de seus modelos mais populares nos aceleradores AMD Instinct MI300X diariamente para verificar a compatibilidade.
A AMD construiu parcerias sólidas com a indústria. A OpenAI firmou um contrato plurianual de grande porte, no valor de 6 gigawatts, com a AMD. A primeira implementação de gigawatts começará em 2026. A Oracle Cloud Infrastructure planeja implantar 50,000 GPUs MI450. O Microsoft Azure utiliza o MI300X para os serviços da OpenAI. Dell Technologies (PowerEdge XE9680), Supermicro, Lenovo e HPE uniram forças com a AMD. A AMD formou uma iniciativa colaborativa de US$ 10 bilhões com a HUMAIN para construir infraestrutura de IA na Arábia Saudita e nos Estados Unidos.
A AMD planeja lançar novos aceleradores de IA anualmente. O MI325X chega no quarto trimestre de 2024. A série MI350, baseada na arquitetura CDNA 4, será lançada em breve. Ela promete desempenho de inferência de IA 35 vezes mais rápido que o MI300. Os sistemas MI400/MI450 "Helios" chegarão em 2026 com memória HBM4, oferecendo largura de banda de 19.6 TB/s. A série MI500 virá em seguida, em 2027. Para dispositivos pessoais, as futuras arquiteturas "Gorgon" (início de 2026) e "Medusa" (início de 2027) devem oferecer computação de IA no dispositivo até 10 vezes melhor em comparação com os níveis de 2024.
O Google foi pioneiro no mercado de chips de IA personalizados com suas Unidades de Processamento Tensorial (TPUs). A empresa desenvolveu esses chips para uso interno em 2015 e os disponibilizou para clientes de nuvem em 2018. Seu investimento inicial valeu a pena. A gigante da tecnologia agora controla 58% do mercado de aceleradores de IA em nuvem personalizados.
A linha de TPUs é a espinha dorsal da estratégia de hardware de IA do Google. Esses circuitos integrados de aplicação específica servem especificamente para o processamento de redes neurais. O modelo principal atual, Ironwood (TPU v7), oferece 4,614 teraflops por chip. Ele opera 4 vezes mais rápido que seu antecessor, tanto para cargas de trabalho de treinamento quanto de inferência.
A linha de produtos inclui o Trillium (TPU v6), a série TPU v5 e o Edge TPU, que lida com IA no dispositivo. O Google lançou o Axion, sua primeira CPU de uso geral, para gerenciar cargas de trabalho que não envolvem IA.
O poder de processamento dos pods TPU v4 do Google atinge 1.1 exaflops com 4,096 chips trabalhando em conjunto. Cada chip TPU v4 processa dados a 275 teraflops, com o suporte de 32 GiB de memória HBM2 e largura de banda de 1200 GB/s.
Essa potência bruta se traduziu em sucesso na vida real. O supercomputador de treinamento de aprendizado de máquina do Google conquistou a vitória em seis das oito métricas do MLPerf. O sistema alcançou um desempenho máximo superior a 430 petaflops usando 4,096 chips TPU v3.
A Anthropic lidera as colaborações mais importantes do Google. A empresa pretende ter acesso a até um milhão de chips TPU, um acordo avaliado em dezenas de bilhões de dólares. Até 2026, esse acordo dará à Anthropic mais de um gigawatt de capacidade computacional.
A Broadcom atua como um parceiro de fabricação fundamental, investindo mais de US$ 3 bilhões no projeto de chips. A TSMC é responsável por 92% da fabricação propriamente dita.
O ano novo trará o Ironwood para o mercado. Simultaneamente, o Google planeja expandir seu portfólio de hardware. O Projeto Suncatcher, uma constelação de satélites movidos a energia solar equipados com TPUs, será lançado até 2027.
A divisão de IA Quântica da empresa criou o Willow, um chip quântico que concluiu um cálculo em menos de cinco minutos. Os supercomputadores tradicionais precisariam de 10 septilhões de anos para a mesma tarefa. Ainda temos um longo caminho a percorrer, mas podemos aproveitar esse progresso à medida que a indústria de IA se concentra mais na inferência do que no treinamento. A estratégia de hardware do Google parece preparada para o que está por vir.
A Amazon Web Services se destaca no setor de hardware de IA com seus aceleradores personalizados que equilibram desempenho e custo para cargas de trabalho de IA.
A AWS oferece duas famílias distintas de chips de IA: Trainium para treinamento e Inferentia para cargas de trabalho de inferência. O chip Trainium2, o mais recente, apresenta desempenho até 4 vezes superior em comparação com as versões anteriores. As instâncias Trn2 se destacam em tarefas de IA generativa com 16 chips Trainium2 conectados por meio do NeuronLink. Essas instâncias oferecem um desempenho excepcional, com 20.8 petaflops de computação FP8 e 1.5 TB de memória HBM3. O chip Inferentia2 alimenta as instâncias Inf2 e oferece 190 TFLOPS de desempenho FP16 com 32 GB de HBM por chip. Isso representa um aumento de 4 vezes na memória em relação à primeira geração do Inferentia.
O Trainium2 demonstra uma notável relação custo-benefício:
O Inferentia2 atinge um rendimento até 4 vezes maior e uma latência 10 vezes menor do que a sua versão anterior. As instâncias Inf1 oferecem um rendimento 2.3 vezes maior com um custo por inferência 70% menor em comparação com instâncias EC2 semelhantes.
A AWS firmou um acordo de US$ 38 bilhões com a OpenAI, com duração de sete anos. Este acordo prevê o fornecimento de centenas de milhares de GPUs NVIDIA combinadas com dezenas de milhões de CPUs. Com nossos chips personalizados, focamos em aplicações internas de IA e em parceiros como a Anthropic. A implementação do "Projeto Rainier" conta com 400,000 chips Trainium2 para a Anthropic, demonstrando a escala massiva dessas parcerias.
O Trainium3 entrará em fase de pré-visualização, seguido pela implementação completa no início de 2026. Este chip de última geração promete o dobro do desempenho do Trainium2 e 40% mais eficiência energética, utilizando o processo de 3nm da TSMC. A AWS planeja dobrar a capacidade de seus data centers de 10GW para 20GW entre 2026 e 2027. Isso representa um investimento significativo em infraestrutura de IA.
A Microsoft entrou no mercado de aceleradores de IA com uma abordagem única. A empresa desenvolveu hardware especializado que funciona perfeitamente com sua infraestrutura em nuvem para maximizar o desempenho.
O Projeto Brainwave marcou o primeiro passo da Microsoft na aceleração de IA. Ele utiliza matrizes de portas programáveis em campo (FPGAs) para criar uma "Unidade de Processamento Neural flexível" que oferece inferência de IA imediata com latência ultrabaixa. O sistema alcançou impressionantes 39.5 teraflops em FPGAs Intel Stratix 10 e processa cada solicitação em menos de um milissegundo.
O Azure Maia 100, o principal chip de IA da Microsoft, foi lançado em novembro de 2023. Este poderoso processador ocupa uma área de 820 mm² e utiliza o processo de 5 nm da TSMC com tecnologia de encapsulamento avançada. O chip possui 64 GB de memória HBM2E com largura de banda de 1.8 terabytes por segundo. A Microsoft também criou a CPU Azure Cobalt 100, um processador baseado em ARM que otimiza os processos por meio da eficiência energética.
O Maia 100 lida com largura de banda de até 4800 Gbps em modo all-gather e com redução de dispersão. Ele suporta largura de banda all-to-all de 1200 Gbps por meio de um protocolo personalizado baseado em Ethernet. A unidade tensora do chip funciona com vários tipos de dados, incluindo o formato MX da Microsoft, lançado em 2023.
As VMs Azure NC H100 v5 da Microsoft apresentaram um desempenho 46% superior nos benchmarks MLPerf em comparação com produtos com GPUs de 80 GB de memória. A empresa pretende migrar para seus próprios chips no futuro, segundo o diretor de tecnologia (CTO), Kevin Scott.
Em outubro de 2024, a Microsoft inaugurou seu segundo data center Fairwater AI em Atlanta. A instalação conta com sistemas NVIDIA GB200 NVL72 em escala de rack, que suportam centenas de milhares de GPUs Blackwell. Por meio da colaboração com a NVIDIA, a Microsoft se tornou a primeira provedora de nuvem a implantar o NVIDIA GB300 NVL72 em grande escala.
A empresa firmou parceria com a Qualcomm para aprimorar a IA no Windows. Eles otimizam a NPU Hexagon com o Windows ML para executar modelos como o Phi Silica de forma eficiente.
O roteiro original do chip incluía três aceleradores: Braga, Braga-R e Clea. Esses chips tinham como alvo a implantação em data centers em 2026 e 2027, respectivamente. A produção em massa do Braga foi adiada para 2026, um atraso de pelo menos seis meses.
Fontes internas afirmam que o chip ficará "muito aquém do desempenho do chip Blackwell, carro-chefe da NVIDIA". A variante Clea poderá finalmente igualar as ofertas da NVIDIA quando chegar ao mercado em 2027. A Microsoft licenciou a propriedade intelectual (IP) de design de chip da OpenAI, o que pode acelerar seu desenvolvimento em 12 a 18 meses.
A Intel, a gigante mais antiga da computação, traz uma abordagem que prioriza a CPU para o mercado de hardware de IA e aproveita seu domínio da arquitetura x86 entre as tecnologias emergentes de GPU.
Os processadores Xeon 6 são o carro-chefe do portfólio de IA da Intel e oferecem desempenho de IA até 50% superior com um terço a menos de núcleos em comparação com a AMD. Esses processadores vêm com aceleração de IA integrada em cada núcleo, que potencializa inferência, treinamento e modelos GenAI de pequeno porte. Os processadores Intel Core Ultra (Série 2) suportam mais de 300 recursos acelerados por IA por meio do Programa de Aceleração de IA para PCs da Intel para computação pessoal.
A Intel apresentou sua GPU para data centers Crescent Island, voltada para cargas de trabalho de inferência de IA. O chip vem com microarquitetura Xe3P, 160 GB de memória LPDDR5X e oferece desempenho otimizado por watt.
O processador Xeon 6980P da Intel, com 128 núcleos, apresenta um desempenho notável em IA em aplicações terrestres. O processador atinge até 964.57 tokens por segundo para inferência LLM ao executar o PyTorch 2.6.0 com otimização IPEX. As medições do MLPerf v5.1 mostraram resultados excepcionais, com os processadores Xeon 6 demonstrando uma melhoria de desempenho de 1.9x em relação às gerações anteriores.
A Intel firmou uma parceria histórica com a NVIDIA para desenvolver múltiplas gerações de produtos personalizados para data centers e PCs. Este acordo inclui um investimento de US$ 5 bilhões da NVIDIA em ações ordinárias da Intel. A Intel Foundry garantiu um contrato para fabricar o processador de IA de próxima geração da Microsoft, o Maia 2, utilizando seu processo de fabricação 18A.
A nova GPU para data centers em Crescent Island estará disponível para testes com clientes no segundo semestre de 2026. A Intel optou por descontinuar seus processadores de rede neural Nervana após adquirir a Habana Labs por US$ 2 bilhões, para se concentrar em sua tecnologia.
A Apple incorpora recursos neurais em toda a sua arquitetura de chip por meio de uma estratégia de silício exclusiva que a diferencia no desenvolvimento de hardware de IA.
O chip M5 da Apple representa um avanço no processamento de IA. Cada núcleo da GPU contém Aceleradores Neurais que oferecem mais de 4 vezes o poder computacional máximo da GPU para IA em comparação com o M4. O chip utiliza tecnologia de 3nm de terceira geração e possui dez núcleos — quatro para desempenho e seis para eficiência. O Neural Engine de 16 núcleos do chip trabalha com uma largura de banda de memória unificada de 153 GB/s para processar 133 trilhões de operações por segundo, o que é doze vezes mais do que o M1 conseguia processar.
O chip M5 estabeleceu um novo recorde com 4,263 pontos nos testes de núcleo único do Geekbench 6, superando todos os processadores de Mac e PC. O chip obteve 17,862 pontos nos testes de múltiplos núcleos e é 20% mais rápido que o M4. O desempenho gráfico apresenta uma melhoria de 30% em relação ao M4, enquanto os aplicativos com ray tracing são executados 45% mais rápido.
A Apple planeja investir US$ 600 bilhões nos Estados Unidos até 2027. A empresa criará 20,000 novos empregos, com foco em inteligência artificial e engenharia de semicondutores. A empresa firmou parcerias estratégicas com a Broadcom para criar o chip Baltra. Há rumores de uma parceria com o Google para integrar os modelos de IA do Gemini à Siri.
A Apple lançará a família completa de processadores M5 (M5 Pro, M5 Max e Ultra) em 2026, com variantes do M6 possivelmente a seguir. A empresa planeja uma grande reformulação do MacBook Pro nesse mesmo ano, com chips M6 Pro/Max, telas OLED e recursos touchscreen.
O mundo da IA integrada em dispositivos tem um líder poderoso: a Qualcomm. Seus processadores com baixo consumo de energia possibilitam a inteligência artificial em diversas plataformas.
O portfólio de IA da empresa destaca a NPU Hexagon integrada aos processadores Snapdragon, que oferece desempenho excepcional para aplicativos móveis e de PC. O Snapdragon X Elite com NPU Hexagon executa tarefas de IA no dispositivo, protegendo a privacidade do usuário. A Qualcomm revelou os aceleradores AI200 e AI250 para data centers, que oferecem desempenho em escala de rack com 768 GB de memória LPDDR por placa. Os múltiplos núcleos suportam computação heterogênea por meio do mecanismo de IA, tornando-o ideal para smartphones, laptops e dispositivos IoT.
A NPU do Snapdragon 8 Elite Gen 5 supera a do seu antecessor em 37% e processa 220 tokens por segundo. O modelo topo de linha X2 Elite Extreme alcançou 4,080 pontos nos testes single-core do Geekbench 6.5 e 23,491 nos testes multi-core, 50% a mais que as gerações anteriores. Os processadores Snapdragon X Elite carregam páginas da web 53% mais rápido que o AMD Ryzen AI 9 HX 370 em aplicações reais.
A empresa formou alianças mutuamente benéficas com a IBM para integrar o watsonx.governance e com a Microsoft para otimizar o Windows ML para a NPU Hexagon. A Qualcomm e a Advantech cooperam em sistemas de IA de borda que suportam de uma a quatro placas aceleradoras PCIe de IA. A Humain tornou-se a primeira cliente dos chips de IA para data centers da Qualcomm, com uma implementação de 200 megawatts.
O AI200 chegará ao mercado em 2026, enquanto o AI250, com computação próxima à memória, será lançado em 2027 e promete largura de banda de memória 10 vezes maior. Seguirão lançamentos anuais com foco no desempenho de inferência e na eficiência energética.
A Cerebras Systems transforma o hardware de IA por meio de seu enorme Wafer-Scale Engine (WSE). Este processador inovador desafia as arquiteturas de chips tradicionais com uma abordagem de processamento completamente diferente.
A terceira geração do Wafer-Scale Engine (WSE-3) lidera a linha de processadores da Cerebras com 4 trilhões de transistores e 900,000 núcleos de IA em um único wafer de silício. O processador ocupa uma área de 46,225 mm², sendo 57 vezes maior que a GPU H100 da NVIDIA. Ele oferece 125 petaflops de poder computacional de IA. O sistema CS-3, equipado com WSE-3, suporta memória externa de até 1.2 petabytes e treina modelos com até 24 trilhões de parâmetros.
Os sistemas da empresa têm batido recordes de desempenho repetidamente. Seu sistema de inferência gera 969 tokens por segundo com o Llama 3.1-405B, apresentando um desempenho até 75 vezes superior ao de soluções baseadas em GPUs de hiperescaladores. O sistema supera a GPU DGX B200 Blackwell da NVIDIA em 21 vezes, consumindo um terço menos de energia e custo. Aplicações científicas demonstram resultados ainda mais impressionantes. O sistema alcançou um aumento de velocidade de 130 vezes em relação às GPUs NVIDIA A100 em simulações de energia nuclear. Ele executou dinâmica molecular 748 vezes mais rápido que o supercomputador Frontier.
A Cerebras uniu forças com a IBM e a Meta como membro fundador da AI Alliance. O trabalho da empresa com a G42 gerou 8 exaFLOPs de desempenho em supercomputadores de IA por meio dos Condor Galaxy 1 e 2. A ZS integrou os sistemas CS-3 à sua plataforma MAX.AI por meio de uma nova parceria. A AlphaSense se uniu à Cerebras para impulsionar suas capacidades de inteligência de mercado.
A Cerebras garantiu US$ 1.1 bilhão em financiamento da Série G para impulsionar sua tecnologia em escala de wafer. A empresa pretende expandir os clusters do sistema CS-3 para supercomputadores de IA sem as complexidades da computação distribuída. Inovações futuras podem incluir o empilhamento 3D para adicionar memória SRAM aos wafers, o que poderia expandir as capacidades dessa arquitetura revolucionária de IA.
A Groq está remodelando o cenário da IA com velocidades tão altas que os concorrentes estão correndo para acompanhar.
O mecanismo de inferência da Unidade de Processamento de Linguagem (LPU) é o principal produto da Groq. Cada chip contém 230 MB de SRAM e oferece até 80 TB/s de largura de banda de memória integrada. O chip demonstra um desempenho notável com 750 TOPs (INT8) e 188 TFLOPs (FP16 a 900 MHz). O acelerador GroqCard™ está disponível por US$ 19,948. O hardware utiliza apenas SRAM, sem memória de alta largura de banda integrada. Essa escolha de design proporciona velocidade excepcional para cargas de trabalho específicas, mas impõe limitações de capacidade.
Testes realizados pela ArtificialAnalysis.ai demonstram as capacidades excepcionais do Groq. O sistema atinge 241 tokens por segundo — mais que o dobro da velocidade de outros provedores. Os próprios testes do Groq elevam esse número para 300 tokens por segundo. O sistema responde rapidamente, entregando 100 tokens de saída em apenas 0.8 segundos. O sistema gera mais de 500 palavras em cerca de um segundo, enquanto GPUs da NVIDIA levam quase 10 segundos para a mesma tarefa.
A IBM firmou uma parceria com a Groq para integrar o GroqCloud ao Watsonx Orchestrate. Clientes da área da saúde que trabalham na IBM agora podem analisar informações em tempo real. A Groq também uniu forças com a Carahsoft para atender o setor público. A empresa inaugurou um data center europeu com a Equinix em Helsinque, fornecendo infraestrutura de IA de baixa latência.
A empresa planeja adicionar mais de doze novos data centers em 2026, complementando as 12 instalações já existentes. A Groq opera nos EUA, Canadá, Oriente Médio e Europa. Seus planos incluem a expansão para a Ásia, com a Índia como um dos principais mercados-alvo. Uma rodada de financiamento recente captou US$ 750 milhões, elevando a avaliação da empresa para US$ 6.9 bilhões. Atualmente, a empresa atende a mais de dois milhões de desenvolvedores e empresas da lista Fortune 500.
A Meta está deixando de depender de chips de terceiros, criando poderosos aceleradores de IA personalizados para suas redes sociais.
O principal acelerador de treinamento e inferência da Meta (MTIA v2) apresenta capacidades notáveis: 354 TOPS de computação INT8 e 177 teraflops de precisão FP16. Esses chips são construídos em nós de 5 nm com 256 MB de memória on-chip e largura de banda de memória de 2.7 TB/s. Eles apresentam desempenho 3.5 vezes melhor em computação densa do que o MTIA v1 e alcançam melhorias de 7 vezes no desempenho de computação esparsa. A Meta iniciou os testes de seu primeiro chip de treinamento de IA próprio. Essa iniciativa pode reduzir os US$ 10 bilhões gastos em GPUs da Nvidia em 2023.
Os testes da plataforma mostram um aumento de 6 vezes na capacidade de processamento de modelos e um desempenho 1.5 vezes melhor por watt em comparação com os sistemas de primeira geração. Os chips apresentam bom desempenho com modelos de classificação e recomendação de complexidade variada. Os primeiros resultados mostram melhorias de desempenho de 3 vezes em quatro modelos de avaliação principais.
A Meta firmou uma aliança plurianual com a Arm para aprimorar a IA em diversas camadas de computação. Esse esforço conjunto aprimora o ambiente de execução Executorch do PyTorch com o Arm KleidiAI. A colaboração utiliza as plataformas Neoverse da Arm para os sistemas de recomendação da Meta que alimentam o Facebook e o Instagram.
A Meta planeja lançar seu primeiro supercluster de IA de vários gigawatts, o "Prometheus", em 2026. A empresa investirá "centenas de bilhões" em infraestrutura de IA.
A IBM cria uma relação simbiótica entre os avanços quânticos e as inovações de processamento clássico, equilibrando a computação empresarial tradicional com o desenvolvimento de hardware de IA de última geração.
O processador Telum II lidera a estratégia de hardware de IA da IBM com oito núcleos de alto desempenho rodando a 5.5 GHz. Este processador apresenta um aumento de 40% na capacidade de cache on-chip, totalizando 360 MB. O acelerador de IA integrado oferece quatro vezes mais capacidade de computação por chip em comparação com seu antecessor. Outro componente poderoso, o acelerador IBM Spyre, vem com 32 núcleos de computação por chip e suporta até 1 TB de memória em oito placas.
As capacidades de processamento de dados foram significativamente aprimoradas com a Unidade de Aceleração de E/S do Telum II, que apresenta um aumento de 50% na densidade de E/S. Cada chip Spyre oferece 300 TOPS de computação, mantendo um baixo consumo de energia de 75 W. Testes demonstram que um sistema IBM Z equipado com 96 placas Spyre pode atingir níveis de desempenho de até 30 PetaOps.
A AMD e a IBM expandiram sua colaboração para disponibilizar a GPU Instinct™ MI300X na IBM Cloud. A IBM também firmou parceria com a Intel Foundry para fabricar chips avançados.
O roteiro de IA da empresa se estende até 2030 e além. Os principais marcos incluem transformadores multimodais até 2024, arquiteturas neurais além dos transformadores e capacidades avançadas de raciocínio até 2026.
Jim Keller, o lendário designer de chips, lidera a Tensorrent, que se destaca na área de hardware de IA por seu foco em código aberto e arquitetura RISC-V.
A Tenstorrent produz diversos aceleradores de IA para diferentes cargas de trabalho. Seu processador Grayskull foi lançado em abril de 2020 com 120 núcleos Tensix que oferecem 332 TFLOPS de desempenho FP8. A série Wormhole oferece um excelente custo-benefício: o n150 (US$ 999) vem com 72 núcleos Tensix que geram 262 TFLOPS de computação FP8 com 12 GB de memória GDDR6. O n300 (US$ 1399) dobra essas especificações. Seu avançado chip Blackhole contém 140 núcleos Tensix++ em um processo de 6 nm e atinge 774 TFLOPS (FP8) com 16 núcleos de CPU RISC-V.
Durante os testes, o Grayskull atingiu uma eficiência máxima de 1.56 TFLOPs/Watt. Os chips apresentaram desempenho superior aos processadores Intel Sapphire Rapids em métricas brutas, apesar de serem direcionados a segmentos de mercado diferentes.
A empresa estabeleceu colaborações estratégicas com marcas globais como LG, Hyundai, AIREV e SingularityNET. A Samsung Securities liderou sua recente rodada de financiamento de US$ 700 milhões, com a participação da LG Electronics e de Jeff Bezos, entre outros investidores, o que avaliou a empresa em US$ 2.6 bilhões.
A empresa coopera com a TSMC, Samsung e Rapidus para processos de fabricação de 2nm. Seu programa de treinamento em design de chips de IA no Japão visa expandir para 40 a 60 candidatos até 2026.
A TSMC impulsiona a revolução da IA nos bastidores. A empresa produz os semicondutores que tornam a inteligência artificial possível para quase todos os principais players do setor.
TSMC Tecnologia A16 A produção começará em 2026. Essa tecnologia avançada apresenta transistores de nanofolhas com soluções inovadoras de alimentação na parte traseira. A empresa planeja iniciar a produção do processo N2 (classe de 2 nm). Os processos N2P e A16 (classe de 1.6 nm) seguirão em 2026. Sua tecnologia System-on-Wafer (SoW) oferece desempenho excepcional em nível de wafer, atendendo aos futuros requisitos de IA para data centers de hiperescala.
O processo A16 supera significativamente o processo N2P. Ele oferece um aumento de velocidade de 8 a 10% com a mesma voltagem e reduz o consumo de energia em 15 a 20% na mesma velocidade. Produtos para data centers apresentam uma melhoria de até 1.10 vezes na densidade de chips. O processo A14 também demonstra ganhos impressionantes. Ele oferece um aumento de velocidade de até 15% ou uma redução de 30% no consumo de energia em comparação com o N2. A densidade lógica aumenta em 20%.
A fábrica da TSMC em Phoenix iniciou a produção em massa de chips para a NVIDIA. Isso marca uma colaboração significativa entre essas gigantes da IA. A OpenAI concluirá seu primeiro projeto de chip personalizado com a TSMC, utilizando tecnologia de processo de 3 nanômetros. A influência da empresa se estende ainda mais, pois ela oferece suporte aos fluxos de projeto de IA da Cadence para as tecnologias de processo N3, N2 e A16.
A empresa lançará o A16 em 2026, seguido pelo A14 em 2028. Sua tecnologia System-on-Wafer com CoWoS chegará em 2027. Essa inovação possibilitará sistemas em nível de wafer com poder de processamento equivalente ao de um servidor completo.
A Broadcom se tornou a força vital da infraestrutura de redes de IA por meio de seus aceleradores personalizados e soluções avançadas de comutação.
O Thor Ultra lidera a linha de produtos da Broadcom como a primeira placa de interface de rede Ethernet de 800G para IA do setor, destinada a data centers de IA em larga escala que suportam mais de 100,000 XPUs. A empresa produz a série de switches Tomahawk 6, que oferece 102.4 Tbps de largura de banda e se adapta a múltiplas configurações. Seu portfólio de redes inclui o Thor Ultra para conectividade, juntamente com as famílias de switches Tomahawk e Jericho, que funcionam em conjunto como uma plataforma de ponta a ponta. O CEO Hock Tan destaca que esses produtos de rede representam apenas uma parte da oportunidade de mercado de IA da Broadcom, estimada entre US$ 60 e 90 bilhões até 2027.
A equipe dobrou a largura de banda do Thor Ultra em comparação com seu antecessor. O Tomahawk 6 suporta 512 portas XPU a 200 Gbps ou até 1,024 portas a 100 Gbps. Os switches high-radix da empresa podem conectar mais de 100,000 XPUs em uma rede scale-out de duas camadas. A Broadcom utiliza suas avançadas tecnologias SerDes e DSP para atingir essas especificações.
A OpenAI anunciou uma colaboração com a Broadcom para o fornecimento de 10 gigawatts de aceleradores de IA personalizados. Antes deste anúncio, a Broadcom já havia garantido um pedido de US$ 10 bilhões de um cliente não identificado para chips de IA personalizados. O trabalho da empresa com o Google em diversas gerações de processadores Tensor gerou bilhões em receita.
A Broadcom prevê um crescimento substancial na receita com IA no ano fiscal de 2026. Sua receita com semicondutores de IA atingiu US$ 12.2 bilhões no ano fiscal de 2024. A empresa está aprimorando sua tecnologia de encapsulamento 3D para impulsionar o desempenho. Os primeiros chips projetados pela OpenAI, fruto dessa parceria, chegarão ao mercado no segundo semestre de 2026.
O mercado de hardware de IA mudou drasticamente desde 2023. O que começou como uma indústria de US$ 67 bilhões agora deve atingir US$ 1.3 trilhão até 2032. Essas 15 gigantes da tecnologia continuam desafiando os limites de desempenho a cada nova geração de chips. A NVIDIA permanece na liderança com sua arquitetura inovadora Blackwell. AMD, Google e outras empresas reduziram bastante a diferença com seus próprios avanços.
Nessa corrida de alto risco, as colaborações estratégicas tornaram-se cruciais. Empresas como a OpenAI agora trabalham em conjunto com vários fornecedores de hardware simultaneamente. Elas fecham acordos com a NVIDIA, AMD e Broadcom para implantações de computação massivas, medidas em gigawatts, em vez de chips individuais. Isso demonstra um futuro da IA em que mediremos o poder computacional como se fosse um serviço público.
Os ganhos de desempenho são impressionantes. As melhorias iniciais se transformaram em saltos de desempenho de 2 a 4 vezes entre gerações de chips. Cada empresa segue seu próprio caminho. A Cerebras constrói motores massivos em escala de wafer. A Groq se concentra em inferência ultrarrápida. Empresas tradicionais como Intel e Qualcomm adaptam suas arquiteturas para cargas de trabalho de IA.
O futuro parece promissor. A maioria das grandes empresas planeja lançar novas arquiteturas dentro de 12 a 18 meses, que prometem avanços ainda maiores. Algumas empresas se unirão ou desaparecerão à medida que o mercado amadurecer. Outras poderão disparar com tecnologias inovadoras.
Empresas e consumidores que acompanham essa onda de avanços tecnológicos rápidos precisarão atualizar seus equipamentos com mais frequência. A BigDataSupply ajuda a tornar essas atualizações mais ecológicas e acessíveis, permitindo que você... Venda suas GPUs usadas, CPUs, SSD, RAM e outros tipos de equipamentos de TIIsso ajuda a recuperar os custos durante a migração para hardware de IA mais recente e capaz.
O cenário de hardware de IA em 2026 será muito diferente do atual. Os vencedores precisarão de mais do que apenas desempenho bruto. Eficiência energética, ecossistemas de software e capacidade de produção desempenharão papéis fundamentais. As políticas globais de fabricação de chips também moldarão o desenvolvimento desse mercado.
Essa revolução no hardware vai remodelar a forma como as indústrias implementam e utilizam a IA. Esses chips possibilitam capacidades que pareciam impossíveis há alguns anos — desde a inferência de grandes modelos de linguagem em tempo real até a visão computacional avançada. Eles criarão categorias completamente novas de produtos e serviços.
