Como a IA está Democratizando o Design e a Otimização de Chips na Tecnologia
O domínio da Nvidia no mercado de chips para inteligência artificial (IA) é inquestionável, com um valor de mercado superior a US$ 4 trilhões graças aos seus designs que suportam a execução de modelos avançados em data centers massivos. No entanto, avanços recentes indicam uma possível transformação neste cenário, com startups apostando na IA para tornar o design e a otimização de chips mais acessíveis e eficientes.
IA na Otimização de Código para Hardware Personalizado
Uma das barreiras para a adoção de silício customizado é a complexidade de escrever e otimizar o código que roda diretamente no hardware, garantindo desempenho e eficiência energética. A startup Wafer está utilizando aprendizado por reforço em modelos open source para ensinar a IA a escrever código kernel, que interage diretamente com o hardware no sistema operacional.
Além disso, Wafer aprimora modelos de linguagem como Claude, da Anthropic, e GPT, da OpenAI, com "agentic harnesses" — mecanismos que ampliam a capacidade desses modelos de gerar código otimizado para diferentes chips. Essa tecnologia tem atraído parcerias com empresas como AMD e Amazon, que buscam otimizar seus softwares para rodar com máxima eficiência em seus hardwares personalizados.
Desafios e Competição com a Nvidia
Apesar do sucesso da Nvidia, outras fabricantes como AMD, Amazon com seu Trainium, e Google com os TPUs, têm desenvolvido chips com desempenho teórico similar em operações de ponto flutuante, um parâmetro chave para cálculos simples. Contudo, a vantagem competitiva da Nvidia está em seu ecossistema de software que facilita a programação e manutenção do código para seus chips.
Em projetos como o da Anthropic, que precisou reescrever completamente seu código para rodar no Trainium, fica clara a dificuldade e o custo dessa adaptação. Wafer acredita que a IA pode reduzir essa barreira, consumindo a vantagem de software da Nvidia ao automatizar a otimização para diferentes silícios, tornando essa habilidade menos exclusiva.
IA no Design Automático de Chips
Além da otimização de código, a IA está revolucionando o próprio processo de design de chips. A Ricursive Intelligence, fundada por ex-engenheiras do Google, desenvolve tecnologias que automatizam etapas críticas do design físico e da verificação dos chips, os chamados "long poles" do desenvolvimento de silício.
Essas técnicas, inicialmente aplicadas no Google para otimizar o layout dos componentes dos processadores, agora são expandidas para automatizar ainda mais o processo, incluindo a integração de grandes modelos de linguagem que permitem que engenheiros interajam com o design por meio de linguagem natural.
Isso significa que, futuramente, pode ser possível "vibrar" (vibe) o design de um chip da mesma forma que se programa um aplicativo, tornando o processo mais acessível e flexível.
Investimentos e Perspectivas Futuras
O potencial dessa revolução atraiu investimentos significativos: Ricursive já captou US$ 335 milhões, avaliando a empresa em cerca de US$ 4 bilhões em poucos meses. A fundadora Anna Goldie vislumbra um futuro onde IA e hardware sejam co-desenvolvidos, com a IA ajustando seu próprio silício e código de forma recursiva, criando uma nova "lei de escala" para design de chips.
Impactos Práticos para o Mercado de Tecnologia
Se a democratização do design e otimização de chips via IA se concretizar, empresas de diversos setores poderão desenvolver silício personalizado para suas necessidades específicas, sem depender exclusivamente dos gigantes como Nvidia. Isso pode acelerar a inovação, reduzir custos e ampliar a diversidade de soluções no mercado.
Além disso, a redução da necessidade de engenheiros altamente especializados para otimização de código pode tornar o desenvolvimento mais ágil e acessível, fomentando uma competição mais saudável e estimulando novas parcerias entre startups e grandes players.