A revolução silenciosa do hardware: chips customizados de IA chegam ao mercado

O Jalapeño da OpenAI não é só mais um chip: é o primeiro ASIC de inferência feito com IA para IA. Desenvolvido em nove meses, metade do tempo padrão , , ele usa modelos internos para otimizar layout físico e fluxo de dados. Já a Etched, com seu Sohu, elimina camadas de abstração de software: operações de transformer são gravadas diretamente no silício. Resultado? Até 20× mais rendimento que H100s na inferência, sem trade-offs de flexibilidade. A SambaNova vai além: o SN50 não é isolado, integra-se a racks híbridos (Xeon + Blackwell + SN50) em nuvens corporativas como a Vector Core Compute, mostrando que a nova infraestrutura não é monolítica, mas modular e desagregada.

Essa onda não é sobre substituir GPUs, mas sobre dividir o trabalho: Trainium3 da Amazon cuida de treino eficiente em 3nm, Jalapeño acelera ChatGPT em escala, Sohu roda agentes especializados com latência submilissegundo. O foco deixou de ser 'quanto mais FLOPS, melhor' para 'qual arquitetura resolve exatamente este workload, com menor custo por token?'.

Em março, falávamos de SRAM como promessa para inferência, agora, chips como Sohu e Jalapeño já estão em produção ou com contratos fechados. Em abril, a 'fase de concretização' era um conceito estratégico, hoje, é visível em data centers reais: racks da Etched serão entregues no verão, o Jalapeño entra em implantação no final de 2026. A GTC 2026 previa que 'inferência imediata' seria o novo norte, e, em junho, ela virou realidade com hardware que entrega latência de microssegundos em cargas de agente, não só de LLM estático.

Um modelo de linguagem não é útil se demorar 2 segundos para responder. Agentes autônomos exigem inferência previsível, barata e escalável, não apenas potente. Chips customizados transformam isso de requisito técnico em commodity operacional. Para empresas, significa reduzir custos de inferência em até 50% (OpenAI), ou rodar 20× mais requisições por rack (Etched). Para o ecossistema, significa menos dependência de uma única arquitetura, e mais espaço para inovação em software de orquestração, ferramentas de profiling específico e stacks de inferência adaptáveis.