Nvidia Investe no Thinking Machines Lab de Mira Murati em Parceria Estratégica

A parceria entre Nvidia e Thinking Machines Lab não é só sobre chips: é um contrato de infraestrutura em escala industrial, com pelo menos 1 GW de capacidade de data center, equivalente a dezenas de milhares de GPUs Vera Rubin, os novos chips da Nvidia projetados para modelos de fronteira. O custo estimado dessa infraestrutura é de 50 a 60 bilhões de dólares, dos quais cerca de 35 bilhões vão diretamente para equipamentos da Nvidia. Isso coloca o acordo entre os maiores contratos de fornecimento de hardware de IA já fechados, comparável às parcerias com Hyundai e SK Hynix anunciadas poucos meses depois. O laboratório, fundado por Mira Murati em fevereiro de 2025 após sua saída da OpenAI, já cresceu de 30 para 120 funcionários em um ano, mas enfrentou instabilidade interna em janeiro de 2026 com a demissão de um cofundador e saída de pesquisadores para a concorrência.

O foco técnico do Thinking Machines Lab vai além de treinar modelos maiores: ele prioriza sistemas compreensíveis e colaborativos, com seu produto Tinker funcionando como uma API para personalização empresarial de LLMs, ou seja, não vende apenas poder bruto de inferência, mas adaptabilidade real. A primeira fase da implantação com chips Vera Rubin começa em 2027, num momento em que a escassez de memória (DRAM +125%, NAND +234% em 2026) está pressionando toda a cadeia de fornecimento de data centers de IA.

Essa parceria mostra como a corrida por frontier models está se deslocando do software para a infraestrutura física: quem controla o acesso a gigawatts de potência computacional define quem consegue testar, refinar e implantar sistemas avançados de IA no mundo real. Para a Nvidia, é uma forma de garantir demanda estrutural em meio à escalada de preços de memória e ao aperto na oferta global de semicondutores, setor que deve ultrapassar 1,3 trilhão de dólares em 2026. Para o Thinking Machines Lab, é uma alavanca crítica: sem essa capacidade, seria impossível entregar o Tinker com baixa latência e alta personalização em escala empresarial. E para o mercado de trabalho, reforça uma contradição crescente em 2026: enquanto empresas gastam bilhões para automatizar processos com IA, há demanda explícita por habilidades 'livres de IA', como pensamento crítico não mediado por modelos.