Amazon quer vender chips de IA próprios para concorrer diretamente com Nvidia

A Amazon não está só entrando no mercado de chips de IA: ela está tentando redefinir as regras da disputa. O Trainium 3, fabricado em 3 nm na TSMC, já entrega quatro vezes mais desempenho e eficiência que sua geração anterior, e mesmo assim, a capacidade está esgotada. A mudança para vendas externas não é um ajuste tático, mas uma resposta direta à pressão geopolítica (como exigências europeias por infraestrutura localizada) e ao aperto de oferta global: a TSMC agora prioriza a Nvidia, que superou a Apple como seu maior cliente. Enquanto isso, a AWS já fatura US$ 20 bilhões/ano com silício próprio, e o plano de US$ 50 bilhões/ano mencionado por Jassy pressupõe escala que ainda não existe.

O timing é crítico. A OpenAI já comprometeu 2 GW de Trainium a partir de 2027. A Anthropic firmou US$ 225 bilhões em acordos com a AWS, mas também negocia chips Maia com a Microsoft. Isso mostra que os clientes não estão trocando fornecedores, e sim multiplicando contratos para garantir acesso a qualquer hardware que funcione. A Amazon está vendendo confiança, não apenas chips.

Em abril, Jassy falava em possibilidade. Em junho, a AWS está em negociações avançadas, e já tem demanda concreta: OpenAI e Anthropic já reservaram centenas de megawatts. Antes, a venda externa era teórica, ligada a uma hipótese de 'se fosse um negócio separado'. Agora, é uma operação em construção, com impacto real no planejamento de produção e no equilíbrio entre oferta interna e externa. O Trainium 4, que ainda não existe fisicamente, já tem fila de espera, algo inédito na história dos chips da AWS.

Isso não é só sobre mais um concorrente para a Nvidia. É sobre quem controla o custo do treinamento de modelos em larga escala. O Trainium oferece até 50% de economia frente a instâncias EC2 comparáveis, e se essa economia for replicável em data centers de terceiros, muda a matemática de ROI para startups e bancos que hoje dependem de GPUs caríssimos. Também acelera a fragmentação do ecossistema: em vez de um padrão unificado (CUDA), surgem stacks fechados (Trainium + Inferentia + Graviton), cada um com suas APIs, ferramentas e trade-offs de portabilidade.