De startups a Big Techs, rivais da Nvidia se multiplicam: pode ser destronada?

A corrida para desafiar o domínio da Nvidia em chips de inteligência artificial entra em um novo capítulo, com startups atraindo bilhões de dólares em financiamento, grandes empresas de tecnologia acelerando o desenvolvimento interno de chips e investidores apostando que a próxima fase da computação de IA pode não pertencer exclusivamente às unidades de processamento gráfico.

Enquanto a Nvidia continua a dominar o mercado de hardware para IA, a atenção está cada vez mais deslocada do treinamento de modelos massivos para sua execução eficiente em aplicações do mundo real, conhecida como inferência de IA.

Essa transição abriu a porta para uma nova geração de fabricantes de chips que prometem desempenho mais rápido, menor consumo de energia e custos operacionais significativamente menores.

O lembrete mais recente veio na quarta-feira, quando a startup de chips de IA SambaNova captou $1 billion em novo financiamento, destacando a disposição dos investidores em apoiar empresas que buscam conquistar uma fatia de um dos mercados de tecnologia que mais cresce no mundo.

Essa rodada de financiamento avalia a SambaNova em $11 billion e foi liderada pela General Atlantic, com participação da Seligman Ventures, T. Rowe Price e Capital Group.

O investimento mais recente segue uma rodada separada no início deste ano, na qual a empresa levantou mais de $350 million de investidores incluindo a Intel, além de firmar uma parceria estratégica.

De acordo com um reportagem da CNBC publicada em abril, startups de chips de IA levantaram $8.3 billion globalmente em 2026.

Salvo uma queda acentuada nos mercados de financiamento, espera-se que os investimentos no setor alcancem níveis recorde neste ano.

Fonte: CNBC

O foco muda do treinamento para a inferência

A Nvidia construiu seu domínio com unidades de processamento gráfico originalmente projetadas para jogos, mas posteriormente adaptadas para treinar modelos de IA.

Esses chips continuam sendo o padrão da indústria para construir grandes modelos de linguagem.

No entanto, à medida que empresas implantam cada vez mais aplicações de IA em vez de treinar novos modelos base, a indústria presta mais atenção à inferência, o processo pelo qual modelos treinados respondem a consultas de usuários.

Muitas startups argumentam que as GPUs, embora excepcionalmente potentes, nunca foram projetadas especificamente para cargas de trabalho de IA.

Em vez disso, acreditam que processadores especializados, desenvolvidos especificamente para inferência, podem reduzir drasticamente os custos consumindo menos eletricidade.

Lista de startups de chips de IA que tentam desafiar a Nvidia

A SambaNova está longe de ser a única empresa tentando afrouxar o domínio da Nvidia na infraestrutura de IA.

A Cerebras, que recentemente estreou no mercado público após captar $5.5 billion, há muito se posiciona como uma das competidoras mais fortes da Nvidia.

O Morgan Stanley argumentou que a empresa desfruta de vantagem de primeiro movimentador em certos segmentos de computação de IA.

Outro ator muito observado é a Groq, cuja arquitetura focada em inferência atraiu tanta atenção que a Nvidia concordou em licenciar parte de sua tecnologia de chips e contratou seu diretor-executivo em dezembro passado.

A CNBC depois relatou que a Nvidia teria concordado em adquirir a Groq por $20 billion em dinheiro, embora nenhuma das empresas tenha confirmado a reportagem.

A Groq disse que continuaria operando de forma independente sob o comando do diretor-executivo Simon Edwards.

Curiosamente, a Nvidia mais tarde apresentou sua própria unidade de processamento de linguagem na conferência anual GTC em março, sugerindo que está incorporando ideias de concorrentes mais recentes em vez de ignorá-las.

Outra startup que atrai atenção é a D-Matrix, fundada em 2019.

A empresa afirma que seus processadores podem executar cargas de inferência até 10 vezes mais rápido enquanto consomem cinco vezes menos energia do que GPUs Nvidia isoladas, desde que as cargas de trabalho permaneçam relativamente pequenas.

A D-Matrix levantou cerca de $500 million até o momento, alcançando uma avaliação estimada de aproximadamente $2 billion.

A Microsoft participou do financiamento por meio de sua unidade de investimentos M12.

Fabricantes de modelos de IA buscam construir seus próprios chips

A pressão competitiva não vem apenas de startups.

Muitos dos maiores clientes da Nvidia estão simultaneamente se tornando rivais à medida que investem fortemente no desenho de chips proprietários para IA.

A justificativa é direta. Desenvolver silício customizado reduz a dependência da Nvidia, diminui os custos de infraestrutura no longo prazo e permite integração mais estreita entre hardware e software.

A Reuters relatou esta semana que a startup chinesa de IA DeepSeek está desenvolvendo seu próprio chip de IA na tentativa de reduzir a dependência de processadores da Nvidia e da Huawei usados para treinar e implantar seus modelos.

No início deste mês, The Information informou que a Anthropic manteve discussões com a Samsung sobre colaboração em um chip futuro, embora decisões-chave sobre suas especificações e uso pretendido ainda não estejam resolvidas.

A OpenAI, no mês passado, revelou seu primeiro processador de IA personalizado, chamado Jalapeño, desenvolvido em parceria com a Broadcom.

O diretor-executivo da Broadcom, Hock Tan, disse à Reuters que o processador tem desempenho equivalente aos chips Blackwell da Nvidia e às unidades de processamento tensorial do Google.

Big Tech está cada vez mais se tornando concorrente da Nvidia

O próprio Google está se movendo agressivamente para reduzir sua dependência da Nvidia.

Em vez de usar os mesmos processadores para treinamento e inferência de IA, a empresa está separando essas cargas de trabalho em chips dedicados na oitava geração de sua família de unidades de processamento tensorial.

Espera-se que seus processadores TPU 8t e TPU 8i fiquem disponíveis ainda este ano.

A Amazon está seguindo uma estratégia semelhante.

O chefe de IA da empresa, Peter DeSantis, disse recentemente à Bloomberg que a Amazon Web Services está discutindo a possibilidade de vender seus chips Trainium a clientes externos, potencialmente criando uma das alternativas mais fortes à Nvidia na infraestrutura de data center.

Tais discussões ainda estão em estágio inicial, mas seguem os comentários do diretor-executivo da Amazon, Andy Jassy, de que a demanda pelos chips de IA desenvolvidos internamente tem sido tão forte que a comercialização agora está sob consideração.

A Meta também está investindo agressivamente em hardware de IA personalizado por meio de uma parceria ampliada com a Broadcom.

O programa Meta Training and Inference Accelerator (MTIA) da empresa já produziu seu primeiro chip, o MTIA 300, que alimenta sistemas de ranking e recomendação nas plataformas da Meta.

Mais três gerações adicionais são esperadas até 2027, com as versões posteriores projetadas especificamente para cargas de inferência que alimentam assistentes de IA e respondem a consultas de usuários.

Como Google e Amazon, o objetivo da Meta é reduzir a dependência da Nvidia ao mesmo tempo em que adapta chips à sua própria pilha de software e infraestrutura de IA.

A mudança ilustra uma tendência mais ampla entre os hyperscalers.

Em vez de depender inteiramente de GPUs prontas para uso, gigantes de tecnologia estão cada vez mais construindo circuitos integrados específicos de aplicação (ASICs) otimizados para suas próprias cargas de trabalho.

AMD e Broadcom já conquistaram posições significativas

Diferentemente de muitas startups, AMD e Broadcom já se estabeleceram como concorrentes relevantes na infraestrutura de IA.

A transformação da AMD tem refletido a da Nvidia em vários aspectos.

Originalmente conhecida por placas gráficas para jogos e processadores para PCs, a empresa alterou seu foco para aceleradores de data center e chips de IA, permitindo que surgisse como a segunda maior participante pública no mercado de aceleradores de IA.

A estratégia valorizou muito os investidores.

As ações da AMD subiram mais de 460% nos últimos cinco anos, dando à empresa um valor de mercado superior a $840 billion.

A Broadcom, por sua vez, tornou-se uma das empresas mais estrategicamente importantes em silício customizado para IA.

Em vez de competir diretamente com a Nvidia por meio de chips comerciais, a Broadcom projeta processadores customizados para alguns dos maiores desenvolvedores de IA do mundo.

Analistas da Melius Research disseram recentemente que a Broadcom tem visibilidade para cerca de 10 gigawatts de demanda por IA até 2027 de clientes incluindo Anthropic e Meta Platforms.

A influência da empresa se expandiu ainda mais na quarta-feira, depois que assinou um acordo de semicondutores no valor de mais de $30 billion com a Apple.

Pelo acordo, a Broadcom projetará e fabricará "componentes de silício customizados e tecnologias de conectividade wireless de ponta" para os produtos da Apple.

Analistas veem liderança da Nvidia diminuindo, não desaparecendo

Apesar do crescente número de concorrentes, a maioria dos analistas acredita que a liderança da Nvidia permanece esmagadora.

"A Nvidia definitivamente vai enfrentar mais competição em comparação com um ano atrás", disse KinNgai Chan, diretor-gerente da Summit Insights Group, em comentários à Reuters em março.

"A Nvidia ainda detém mais de 90% de participação de mercado tanto nos mercados de treinamento quanto de inferência hoje."

No entanto, Chan espera que esse domínio se desgaste gradualmente ao longo dos próximos anos.

"Acreditamos que a Nvidia começará a perder participação a partir de 2027, uma vez que os programas internos de ASIC ganhem escala, especialmente no mercado de inferência", disse ele, referindo‑se a circuitos integrados específicos de aplicação projetados para cargas dedicadas e que oferecem maior eficiência do que GPUs de uso geral.

A Morningstar compartilha uma perspectiva de longo prazo semelhante.

"A longo prazo, achamos inevitável que Google e AWS busquem trazer mais chips e equipamentos de IA para dentro de casa, em detrimento da Nvidia", escreveu o analista da Morningstar Brian Colello.

"Esperamos que a Nvidia perca participação para os TPUs do Google e para o Trainium da Amazon (especialmente se Anthropic e/ou o Google Gemini emergirem como modelos de fronteira dominantes), mas acreditamos que a participação da Nvidia deva estabilizar em 68% em 2030 (contra 80% hoje) dentro de um bolo muito maior de gastos com IA", acrescentou.

A Nvidia está reagindo em várias frentes

No entanto, dito isso, a Nvidia não está parada.

A empresa gastou mais de $18 billion em pesquisa e desenvolvimento no exercício financeiro encerrado em janeiro de 2026, enquanto acelerava o trabalho em processadores de IA de próxima geração, produtos de networking e tecnologia fotônica.

Durante a última teleconferência de resultados em maio, Huang disse que os novos processadores centrais "Vera" da Nvidia lhe dão acesso a um novo mercado de $200 billion.

A Nvidia espera que seus chips Vera gerem $20 billion em receita até o final do atual ano fiscal.

Huang afirmou que essas vendas não foram incluídas na projeção anterior da empresa de $1 trillion em receita proveniente de suas plataformas de chips de IA Blackwell e Rubin entre 2025 e 2027.

Talvez mais significativamente, a Nvidia está cada vez mais escolhendo a colaboração em vez da confrontação.

Em vez de competir diretamente com toda startup emergente de chips de IA, a Nvidia tem optado por colaborar com empresas que desenvolvem processadores especializados para inferência.

Aquisições de ativos da startup de inferência de IA Groq em dezembro por $20 billion e o anúncio de investimentos de $4 billion em duas empresas de fotônica no início deste ano fazem parte dessa estratégia.

Além disso, ao integrar alguns chips rivais ao lado de suas próprias GPUs em racks de servidores de IA, a Nvidia amplia seu ecossistema enquanto garante continuar a se beneficiar dos gastos com infraestrutura de IA, independentemente de quais tecnologias de inferência ganhem mais tração.

Essa estratégia permite à Nvidia participar de múltiplos ecossistemas de hardware para IA enquanto continua a gerar receita mesmo se clientes adotarem chips de inferência especializados ao lado de suas GPUs.

Na quarta-feira, o provedor de nuvem de inferência Parasail anunciou que implantaria os aceleradores de inferência Corsair da D-Matrix ao lado dos sistemas Hopper e Blackwell da Nvidia para oferecer "serviços de inferência até 10x mais rápidos e mais econômicos" aos clientes.

Além disso, os produtos da SambaNova foram projetados para complementar o hardware da Nvidia em vez de substituí‑lo completamente.

Rodrigo Liang, diretor-executivo da SambaNova, disse que seus chips SN40 e SN50 podem executar a chamada parte de decodificação da inferência — desempacotar a consulta do modelo — de cinco a 10 vezes mais rápido, o que ajuda a liberar o mesmo número de chips Nvidia para outras tarefas, como treinamento.

Crescimento forte continua apesar das pressões competitivas

Os resultados financeiros mais recentes da Nvidia sugerem que a competição ainda não prejudicou de forma significativa seus negócios.

Sua divisão de data center, que continua sendo o principal motor de crescimento da empresa, reportou receita recorde de $75.2 billion, alta de 92% ano a ano.

O diretor-executivo Jensen Huang procurou tranquilizar os investidores afirmando que a demanda permanece ampla e que novos produtos ajudariam a empresa a superar a oportunidade de $1 trillion em receita que projetou para suas plataformas de chips de IA.

Mesmo assim, as ações da NVDA caíram 1,6% após a divulgação dos resultados, apesar de uma orientação de receita superior ao esperado e do anúncio de um programa de recompra de ações de $80 billion.

A reação do mercado sugeriu que os investidores estão cada vez mais olhando além dos lucros atuais e se concentrando em se a Nvidia poderá defender sua posição dominante à medida que os concorrentes se multiplicam.

As ações ganharam um patamar relativamente modesto de 4% este ano e pouco mais de 23% nos últimos 12 meses, uma forte moderação em comparação com seus ganhos extraordinários nos estágios iniciais do boom da IA.