O Google quer ganhar espaço no mercado global de computação para inteligência artificial (IA), hoje amplamente dominado pela Nvidia. A empresa trabalha em um projeto interno chamado TorchTPU, cujo objetivo é tornar seus chips de IA, conhecidos como TPUs (Tensor Processing Units), muito mais compatíveis com o PyTorch, o framework de software mais utilizado por […]
O Google quer ganhar espaço no mercado global de computação para inteligência artificial (IA), hoje amplamente dominado pela Nvidia. A empresa trabalha em um projeto interno chamado TorchTPU, cujo objetivo é tornar seus chips de IA, conhecidos como TPUs (Tensor Processing Units), muito mais compatíveis com o PyTorch, o framework de software mais utilizado por desenvolvedores de modelos de IA em todo o mundo.
De acordo com a Reuters, o movimento tem o objetivo de reduzir a dependência do ecossistema CUDA, a plataforma de software criada pela Nvidia que se tornou, ao longo dos anos, um dos principais diferenciais competitivos da companhia. Embora existam alternativas de hardware no mercado, a profunda integração entre CUDA e PyTorch sempre foi vista como uma barreira significativa para clientes que consideram migrar para outros fornecedores de chips.
Nos bastidores, o Google avalia que apenas oferecer hardware competitivo não é suficiente para atrair desenvolvedores e empresas. O grande gargalo está no software. Hoje, a maioria das equipes de IA constrói seus modelos sobre PyTorch, um projeto de código aberto fortemente apoiado pela Meta. Já o Google, historicamente, otimizou suas TPUs para rodar com outro framework, o Jax, utilizado internamente e menos difundido fora da empresa. Essa divergência aumentou os custos e a complexidade para clientes interessados em usar TPUs em escala.
Leia também: MP do Redata entra na reta final e setor pressiona Congresso por aprovação ainda em 2025
Com o TorchTPU, a proposta é eliminar esse atrito. A iniciativa busca tornar as TPUs plenamente compatíveis e mais amigáveis para ambientes baseados em PyTorch, reduzindo o esforço de engenharia necessário para obter desempenho semelhante ao alcançado em GPUs da Nvidia. Fontes próximas ao projeto indicam que o Google passou a dedicar mais recursos, prioridade estratégica e coordenação organizacional a essa frente, diante da crescente demanda por alternativas no mercado de IA.
A mudança acontece em um momento crítico para o Google Cloud. As vendas de TPUs se tornaram um dos pilares de crescimento da divisão de nuvem, à medida que investidores cobram retorno mais claro sobre os pesados investimentos em inteligência artificial. Ampliar a base de clientes externos e facilitar a adoção dos chips é visto como essencial para sustentar essa narrativa.
Outro elemento relevante dessa estratégia é a colaboração com a Meta. As duas empresas vêm trabalhando juntas para acelerar o desenvolvimento de soluções que tornem as TPUs mais atraentes para quem já opera com PyTorch. Ao mesmo tempo, a Meta avalia ampliar o uso de TPUs em sua infraestrutura, como forma de reduzir custos de inferência e ganhar poder de negociação frente à Nvidia, hoje sua principal fornecedora de hardware para IA.
Esse alinhamento de interesses ilustra que grandes empresas de tecnologia buscam diversificar suas cadeias de suprimento de chips, tanto por razões econômicas quanto estratégicas. A concentração excessiva em um único fornecedor tem sido vista como um risco, especialmente em um contexto de forte demanda global por capacidade computacional, gargalos de produção e tensões geopolíticas.
Nos últimos anos, o Google também alterou sua abordagem comercial em relação às TPUs. Antes usadas quase exclusivamente de forma interna, elas passaram a ser oferecidas de forma mais agressiva via Google Cloud e, mais recentemente, vendidas diretamente para data centers de clientes corporativos. A nomeação de um novo líder para a área de infraestrutura de IA respondendo diretamente ao CEO Sundar Pichai, reforça o peso estratégico dessa frente.
Caso o TorchTPU atinja seus objetivos, o impacto pode ir além do Google. A redução dos custos de migração entre plataformas tende a aumentar a competição no mercado de chips para IA pressionando margens, estimulando inovação e oferecendo mais opções para empresas que desenvolvem e operam modelos de grande escala. Para a Nvidia, o desafio não está apenas no desempenho do hardware, mas na defesa de um ecossistema de software que se tornou central para a economia da inteligência artificial.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
