E se a GPU fosse o problema, não a solução?

Desde 2023, a corrida por IA se resume a uma coisa: quem tem mais GPUs. Nvidia virou a empresa mais valiosa do planeta vendendo placas que custam mais que um carro popular. Datacenters inteiros foram construídos para empilhar H100s e H200s em racks que consomem mais energia que bairros residenciais. Mas uma startup canadense chamada Taalas decidiu que tudo isso é um desperdício colossal.

A proposta deles é simples e, ao mesmo tempo, radical: em vez de rodar modelos de IA em hardware genérico programável, por que não gravar o modelo diretamente no silício? Parece loucura, mas os números são reais. O chip HC1 da Taalas rodou o Llama 3.1 8B a 17.000 tokens por segundo, 73 vezes mais rápido que a Nvidia H200, consumindo um décimo da energia.

A AMD acabou de comprar a Taalas. E isso pode mudar completamente a guerra por inferência de IA.

O que a Taalas faz (e por que ninguém pensou nisso antes)

A Taalas cria o que eles chamam de “Hardcore Models”: processadores feitos sob medida para um único modelo de IA. O conceito técnico é o de Model-Specific Integrated Circuit (MSIC), um primo dos ASICs tradicionais, mas levado ao extremo.

Em um chip convencional (GPU ou até um ASIC genérico), o modelo de IA é carregado na memória HBM e processado por unidades de cálculo programáveis. Os pesos do modelo ficam na memória, e o processador precisa buscar esses dados constantemente. Esse vai-e-vem entre memória e processador é o famoso “memory wall”: o gargalo que limita a velocidade da inferência.

A Taalas elimina esse gargalo de forma radical. Os pesos do modelo são gravados diretamente nas camadas de metal do chip durante a fabricação. O modelo não é carregado na memória porque ele já é parte do silício. O processador e o modelo são a mesma coisa.

Pense assim: uma GPU é como um ator que pode interpretar qualquer personagem, mas precisa decorar o roteiro antes de cada cena. O chip da Taalas é como um ator que nasceu sabendo um único papel. Ele não perde tempo decorando nada porque o papel já faz parte dele.

Os números que fizeram a AMD abrir a carteira

O HC1, primeiro chip da Taalas, foi fabricado em processo de 6nm pela TSMC. Nos benchmarks com o Llama 3.1 8B (um dos modelos open source mais populares do mercado), ele entregou resultados que pareciam erro de medição:

A Taalas afirma uma melhoria de 1.000x em performance por watt e performance por dólar. Mesmo que esse número tenha um asterisco do tamanho de um datacenter (benchmarks controlados, modelo específico, cenário ideal), a ordem de grandeza é impressionante.

Para contextualizar: se você opera um serviço de IA que processa milhões de requisições por dia, a diferença entre 233 tokens/s e 17.000 tokens/s não é só velocidade. É a diferença entre precisar de um rack inteiro de GPUs e precisar de um único chip. A conta de energia cai. A conta de hardware cai. A complexidade operacional cai.

O trade-off que ninguém pode ignorar

Antes de sair vendendo suas ações da Nvidia, tem um detalhe crucial: cada chip da Taalas roda um único modelo. Gravou o Llama 3.1 8B no silício? Ele roda o Llama 3.1 8B. Para sempre.

Quer rodar o Llama 4? Precisa de um chip novo. Quer testar o Mistral? Chip novo. Quer fazer fine-tuning com seus dados? Dependendo da abordagem, chip novo.

Isso parece uma limitação fatal, e seria se não fosse por dois fatores que a Taalas resolveu de forma inteligente.

Primeiro: das mais de 100 camadas que compõem o chip, apenas 2 camadas de metal mudam entre um modelo e outro. O design base do processador é reutilizado. Isso significa que o “chip novo” não é projetado do zero. É mais como trocar a pintura de um carro do que construir um carro novo.

Segundo: o tempo de tape-out (o processo de finalizar o design e mandar para fabricação) é de aproximadamente dois meses, usando ferramentas proprietárias da Taalas. Na indústria de semicondutores, onde um tape-out normal leva de 6 a 18 meses, dois meses é absurdamente rápido.

Então sim, cada chip roda um modelo só. Mas se você pode fabricar um chip novo em dois meses por uma fração do custo, o trade-off começa a fazer sentido para quem roda o mesmo modelo em escala massiva.

Quem está por trás disso

A Taalas foi fundada em 2023 em Toronto, Canadá. O CEO e cofundador é Ljubisa Bajic, que antes de fundar a Taalas liderou a Tenstorrent, outra empresa de chips para IA (que, aliás, tem Jim Keller como CTO, um dos engenheiros mais lendários da indústria de semicondutores).

A empresa levantou US$ 219 milhões em financiamento total, incluindo uma rodada de US$ 169 milhões em fevereiro de 2026, quando apresentou o HC1 pela primeira vez. Seis meses depois de mostrar o chip ao mundo, a AMD bateu na porta com uma proposta de aquisição.

Os termos financeiros não foram divulgados, mas considerando o total de funding e o estágio da empresa, estima-se que a aquisição tenha custado à AMD algo na casa das centenas de milhões, possivelmente ultrapassando US$ 1 bilhão.

Por que a AMD, e por que agora

Para entender essa aquisição, você precisa entender o que está acontecendo no mercado de chips de IA em 2026.

A fase de treinamento de modelos (onde você precisa de clusters gigantescos de GPUs para ensinar uma IA) está amadurecendo. Os modelos fundacionais estão ficando menos frequentes e mais caros. O GPT-5.6 da OpenAI, o Claude Opus, o Gemini Ultra: esses modelos não são retreinados toda semana.

Mas a inferência, que é o uso desses modelos treinados para responder perguntas, gerar código, analisar imagens, está explodindo. Cada consulta ao ChatGPT, cada autocompletar do Copilot, cada agente de IA que roda em produção é inferência. E o volume está crescendo exponencialmente.

O mercado de inferência deve representar 60% a 70% dos US$ 400 bilhões em gastos com chips de IA até o final de 2026. E a Nvidia sabe disso. Não foi à toa que ela comprou a Groq por US$ 20 bilhões no ano passado para ter tecnologia de inferência de baixa latência. A Intel reagiu comprando a SambaNova.

A AMD, que já havia adquirido a MK1 (especializada em inferência de alta velocidade) em novembro de 2025, agora soma a Taalas como sua terceira aquisição focada em IA em apenas nove meses. O recado é claro: Lisa Su não quer que a AMD seja apenas “a alternativa mais barata à Nvidia”. Ela quer que a AMD tenha o portfólio mais completo de soluções de inferência do mercado.

Vamsi Boppana, SVP do grupo de IA da AMD, resumiu a estratégia: “A AMD está construindo uma plataforma de IA full-stack que dá aos clientes flexibilidade para implantar a solução de computação certa para cada workload de IA.”

Na prática, isso significa que a AMD planeja integrar os chips da Taalas no seu ecossistema existente: racks Helios, GPUs Instinct, processadores EPYC e a stack de software ROCm. Um cliente poderia usar GPUs Instinct para treinamento e experimentação, e chips Taalas para servir modelos em produção com eficiência máxima.

O campo de batalha da inferência em 2026

A aquisição da Taalas pela AMD não acontece no vácuo. O mercado de chips de inferência virou o campo de batalha mais disputado da indústria de tecnologia.

Cada abordagem tem suas vantagens. As GPUs são flexíveis. Os LPUs da Groq/Nvidia otimizam para latência. Os chips da Cerebras apostam em escala wafer. Os MSICs da Taalas maximizam throughput e eficiência energética para modelos fixos.

A pergunta que o mercado está fazendo é: quantos modelos realmente importam em produção? Se a resposta for “poucos” (Llama, GPT, Claude, Gemini e suas variantes), então chips especializados como os da Taalas fazem todo o sentido. Se a resposta for “muitos modelos mudam toda semana”, GPUs continuam sendo reis.

A realidade provavelmente fica no meio. Empresas grandes vão rodar 2 ou 3 modelos em produção por meses antes de trocar. Para esses cenários, um chip que é 73x mais rápido e gasta 10x menos energia é uma proposta irresistível.

O que isso significa para devs

Se você é desenvolvedor e trabalha com IA, essa mudança no hardware vai afetar como você pensa sobre deploy de modelos.

Hoje, quando você coloca um modelo em produção, a pergunta é “quantas GPUs eu preciso?”. Em breve, a pergunta pode ser “qual o hardware certo para este modelo específico?”. GPUs para experimentação e modelos que mudam frequentemente. Chips especializados para modelos estáveis em produção que precisam de throughput máximo e custo mínimo.

Isso também significa que a escolha do modelo ganha mais peso. Se você vai investir em um chip customizado para um modelo, precisa ter confiança de que aquele modelo vai servir o seu caso de uso por pelo menos alguns meses. O custo de trocar de modelo não é mais só “mudar o endpoint da API”. É trocar hardware.

Para quem opera infraestrutura, a composição dos clusters vai ficar mais heterogênea. Em vez de racks uniformes de GPUs, imagine clusters com GPUs para workloads variáveis, chips Taalas para os modelos de maior volume, e processadores tradicionais para pré e pós-processamento.

A corrida está só começando

A AMD comprou a Taalas, a Nvidia comprou a Groq, a Intel comprou a SambaNova. Em menos de um ano, as três maiores fabricantes de chips do mundo adquiriram startups de inferência. Ninguém quer ficar de fora quando o mercado de inferência de IA ultrapassar o de treinamento em receita.

O HC2 da Taalas, próximo chip na roadmap, mira modelos de 20 bilhões de parâmetros. Se mantiver a mesma vantagem de performance do HC1, estamos falando de rodar modelos do porte do Mistral Medium ou versões compactas do Llama em velocidades que hoje são inimagináveis.

A aquisição deve ser concluída no quarto trimestre de 2026, sujeita a aprovações regulatórias. A equipe da Taalas em Toronto será integrada ao grupo de IA da AMD, e os primeiros produtos combinados devem aparecer no roadmap de 2027.

E enquanto a Nvidia continua dominando o mercado com 80% de participação, movimentos como esse mostram que a era do “compre mais GPUs” pode estar chegando ao fim. O futuro da IA em produção talvez não seja sobre hardware mais potente. Talvez seja sobre hardware mais inteligente.

Fonte de inspiração: AMD Press Release | SiliconANGLE