Os dois maiores Players de nuvem do planeta acabaram de fazer o movimento mais ousado contra o monopólio de hardware da Inteligência Artificial.
Em menos de 24 horas, a Amazon e o Google anunciaram ferramentas de software radicalmente novas que permitem a qualquer desenvolvedor migrar seus aplicativos de IA de GPUs Nvidia para chips personalizados próprios com uma simples mudança de configuração — sem reescrever uma única linha de código. É o ataque mais coordenado já visto contra a vantagem que manteve a Nvidia como escolha padrão do setor.
A Amazon foi a primeira, lançando na segunda-feira (19) o TorchNeuron, uma ferramenta adaptada do PyTorch, o framework aberto usado para construir cerca de 85% dos aplicativos de IA atuais. Com apenas uma alteração na linha de configuração, desenvolvedores podem executar seus modelos PyTorch nos chips Trainium da Amazon em vez das GPUs Nvidia, e a empresa garante que o mesmo chip Trainium é capaz de fazer tanto treinamento quanto inferência, melhorando a economia em toda a jornada do workload.
Segundo Colin Brace, vice-presidente de software da Annapurna Labs (a unidade de chips da Amazon), mais de 30 clientes — incluindo empresas de robótica, modelos de mundo e IA de voz — já estão usando o TorchNeuron em produção. A empresa de IA de voz Deepgram, por exemplo, afirma ter processado 70% mais áudio por dólar gasto no Trainium, mantendo precisão de nível de produção. A Amazon também está contribuindo com código diretamente para o projeto principal do PyTorch, com o objetivo explícito de desacoplar recursos do framework de chips específicos, tornando o PyTorch inerentemente independente de hardware.
No dia seguinte (20), o Google respondeu com o TorchTPU, uma ferramenta essencialmente equivalente que permite a mesma migração para os Tensor Processing Units (TPUs) da empresa, através do Google Cloud. Mas o Google fez um movimento adicional: trabalhou diretamente com Meta, Hugging Face, Inferact (criadora do vLLM) e RadixArk (criadora do SGLang) para garantir que o TorchTPU se integre perfeitamente com essas ferramentas populares de desenvolvimento de IA. A empresa também lançou a TPU Agent Suite, um conjunto de ferramentas dedicado para ajudar desenvolvedores a moverem seus aplicativos para os chips e nuvem do Google, corrigindo erros ao longo do caminho. Atualizou ainda seu LiteRT, ferramenta que roda modelos de IA em dispositivos móveis e embarcados, para funcionar melhor com PyTorch.
O que está acontecendo aqui é mais do que uma corrida entre duas empresas por participação de mercado. É uma tentativa real de destruir o que a indústria chama de "lock-in" da Nvidia. Durante mais de uma década, a empresa investiu pesado em CUDA — sua infraestrutura de software que permite que aplicativos rodem eficientemente em GPUs Nvidia. CUDA integrou-se tão profundamente ao ecossistema de desenvolvimento que se tornou o caminho de menor resistência: se você estava construindo um modelo de IA e queria performance, o padrão era escolher Nvidia. Era uma armadilha perfeita, construída não por força bruta de marketing, mas por engenharia incremental que fez dos desenvolvedores reféns voluntários de um hardware.
Agora, Amazon e Google estão removendo as grades. O raciocínio é elegante: em vez de competir diretamente com CUDA, eles tornem irrelevante CUDA. Se PyTorch — a linguagem de fato da IA moderna — pode rodar em qualquer chip sem reescrita, a vantagem de Nvidia desaparece.
O cenário é complexo porque a indústria de IA nunca será um jogo de soma zero. Startups como OpenAI já assinaram contratos com Nvidia, AMD, Broadcom e outras empresas, mantendo um portfólio multi-fornecedor por design. A ideia de migrar tudo para um único fornecedor nunca funcionou na prática. Mas o ponto não é que todos abandonem Nvidia amanhã — é que a narrativa do "não há alternativa" está morrendo. E isso altera fundamentalmente o poder de barganha do único fornecedor que controlou o mercado por anos.
Para a Amazon, o TorchNeuron é uma oportunidade de quebrar a dependência de neoclouds como CoreWeave e Nebius, que apostaram tudo em hardware Nvidia. A Amazon oferece algo diferente: a nuvem inteira, com o mesmo chip treinando e inferindo, o que melhora a economia em toda a jornada do workload. Para o Google, é uma chance de vender mais TPUs para provedores de nuvem externos — o The Information reportou que o Google já abordou empresas de neocloud sobre o uso de seus TPUs, e empresas como Anthropic, Meta e Apple já utilizam TPUs.
O que permanece em aberto é se essa guerra de chips realmente se traduz em escolha para os desenvolvedores ou se cria apenas mais complexidade de configuração. PyTorch existe exatamente para esconder as dificuldades de hardware — e desacoplá-lo de chips específicos pode, ironicamente, reexpor esses problemas de formas que nenhum framework quis enfrentar. A pergunta que fica não é quem vai ganhar, mas se a indústria de IA está preparada para uma era em que hardware livre de fornecedores significará que todos terão que assumir mais responsabilidade pelo que está rodando abaixo do metal.
Fontes: TechCrunch, Reuters, Business Insider
✓ Fontes independentes cruzadas e verificadas antes da publicação
