Nvidia apoia startup indiana Simplismart para rodar modelos de IA com menos GPUs

A Nvidia participou de uma rodada Series B de US$ 14 milhões na startup Bengaluru Simplismart, que desenvolve software para otimizar o rodamento de modelos de inteligência artificial em infraestrutura de GPUs existente. A rodada, liderada pela Dallas Venture Capital, também contou com Accel, Shastra VC e Micromax como investidores. O negócio avaliava a empresa em cerca de US$ 100 milhões, incluindo o capital novo.

O que a Simplismart faz

A Simplismart constrói uma camada de software que se posiciona entre os modelos de IA e a infraestrutura computacional que os hospeda. Em vez de exigir que as equipes de engenharia ajustem manualmente parâmetros de deploy — latência, throughput, uso de memória —, o software da Simplismart automatiza esse trabalho de tuning, ajustando como cada modelo é servido conforme as necessidades específicas do cliente. A abordagem funciona tanto em nuvem quanto em infraestrutura on-premises.

A empresa possui três linhas de negócio. Para startups e empresas de IA, oferece otimização de inference como serviço. Para grandes empresas, fornece um painel de controle unificado para gerenciar múltiplos modelos em produção. E, terceira vertente, permite que provedores de nuvem construam seus próprios serviços de inference sobre GPU usando o software da Simplismart — transformando-a de uma ferramenta para empresas de IA em um motor white-label para operadores de data center.

O caso mais citado é a plataforma de geração de vídeo InVideo, que segundo a Simplismart reduziu em 56% sua conta de GPU ao adotar a plataforma. Outros clientes notáveis incluem as startups de IA Ema e HeyGen.

Por que a Nvidia investiu

A participação da Nvidia é estratégica, não apenas financeira. Apesar de parecer paradoxal — a maior fornecedora de chips AI do mundo apostando em software que permite usar menos GPUs —, a lógica é consistente com a direção que a Nvidia já tomou em outras frentes. A empresa expandiu-se historicamente de fornecedora de hardware para provedora de plataforma: CUDA, cuDNN, TensorRT, e agora o ecossistema de NIM (microserviços de inference). A Simplismart encaixa-se nesse padrão ao criar uma camada de abstração que torna a infraestrutura de inference mais acessível, o que por sua vez expande o volume total de inference rodado sobre hardware Nvidia.

"Fazer o inference mais eficiente, em última instância, expande o uso", explicou Amritanshu Jain, co-fundador da Simplismart, citando o mesmo raciocínio que levou a Nvidia a investir em Sarvam AI e a formar parcerias com provedores locais de infraestrutura cloud na Índia.

Os números impressionam mesmo para o padrão da rodada. A Simplismart reportou um crescimento de 14 vezes em sua taxa de receita anualizada em seis meses. Mais de metade da receita vem dos Estados Unidos, apesar de a empresa ter mais clientes na Índia — um padrão comum entre startups de infraestrutura indianas que atraem maior gasto por cliente americano do que o volume de clientes indianos.

O cenário macro: inference versus training

A aposta na Simplismart reflete uma mudança estrutural no mercado de IA. Durante os primeiros anos do boom generativo, a atenção e o capital concentraram-se no treinamento de modelos cada vez maiores — um jogo de bilhões de dólares em chips e data centers. Mas à medida que os modelos alcançam capacidades satisfatórias, a curva de custos desloca-se para o inference: rodar esses modelos em produção, onde o volume de requisições é infinitamente maior que o volume de treinamento.

Esse padrão já foi observado em outras startups. A d-Matrix, por exemplo, desenvolveu chips dedicados especificamente para inference, não para training. A Perplexity anunciou planos para usar os novos processadores Vera da Nvidia em tarefas de inference de agentes AI. A Modal, startup que aluga poder computacional para desenvolvedores de IA, passou a utilizar chips Vera exatamente para acelerar o inference de agentes autônomos.

A diferença é que a Simplismart não tenta substituir o chip — tenta extrair mais desempenho do chip existente. É o mesmo princípio que motivou o TensorRT da Nvidia e o vLLM open-source, mas aplicado a um produto comercial completo com painéis de controle, métricas de performance e integração com provedores de cloud.

O que vem agora

A Simplismart pretende usar o capital da rodada para expandir sua presença nos Estados Unidos, crescer a equipe e investir em desenvolvimento do software de inference. Jain confirmou que os Estados Unidos permanecem como mercado-chave, dado que mais da metade da receita já provém de clientes americanos.

A valoração de US$ 100 milhões parece conservadora quando comparada a conversas anteriores: o Economic Times reportou que a empresa estava em negociações para levantar US$ 40 a 50 milhões a uma valoração de US$ 300 a 400 milhões. Jain descartou essa possibilidade, dizendo que a rodada estava fechada e não seria ampliada.

A questão que fica é se a Simplismart consegue escalar o suficiente para justificar uma saída de múltiplos dígitos em um mercado cada vez mais disputado — onde tanto chips dedicados de inference quanto soluções de software competem pelo mesmo gasto em infraestrutura de GPUs. A aposta da Nvidia sugere que ela acredita na resposta.

Fontes: TechCrunch, Dealroom, Progressive Robot

✓ Fontes independentes cruzadas e verificadas antes da publicação