Nvidia investindo em menos GPUs
A Nvidia, tradicionalmente vista como a maior fornecedora de chips de GPU para inteligência artificial, fez um investimento em uma startup indiana cujo objetivo é exatamente o oposto do que se esperaria: ajudar empresas a rodar modelos de IA com menos GPUs. A Simplismart, sediada em Bengaluru, anunciou nesta semana uma rodada Série B de US$ 14 milhões, com participação direta da Nvidia, e foi avaliada em cerca de US$ 100 milhões.
O investimento parece um paradoxo proposital. A empresa mais associada ao boom dos chips de IA está apostando em software que permite reduzir o número de GPUs necessárias para rodar aplicações de inteligência artificial em produção. Mas, segundo os fundadores da Simplismart e a própria lógica do mercado, não é assim que funciona.
A lógica da inferência eficiente
O que a Simplismart faz, na prática, é intermediar a relação entre os modelos de IA e a infraestrutura de computação que os hospeda. Seu software ajusta automaticamente como os modelos são implantados — considerando velocidade de resposta, número de requisições processadas, consumo de recursos e custo por requisição — para que as empresas obtenham o melhor resultado possível com o hardware que já possuem.
"Ninguém realmente precisa da inferência mais rápida ou mais barata", explica Amritanshu Jain, cofundador e CEO da empresa, em entrevista ao TechCrunch. "As empresas precisam de velocidades e custos que façam sentido para suas aplicações específicas." Um serviço de atendimento ao cliente pode tolerar latências maiores para priorizar velocidade, enquanto um processamento em lote noturno pode preferir custo menor para rodar mais barato.
A startup, que tem quatro anos de existência, afirma ter multiplicado sua receita anualizada em 14 vezes nos últimos seis meses, alcançando um valor de oito dígitos (entre US$ 10 milhões e US$ 99 milhões). O número reflete o uso recente pelos clientes, não contratos recorrentes firmes. Mais da metade da receita já vem dos Estados Unidos, embora a empresa tenha mais clientes na Índia.
Casos de uso reais
Os números que a Simplismart apresenta são concretos. A empresa afirma que ajudou a plataforma de geração de vídeo por IA InVideo a reduzir em 56% seus custos de servimento de GPU. Outro caso citado é o da Exotel, uma empresa de comunicação por voz: ao fragmentar o uso de GPUs em vez de alocar unidades inteiras, a Simplismart reduziu o custo por minuto em até 57% comparado a APIs de modelos fechados — abaixo inclusive do custo de hospedar o mesmo modelo aberto internamente — e levou o tempo de resposta de 1,1 segundo para menos de 300 milissegundos.
O portfólio de clientes inclui empresas de peso no ecossistema global de IA: HeyGen, Higgsfield, InVideo e Ema. Na Índia, o provedor de nuvem Yotta utiliza a tecnologia da Simplismart para alimentar seu serviço de inferência serverless na plataforma Shakti Studio. Esses casos sugerem que o software já está em operação real, não apenas em fase de teste.
A colaboração técnica com a Nvidia
O investimento da Nvidia vai além do cheque. A empresa de Santa Clara está trabalhando com a Simplismart em integrações técnicas, incluindo em torno de seu próprio motor de inferência Dynamo. Engenheiros da Simplismart e arquitetos de soluções da Nvidia colaboram diretamente, e a Nvidia tem apresentado a startup a potenciais clientes e parceiros.
Esse movimento da Nvidia faz parte de uma estratégia mais ampla de consolidação no ecossistema de inferência. Nos últimos anos, a empresa tem investido não apenas em hardware, mas também em software e ecossistemas que tornam seus chips mais indispensáveis — desde o CUDA até o TensorRT e, agora, o Dynamo. A inferência é onde o dinheiro está: enquanto o treinamento de modelos concentra-se em dezenas de empresas, a inferência ocorre em escala global, a maior parte do tempo, sobre hardware já implantado.
O paradoxo Nvidia-GPU
O aspecto mais discutido do investimento é o aparente paradoxo: como a principal fornecedora de GPUs pode querer ajudar empresas a usar menos GPUs? A resposta, segundo Jain, é simples. "Onde nós tendemos a vencer é onde as pessoas precisam ser mais rigorosas com SLAs e TCO [custo total de propriedade]", disse ele ao TechCrunch.
A eficiência não significa redução de demanda por hardware — significa expansão do número de aplicações economicamente viáveis. Se uma empresa pode rodar a mesma aplicação de IA com metade do hardware, ela pode duplicar o número de aplicações ou de usuários sem duplicar os custos. No agregado, isso pode aumentar a demanda geral por chips da Nvidia, mesmo que cada aplicação individual use menos recursos.
Para onde vai o dinheiro
Com os US$ 14 milhões levantados, a Simplismart pretende expandir sua presença nos Estados Unidos — já o mercado mais lucrativo — e crescer sua equipe de engenharia. A empresa havia entrado em negociações para levantar entre US$ 40 milhões e US$ 50 milhões com avaliação de US$ 300 a 400 milhões em rodadas anteriores; a Série B atual, com valuation de US$ 100 milhões, parece ter sido uma rodada mais conservadora, mas com investidores estratégicos mais relevantes.
Além da Nvidia, participaram da rodada Dallas Venture Capital (líder), Accel, Shastra VC e Micromax. O fundo será direcionado para o desenvolvimento do motor de inferência e da plataforma de orquestração, além de expandir parcerias com provedores de nuvem que transformarão sua capacidade de GPU em serviços de IA gerenciados sob suas próprias marcas.
Enquanto as grandes empresas de IA correm atrás de modelos cada vez maiores, a Simplismart mostra que o próximo grande desafio da inteligência artificial não é construir modelos mais capazes, mas fazê-los rodar de forma confiável, barata e em escala — um mercado que deve crescer tanto quanto o próprio mercado de inferência. A pergunta que fica é se a Nvidia, ao financiar a eficiência, está preparando o terreno para a próxima onda de adoção de IA ou, simplesmente, apostando que mais eficiência significará mais vendas de hardware no longo prazo.
Fontes: TechCrunch, Dealroom, Simplismart
✓ Fontes independentes cruzadas e verificadas antes da publicação
