Groq assina memorando com o Departamento de Energia dos EUA sobre inferência para a Genesis Mission

A Groq assinou com o Departamento de Energia dos EUA (DOE) um memorando de entendimento no âmbito da Genesis Mission. O documento é datado de 18 de dezembro de 2025. Ele não traz valores, prazos nem obrigações de fornecimento: é uma estrutura para troca de informações e "colaboração potencial". Mesmo assim, para uma empresa que desenvolve os próprios chips LPU e atende mais de 2,8 milhões de desenvolvedores pela GroqCloud, o simples fato de aparecer em um programa federal tem peso. Ian Andrews, diretor de receita da Groq, participou do evento da Genesis Mission na Casa Branca.

O que exatamente está escrito no MOU

As partes listaram quatro frentes. A primeira é inferência de baixa latência para descobertas científicas, incluindo cenários com agentes e ciclo fechado de experimento. O modelo propõe uma hipótese, o equipamento gera dados, e o modelo ajusta o passo seguinte. Quanto menor a pausa entre essas etapas, mais iterações cabem em um dia.

A segunda é inferência energeticamente eficiente e cadeias de suprimentos domésticas resilientes. Aqui, o texto cita expressamente a avaliação de arquiteturas baseadas em LPU. A terceira é o trabalho conjunto em benchmarks, práticas e padrões para inferência determinística e energeticamente eficiente. A quarta é a seleção de tarefas aplicadas para a Genesis Mission.

Principais parâmetros do acordo:

• Tipo de documento: MOU, ou seja, uma estrutura não comercial, sem condições financeiras.
• Data: 18 de dezembro de 2025.
• Programa: Genesis Mission do Departamento de Energia dos EUA.
• Base tecnológica: LPU e a nuvem GroqCloud.
• Métricas para padronização: reprodutibilidade, latência, vazão, consumo de energia.
• Público da Groq: mais de 2,8 milhões de desenvolvedores e grandes empresas da Fortune 500.

Por que a ênfase em determinismo

O ponto mais interessante é o dos benchmarks. Cargas de trabalho científicas exigem reprodutibilidade: a mesma execução deve gerar um resultado comparável e um tempo previsível. A Groq vende há tempos a ideia de execução determinística, em que a latência é conhecida de antemão e não oscila conforme a carga de tarefas vizinhas. Se essa métrica for incorporada às avaliações do DOE, quem foi projetado para ela sai na frente.

É nisso que a empresa aposta. Medir inferência apenas em tokens por segundo e preço por milhão de tokens favorece os fabricantes de GPU. Acrescente a energia por resposta e a variação de latência, e o quadro muda. Por ora, trata-se de uma intenção das partes, não de uma metodologia, mas quem participa da redação da metodologia costuma sair ganhando com ela.

A fala de Jonathan Ross, CEO e fundador da Groq, dá o tom: "Não há computação suficiente para que a IA beneficie a todos. Estamos trabalhando com a Casa Branca e o Departamento de Energia para mudar isso". É uma declaração de objetivo, não de volume: não se diz quanta capacidade nem em quais centros.

Contexto político e limitações

A Groq apresenta o acordo como parte da "stack de IA americana", que a Genesis Mission deve definir, escalar e, por fim, exportar para parceiros. Em julho, a empresa apoiou o AI Action Plan. A posição é compreensível: um fabricante com silício, software e nuvem próprios se encaixa bem na narrativa de controle nacional sobre a cadeia.

As limitações são evidentes. Um MOU não equivale a um contrato. Não há informações sobre quais laboratórios do DOE terão acesso, em quais sistemas rodarão os pilotos e quem pagará. Também não há medições comparativas de LPU e GPU em tarefas científicas.

O que acompanhar daqui em diante:

• se haverá projetos-piloto nos laboratórios nacionais, com resultados publicados;
• se os benchmarks conjuntos serão lançados e em que formato: abertos ou fechados;
• se o MOU evoluirá para compras ou financiamento por subvenção;
• como reagirão os concorrentes, sobretudo os fornecedores de GPU, à tentativa de deslocar as métricas para energia e determinismo.

Para equipes que constroem pipelines científicos com agentes, a conclusão prática é simples: ao avaliar inferência, considere não só o preço do token, mas também a variação de latência e a energia por ciclo. Se os padrões do DOE seguirem nessa direção, os requisitos de compras tendem a repeti-los com bastante rapidez.