Meta desenvolve chips próprios para treinar modelos de IA

Uma empresa que gasta dezenas de bilhões de dólares por ano em infraestrutura de inteligência artificial não quer mais depender de processadores alheios, nem mesmo na etapa mais crítica: o treinamento de modelos. O diretor financeiro da Meta Platforms confirmou que a companhia desenvolve chips próprios para treinar futuros modelos de IA. A declaração veio após a assinatura recente de grandes contratos com os principais fabricantes de semicondutores e indica que a estratégia da Meta em infraestrutura de computação está ficando bem mais ambiciosa.

Para entender a dimensão desse passo, vale olhar o contexto. Até agora, os chips personalizados da Meta, sobretudo a família MTIA, eram voltados à inferência, ou seja, à execução de modelos já treinados. A inferência é a tarefa mais simples: o modelo já sabe o que fazer e só precisa entregar resultados com rapidez e eficiência. O treinamento é um bicho completamente diferente. Treinar um grande modelo de linguagem exige poder de computação colossal, coordenação complexíssima entre milhares de processadores e largura de banda de memória excepcional. Por isso a NVIDIA, com suas GPUs H100 e B200, continua sendo praticamente a única fornecedora para essa etapa. Anunciar um chip de treinamento próprio significa desafiar esse monopólio.

A motivação da Meta é bastante transparente e pode ser medida em números concretos. Em 2025, a empresa gastou cerca de 35-40 bilhões de dólares em despesas de capital, principalmente ligadas à infraestrutura de IA. Boa parte desse valor foi para a compra de GPUs da NVIDIA. Nessa escala, até uma redução modesta da dependência de um fornecedor externo pode economizar bilhões. Mas não é só questão de dinheiro. Chips próprios permitem otimizar a arquitetura para necessidades específicas: a arquitetura dos modelos LLaMA, as particularidades do treinamento distribuído nos data centers da Meta, padrões de carga únicos. As GPUs da NVIDIA são excelentes, mas são de uso geral, e isso inevitavelmente traz concessões.

Chama a atenção que a declaração tenha vindo depois de a Meta fechar grandes acordos com os principais fabricantes de chips. Por que investir em desenvolvimento próprio se as parcerias com Broadcom, TSMC e outros players já dão acesso a tecnologia de ponta? A resposta está no horizonte estratégico de planejamento.

Desenvolver um chip de treinamento do zero leva de três a cinco anos, do conceito à produção em massa. A Meta joga no longo prazo: os contratos atuais cobrem as necessidades de hoje, e o silício próprio deve garantir independência na próxima década. É a mesma lógica seguida por Google com a TPU, Amazon com o Trainium e Microsoft com o Maia: os maiores consumidores de poder computacional não podem se dar ao luxo de depender estrategicamente de um único fornecedor.

Ainda assim, o caminho da ambição até um chip de treinamento funcional está cheio de dificuldades técnicas e organizacionais. O Google levou quase uma década para levar a TPU ao ponto em que pôde treinar seus maiores modelos principalmente em hardware próprio. A Amazon, apesar do investimento significativo no Trainium, ainda enfrenta dúvidas sobre o ecossistema de software e a compatibilidade. Criar o chip é só metade do trabalho. É preciso montar a pilha completa: compiladores, frameworks, ferramentas de depuração, sistemas de monitoramento. É preciso convencer os próprios pesquisadores, acostumados a CUDA e PyTorch, a migrar para uma nova plataforma. E é preciso garantir confiabilidade em milhares de chips operando juntos por meses, sem falhas.

Para a NVIDIA, a declaração é mais um sinal preocupante numa longa série. Cada grande cliente que anuncia um programa próprio de chips potencialmente reduz o mercado endereçável da empresa de Jensen Huang. No entanto, a experiência mostra que a substituição real é lenta. Até o Google, que tem os chips de IA personalizados mais maduros do setor, continua comprando GPUs da NVIDIA para certas tarefas. O mais provável é que a Meta caminhe para um modelo híbrido, em que os chips próprios assumam aos poucos uma parcela maior da carga, e as compras de fornecedores externos permaneçam como seguro e complemento.

A decisão da Meta de desenvolver chips de treinamento não é apenas uma notícia corporativa, mas um indicador de uma mudança fundamental no setor. A era em que um único fornecedor podia controlar a base computacional de toda a revolução da IA está chegando ao fim. As maiores empresas de tecnologia do mundo constroem, de forma consistente, a integração vertical, dos modelos e dados até o próprio silício em que tudo roda. A questão já não é se a Meta conseguirá criar um chip de treinamento competitivo, mas com que rapidez isso acontecerá e como redesenhará o mapa do multibilionário mercado de infraestrutura de IA.

*A Meta é considerada organização extremista e está proibida na Rússia.