Gimlet Labs levanta $80M para execução unificada de inferência de IA em chips NVIDIA, AMD, Intel e outros

Gimlet Labs levantou $80 milhões em uma rodada Series A para desenvolver uma tecnologia que resolve um dos principais problemas da IA moderna — a dependência de modelos de hardware específico. A empresa criou uma camada de software que permite executar inferência de redes neurais simultaneamente em chips de seis fabricantes: NVIDIA, AMD, Intel, ARM, Cerebras e d-Matrix. O problema que a Gimlet Labs resolve é bem conhecido por qualquer um que tenha implantado IA em produção.

Cada fabricante de chips fornece seu próprio stack de software — CUDA para NVIDIA, ROCm para AMD, oneAPI para Intel. Mudar de um hardware para outro exige reescrever código, realizar testes e debugging prolongado. As empresas ficam presas aos fornecedores: mesmo que a AMD ofereça um preço melhor ou a Cerebras entregue melhor desempenho para uma tarefa específica, a migração é muito cara.

Gimlet Labs oferece uma API unificada para todas as plataformas suportadas. Essencialmente, trata-se de uma camada de abstração entre o modelo e o hardware — análoga ao que POSIX fez para sistemas operacionais. Um desenvolvedor escreve o código uma vez, e a plataforma otimiza automaticamente a execução para o hardware disponível.

A inclusão de d-Matrix e Cerebras na lista é particularmente significativa — players de nicho especializados em inferência. Isso envia um sinal ao mercado: a Gimlet Labs não está se limitando ao mainstream. $80 milhões é uma aposta séria de que o problema da fragmentação do mercado de chips não se resolverá por si só.

Os investidores claramente acreditam que os fabricantes de hardware não chegarão a um acordo entre si, o que significa que o mercado realmente precisa de uma camada de abstração neutra pelo longo prazo. A rodada de financiamento ressalta que o nível de infraestrutura da stack de IA está se tornando tão estrategicamente importante quanto os próprios modelos. Para compradores corporativos de IA, essa tecnologia significa poder de negociação real.

Hoje, uma enorme parte dos gastos com infraestrutura de IA vai para a NVIDIA — não porque alternativas não existam, mas porque mudar é muito doloroso. Se a Gimlet Labs realmente reduzir o custo da migração a níveis aceitáveis, os negócios ganham alavancagem: podem comprar de quem oferece o melhor preço em qualquer momento, em vez de ficar presos a quem a base de código já está vinculada. A elegância da solução não está na ideia da camada de abstração em si (ela é conhecida há muito tempo), mas no fato de a equipe ter conseguido implementá-la sem uma perda catastrófica de desempenho.

É aqui que projetos semelhantes costumam falhar: a universalidade não combina bem com otimização. Quão bem a Gimlet Labs conseguiu lidar com essa contradição será demonstrado em produção.