Alphabet negocia com a Marvell dois novos chips de IA para acelerar a inferência nos serviços do Google

A Alphabet iniciou conversas com a Marvell para desenvolver dois chips de IA especializados em inferência, a etapa em que um modelo já treinado processa requisições reais dos usuários. Se o projeto avançar, o Google terá um hardware pensado não para recordes de laboratório, mas para respostas rápidas e em massa em serviços interativos.

Quais chips estão em discussão

As conversas giram em torno de dois componentes diferentes. O primeiro é um módulo de memória que deve acelerar a transferência de dados dentro do sistema de IA. Para a inferência, isso é crítico: mesmo um acelerador potente perde o sentido se o modelo esbarra na largura de banda da memória, na latência de troca e na entrega lenta de dados. Em grandes modelos de linguagem, esses gargalos costumam determinar com que rapidez e a que custo o sistema consegue atender o fluxo diário de requisições dos usuários.

O segundo componente é uma versão atualizada da TPU, os processadores tensoriais próprios do Google, voltada a aplicativos interativos. São cenários em que o usuário espera a resposta na hora: busca, assistentes de IA, geração de texto, sugestões na interface. A escolha mostra uma mudança de prioridades: o valor é criado cada vez menos no momento do treinamento do modelo e mais quando ele roda o tempo todo em milhões de consultas curtas, em que importam latência estável, previsibilidade e o custo de cada resposta.

Por que a Alphabet precisa da Marvell

Para a Alphabet, a aliança com a Marvell parece pragmática. A Marvell é forte em infraestrutura de data centers e em chips especializados, enquanto o Google desenvolve há muitos anos sua própria linha de TPUs. Em vez de fazer tudo internamente, a Alphabet pode dividir responsabilidades: manter o controle da arquitetura do acelerador e recorrer a um parceiro nas partes do sistema em que memória, interconexões, empacotamento e troca rápida de dados entre componentes são mais importantes.

O acordo também tem lógica econômica. A inferência está se tornando rapidamente uma das camadas mais caras da infraestrutura de IA, porque funciona sobre tráfego constante de usuários. Quanto mais o hardware é ajustado a um tipo específico de carga, mais fácil é escalar o serviço sem que os custos disparem. Para o Google, é a chance de reduzir o custo de cada resposta e controlar melhor sua própria pilha tecnológica; para a Marvell, de reforçar sua posição em um mercado de aceleradores de IA superaquecido.

• Um módulo de memória dedicado pode reduzir gargalos no trabalho com modelos grandes
• Uma TPU atualizada é mais adequada a cenários de conversação e outros interativos
• Um chip especializado costuma entregar mais eficiência por watt e por dólar
• Para o Google, é uma forma de reforçar o controle sobre sua própria infraestrutura de IA
• Para a Marvell, é uma entrada mais profunda no mercado de aceleradores para cargas de IA

Onde o efeito vai aparecer

Se as conversas chegarem a fornecimentos reais, os primeiros a notar o efeito não serão os usuários, mas as equipes responsáveis pela infraestrutura do Google. A inferência não é uma execução pontual de um modelo, e sim um trabalho contínuo sob carga, em que o sistema precisa responder rápido a um enorme número de requisições em sequência. Nesse regime, importam não só o cálculo em si, mas também um tempo de resposta previsível, a eficiência energética e a ausência de gargalos na transferência de dados entre a memória e o acelerador.

Na prática, isso significa um ajuste mais fino do hardware para produtos específicos. O mercado vai se afastando aos poucos da ideia de um único chip universal, igualmente bom para todas as tarefas de IA. Em vez disso, as empresas montam combinações distintas de componentes para treinamento, inferência e modos interativos. As conversas entre Alphabet e Marvell se encaixam bem nessa tendência: sairá na frente não quem simplesmente tem mais GPUs, mas quem projeta com mais precisão toda a cadeia de execução do modelo para a carga real.

O que isso significa

As conversas entre Alphabet e Marvell mostram que a nova corrida da IA já não se dá apenas em torno dos modelos, mas também do hardware especializado para serviços do dia a dia. Quem conseguir entregar uma resposta rápida de forma mais barata e estável levará a vantagem.