A IA est\u00e1 abrindo o caminho para democratizar um dos recursos mais valiosos da tecnologia: o design de chips e a otimiza\u00e7\u00e3o de software para diferentes sil\u00edcios. Startups est\u00e3o mirando uma revolu\u00e7\u00e3o na fabrica\u00e7\u00e3o de chips, que hoje domina plataformas de IA modernas e grandes dados.<\/p>\n
O setor \u00e9 dominado por Nvidia, cujos chips permitem treinar modelos de IA cada vez mais potentes em data centers com centenas ou milhares de processadores. A empresa tamb\u00e9m fornece software para programar cada gera\u00e7\u00e3o de hardware, mas esse diferencial pode diminuir com novas abordagens baseadas em IA.<\/p>\n
A Wafer, startup que est\u00e1 sendo citada como exemplo, treina modelos de IA para otimizar c\u00f3digo de forma que ele rode de maneira mais eficiente em chips espec\u00edficos. O cofundador e CEO Emilio Andere afirma que a empresa usa aprendizado por refor\u00e7o em modelos abertos para ensinar a escrever c\u00f3digo kernel que interage com o hardware.<\/p>\n
Al\u00e9m disso, a Wafer trabalha com grandes nomes do setor, incluindo AMD e Amazon, para aperfei\u00e7oar a execu\u00e7\u00e3o de software em seus hardwares. A empresa levantou cerca de 4 milh\u00f5es de d\u00f3lares em rodada seed, com participa\u00e7\u00e3o de figuras como Jeff Dean, do Google, e Wojciech Zaremba, da OpenAI.<\/p>\n
Outra fronteira discutida pelo setor \u00e9 a poss\u00edvel concorr\u00eancia direta aos ecossistemas de software que hoje fortalecem GPUs da Nvidia. Andere afirma que o desempenho te\u00f3rico de v\u00e1rias op\u00e7\u00f5es de hardware rivaliza com o das GPUs da Nvidia, destacando a import\u00e2ncia da efici\u00eancia energ\u00e9tica.<\/p>\n
Desempenho, no entanto, continua a exigir engenheiros especializados capazes de otimizar c\u00f3digos para cada sil\u00edcio, tarefa cara e demandada. Enquanto a Nvidia oferece um ecossistema robusto, empresas menores podem ter dificuldade de replicar esse suporte de forma independente.<\/p>\n
Anthropic, por exemplo, precisou reescrever partes do c\u00f3digo de seus modelos para rodar com o hardware Trainium da Amazon, segundo Andere. Mesmo assim, Claude, da Anthropic, j\u00e1 \u00e9 visto como refer\u00eancia em gera\u00e7\u00e3o de c\u00f3digo por IA, o que alimenta a percep\u00e7\u00e3o de uma mudan\u00e7a no dom\u00ednio da softwareiza\u00e7\u00e3o de chips.<\/p>\n
Mirando al\u00e9m do design, startups como Ricursive Intelligence exploram novas formas de desenhar chips com IA. Fundada por ex-engenheiros do Google, a empresa desenvolve m\u00e9todos para projetar sil\u00edcio com intelig\u00eancia artificial, incluindo integra\u00e7\u00e3o de grandes modelos de linguagem ao processo.<\/p>\n
Azalia Mirhoseini e Anna Goldie, ambas ex-Google, lideram a Ricursive, buscando automatizar ainda mais etapas do design e permitir que engenheiros descrevam mudan\u00e7as em linguagem natural. A empresa j\u00e1 revelou avan\u00e7os na otimiza\u00e7\u00e3o de layouts de componentes cr\u00edticos de chips.<\/p>\n
O potencial de automa\u00e7\u00e3o no design de chips atrai investidores: a Ricursive levantou cerca de 335 milh\u00f5es de d\u00f3lares com uma avalia\u00e7\u00e3o de 4 bilh\u00f5es de d\u00f3lares em poucos meses. O objetivo \u00e9 reduzir a curva de desenvolvimento e entregar sil\u00edcio mais eficiente para software variado.<\/p>\n
Especialistas veem a possibilidade de uma nova era em que IA n\u00e3o apenas otimiza c\u00f3digo, mas tamb\u00e9m coopta para projetar chips sob medida. Pesquisadoras explicam que o conceito de IA codesign pode evoluir para uma melhoria recursiva, com ganhos de desempenho e efici\u00eancia energ\u00e9tica.<\/p>\n
O tema ganha relev\u00e2ncia para fabricantes de hardware, desenvolvedores de software e grandes plataformas de nuvem, que buscam reduzir custos e aumentar a efici\u00eancia. O desdobramento depende da capacidade de traduzir avan\u00e7os em IA em pipelines est\u00e1veis e escal\u00e1veis de design de hardware.<\/p>\n","protected":false},"excerpt":{"rendered":"