Alibaba e Baidu começam a treinar modelos de IA com chips próprios, reduzindo dependência da Nvidia e marcando uma virada importante no ecossistema de IA chinês 🤯🧵

Imagem indisponível

O movimento vem em meio a restrições dos EUA na exportação de chips avançados e à pressão de Pequim para usar tecnologia nacional. Ainda assim, nenhuma das empresas abandonou totalmente a Nvidia: os chips estrangeiros seguem sendo usados para os modelos mais topo de linha.

Por que isso importa? Menos dependência significa mais controle sobre roadmaps, segurança e custos. Também pode incentivar um ecossistema local de chips, ferramentas e talento — com potencial para criar alternativas competitivas às GPUs ocidentais.

Imagem indisponível

Do ponto de vista técnico, 'chips próprios' tendem a ser aceleradores personalizados (NPUs, IPUs ou ASICs) otimizados para as stacks internas. A troca envolve trade-offs: desempenho bruto vs. autonomia, compatibilidade e maturidade do software.

A Nvidia já reconheceu a pressão: “É inegável que a concorrência chegou... Continuaremos trabalhando para ganhar a confiança e o apoio dos principais desenvolvedores em todos os lugares”, disse um porta-voz. Para a gigante, é um alerta sobre concentração de mercado.

Imagem indisponível

O que muda para desenvolvedores e empresas? Expectativa de mais opções de infraestrutura, mas também de fragmentação. Bom conselho prático: priorize portabilidade (containerização, ONNX, abstrações de hardware) para rodar modelos em diferentes aceleradores.

Reflexão final: a corrida de IA hoje é também por soberania tecnológica e resiliência de cadeia. Mais competição tende a baixar preços e ampliar acesso — desde que a neutralidade, eficiência energética e padrões abertos sejam priorizados. Vale acompanhar desempenho e impactos reais.

Imagem indisponível