Olha que coisa interessante: enquanto todo mundo fala de modelos maiores, o Google parece ter decidido atacar o problema pela raiz, o hardware. Segundo o The Information, a Alphabet está desenvolvendo um novo chip de servidor batizado internamente de Frozen v2, com previsão de chegar em algum momento de 2028. O objetivo é simples de enunciar e difícil de executar: fazer os modelos Gemini rodarem gastando muito menos energia por resposta gerada.
Tokens por watt, a métrica que virou obsessão
De acordo com as fontes ouvidas pela reportagem, o Frozen v2 pode entregar entre 6 e 10 vezes mais eficiência que os chips atuais do Google, medida em tokens gerados por unidade de energia consumida. É como comparar um carro que faz 8 km por litro com outro que faz 60. Mesma estrada, combustível muito mais bem aproveitado. Em escala de data center, essa diferença decide quem consegue sustentar bilhões de consultas sem quebrar o orçamento de eletricidade.
O Google não confirmou nem negou o projeto quando questionado pela TechCrunch. A resposta oficial foi cuidadosamente genérica:
Nossas equipes pesquisam e experimentam constantemente novas inovações para entregar performance e eficiência máximas para usuários e clientes. Nem todo projeto vira produção, mas essa exploração rigorosa é central para nossa abordagem full stack, integrando hardware e software desde o design.
Uma corrida que não é só do Google
Esse movimento de desenhar o próprio silício deixou de ser exceção entre as gigantes de IA. Em junho, a OpenAI apresentou seu primeiro chip próprio, um processador de inferência chamado Jalapeño, construído em parceria com a Broadcom. Pouco depois, veio a notícia de que a Anthropic está negociando uma parceria de chips com a Samsung.
- Reduzir dependência da Nvidia, que historicamente domina o mercado de chips de IA
- Enfrentar a escassez global de capacidade de computação para treinar e servir modelos
- Transformar eficiência energética em diferencial competitivo, não só técnico
Faz sentido: quando todo mundo depende do mesmo fornecedor, qualquer atraso na fila de produção trava o roadmap inteiro. Ter um chip próprio é como uma padaria decidir plantar o próprio trigo, dá trabalho, mas corta a dependência de terceiros em um insumo crítico.
O dinheiro por trás da decisão
A pressão financeira ajuda a explicar a pressa. A Alphabet já sinalizou planos de investir entre US$ 180 bilhões e US$ 190 bilhões em sua estratégia de IA, e investidores vinham questionando se esse gasto astronômico vai se pagar. A notícia do Frozen v2 pareceu acalmar esse nervosismo: as ações da empresa subiram cerca de 3% na segunda-feira, logo após a publicação do relatório, às vésperas do balanço trimestral do Google.
No fim das contas, o recado é claro: em IA, quem controla o chip controla o custo por token, e isso pode pesar mais no resultado financeiro do que qualquer anúncio de modelo novo.