General Compute capta US$ 400 milhões usando chips de inferência como garantia
Quatrocentos milhões de dólares. É esse o tamanho do empréstimo que a General Compute, startup de nuvem de inferência para IA, acabou de fechar com a Upper90, casa de investimento tech. O detalhe que interessa pra quem trabalha com infra: pela primeira vez, o colateral não é GPU, são chips de inferência.
Por que isso importa na prática
Treinar modelo e rodar modelo são dois problemas de engenharia diferentes, com custos diferentes. A General Compute, fundada pelo CEO Finn Puklowski, levantou US$ 15 milhões em rodada seed em maio pra montar uma neocloud especializada em inferência, usando silício da SambaNova, fabricante apoiada pela Intel.
Os chips SN50 foram desenhados pra isso: rodar modelo já treinado, rápido e barato. Sem exigir sistema de water-cooling caro, o que na prática significa deploy mais rápido em mais data centers, sem depender de infraestrutura pesada de refrigeração líquida. A empresa afirma que a inferência nesses chips roda 16 vezes mais rápido que em nuvens baseadas em GPU tradicional.
O colateral que ninguém queria financiar
Billy Libby, cofundador e CEO da Upper90 e ex-trader quantitativo do Goldman Sachs, já tinha rodado esse playbook antes. Em 2021, financiou a compra de GPUs da Crusoe, o que ele considera o primeiro empréstimo lastreado em chip avançado. Na época, bancos tradicionais evitavam esse tipo de operação por causa da incerteza sobre depreciação de GPU. A CoreWeave transformou esse modelo em negócio recorrente e depois em base pro próprio IPO. Hoje é rotina no setor.
Quando financiamos GPUs Nvidia como primeiro grupo a fazer isso, o mercado era ineficiente. Conseguimos montar algo como participante early e ser compensados pelo risco, disse Libby à TechCrunch.
Com GPU já precificada e, segundo a própria Upper90, possivelmente comprada em excesso, a aposta agora migra pra quem resolve inferência com eficiência de custo. Achamos que modelos open source vão ser importantes, e procuramos um player de inferência no ano passado, disse Libby. Nem todo mundo precisa de supercomputador, mas todo mundo precisa de inferência e IA.
Onde isso se encaixa no mapa
- OpenRouter e Fireworks, que dão acesso a modelos abertos, levantaram rodadas recentes com valuation alto.
- O K3 da Kimi, lançado nesta semana, compete de igual pra igual com Anthropic e OpenAI em benchmark de código.
- Groq e Cerebras, fabricantes fora do ecossistema Nvidia, vêm chamando atenção de compradores e do mercado público.
- A TensorWave aposta em parceria com a AMD, seguindo lógica parecida.
Pra quem sobe workload de inferência em produção, o recado é direto: diversificar hardware deixou de ser experimento de laboratório e virou estratégia de custo. Isso não é só uma startup cool que pegou dinheiro pra comprar compute, resumiu Puklowski. É o primeiro sinal de que o capital está se organizando em torno da fragmentação do monopólio da Nvidia.
Vale acompanhar se outros fornecedores fora do CUDA vão conseguir o mesmo tipo de crédito. Se a tese se confirmar, TCO baixo em inferência deixa de ser diferencial e passa a ser item básico de qualquer stack de IA em produção.