O Grande Reajuste: Por que o Futuro Computacional da IA Pertence à Infraestrutura TPU

As maiores empresas de tecnologia estão a executar um realinhamento estratégico coordenado, afastando-se das arquiteturas tradicionais centradas em GPU. Isto não é especulação—é uma deserção documentada que está a remodelar o panorama do hardware de IA.

A Economia que Forçou a Transição

O motor fundamental é brutalmente simples: a economia da inferência. Enquanto os custos de treino capturam manchetes, o custo perpétuo está noutro lugar. As projeções da OpenAI para 2024 contam a história: uma conta de inferência de 2,3 mil milhões de dólares versus um custo de treino de $150 milhões. O treino é finito. A inferência é infinita—cada consulta, cada token, em cada segundo de operação contínua.

A arquitetura TPU do Google oferece a vantagem decisiva onde mais importa: 4x desempenho por dólar superior em cargas de trabalho de inferência. Isto não é marginal. A redução de custos de Midjourney de 65% após a mudança demonstra a magnitude. A Anthropic comprometeu-se a um milhão de TPUs. A Meta está em negociações avançadas para implantações multibilionárias. Os operadores de IA mais sofisticados do mundo estão a fazer cálculos idênticos e a chegar a conclusões idênticas.

O Capital Institucional Vê a Mudança de Rumos

O dinheiro inteligente moveu-se primeiro. O Soros Fund aumentou a sua posição na Alphabet em 2.300% no terceiro trimestre de 2025. A Berkshire Hathaway investiu 4,3 mil milhões de dólares na mesma aposta. Enquanto os investidores de retalho perseguem a Nvidia a múltiplos de 60x lucros, os alocadores institucionais acumulam sistematicamente Google a 27x—uma deserção estratégica que reflete onde ocorrerá a futura concentração de valor.

A Verdade Arquitetural que Ninguém Precisa de Prever

A inferência consumirá 75% de toda a computação de IA até 2030. Isto não é uma mudança marginal. É aqui que a pilha computacional gastará os seus recursos na próxima década. A Nvidia construiu o seu império com domínio no treino—um problema confinado, resolvido, com uma procura previsível e em declínio. Mas o treino representa o passado. A inferência representa uma necessidade perpétua e crescente.

Nos cargas de trabalho de inferência, as vantagens arquiteturais da Nvidia colapsam. O Google construiu a arma fundamental. As deserções começaram. A janela de arbitragem permanece aberta, mas está a fechar-se.

Os operadores de grau industrial já percebem: a concentração no treino não gerará os retornos. A margem está na infraestrutura de inferência. A fase de transição está em curso.