O Google liberou o TorchTPU como projeto de código aberto nesta terça-feira e transformou um ajuste de configuração em porta de entrada para o seu hardware de inteligência artificial. A ferramenta é uma variação do PyTorch — o kit de código aberto usado por desenvolvedores para montar, treinar e executar modelos de IA — adaptada para rodar nas TPUs (Tensor Processing Units, os chips de IA da companhia), e não nas GPUs da Nvidia. A migração de um aplicativo já pronto exige trocar um parâmetro, sem reescrever o programa.
A ofensiva não veio sozinha. Na segunda-feira, a Amazon apresentou o TorchNeuron, sua versão do mesmo framework apontada para o Trainium, chip de IA desenvolvido internamente, e para a AWS. O discurso é idêntico: portar aplicativos sem reescrever código. Em menos de 48 horas, duas gigantes da nuvem abriram caminho para que desenvolvedores deixem de tratar o hardware da Nvidia como destino obrigatório.
Por que o PyTorch virou campo de batalha
Há um número que explica o tamanho do alvo. Segundo estimativas do setor, 85% dos aplicativos de IA foram construídos sobre o PyTorch. A biblioteca nasceu em 2016, pelas mãos da Meta — à época ainda Facebook —, antes de os grandes modelos de linguagem entrarem no radar da indústria. Naquele momento, as GPUs da Nvidia já eram o padrão da pesquisa em IA, e boa parte dos recursos do framework foi desenhada para conversar com esses processadores. Em 2022, a Meta repassou o projeto à Linux Foundation, entidade sem fins lucrativos que abriga vários dos principais projetos de código aberto do mundo.
O resultado é uma camada de software gigantesca cujo caminho natural leva à Nvidia. Quem escreve para PyTorch escreve, por padrão, para GPU da Nvidia — e a concorrência precisa convencer o desenvolvedor a sair desse trilho.
Quem escreve para PyTorch escreve, por padrão, para GPU da Nvidia — e a concorrência precisa convencer o desenvolvedor a sair desse trilho.
Como cada gigante montou sua ofensiva
| Frente | Amazon | |
|---|---|---|
| Ferramenta | TorchTPU | TorchNeuron |
| Chip alvo | TPU (Tensor Processing Unit) | Trainium |
| Nuvem | Google Cloud | AWS |
| Migração | ajuste de configuração, sem reescrita | portabilidade sem reescrita |
| Movimento extra | TPU agent suite e atualização do LiteRT | envio de código ao projeto principal do PyTorch |
| Anúncio | terça-feira | segunda-feira |
O que vai além do anúncio
Nas duas empresas, o esforço não se resume a publicar uma adaptação. O Google afirma ter trabalhado lado a lado com a Meta, com a Hugging Face, com a Inferact — criadora do vLLM — e com a RadixArk — criadora do SGLang — para garantir que as bibliotecas e os recursos do TorchTPU funcionem nessas ferramentas de desenvolvimento tão bem quanto no PyTorch original. vLLM e SGLang são bibliotecas de código aberto voltadas à execução de modelos de IA em produção.
A companhia também lançou o TPU agent suite, um conjunto de ferramentas dedicado a ajudar times de desenvolvimento a mover aplicações para as TPUs e para o Google Cloud, corrigindo erros no percurso. E atualizou o LiteRT, utilitário que executa IA em celulares, notebooks e dispositivos embarcados, para operar melhor com programas escritos em PyTorch.
O golpe mais profundo está no código
A Amazon foi além da própria adaptação. A empresa informou que está enviando ao repositório principal do PyTorch trechos de código que desacoplam funcionalidades das GPUs da Nvidia — deixando o framework aberto, por padrão, a qualquer tipo de hardware. É uma mudança estrutural: em vez de criar um caminho alternativo paralelo, mexe na raiz que torna a Nvidia praticamente obrigatória.
O que isso significa para o investidor
Cautela é o primeiro item da lista. Nada indica que os desenvolvedores vão abandonar as GPUs da Nvidia em massa só porque existe uma rota mais simples para TPUs e Trainium. A base instalada, o ecossistema de bibliotecas e a familiaridade dos times não se desfazem por um anúncio.
O que está em jogo é o grau de exclusividade do padrão Nvidia. Cada versão do PyTorch que funciona em outro chip reduz o custo de troca para quem desenvolve — e custo de troca, em tecnologia, é o que sustenta poder de precificação ao longo do tempo.
Na bolsa americana, a disputa envolve Alphabet (GOOGL), Amazon (AMZN), Meta (META) e Nvidia (NVDA), todas com BDRs negociados na B3. Para o investidor brasileiro com exposição ao tema de infraestrutura de IA, o ponto de atenção deixa de ser apenas quem vende mais chips e passa a incluir quem controla a camada de software por onde os aplicativos são escritos.
O que acompanhar daqui para frente
Três sinais merecem monitoramento. O primeiro é a adesão real: quantos projetos migram de fato, e não apenas declaram intenção. O segundo é o destino do código enviado pela Amazon ao projeto principal do PyTorch — se for aceito, muda a arquitetura para todos. O terceiro é a resposta do ecossistema: bibliotecas populares rodando bem em TPU e Trainium reduzem a fricção que hoje mantém o mercado onde está.