O Google está colaborando com a AMD no desenvolvimento de uma nova geração de processadores para inteligência artificial, de acordo com relatórios da firma de análise de semicondutores SemiAnalysis. A novidade não é apenas a parceria em si — é o que ela representa: uma TPU híbrida que combina núcleos de CPU e aceleradores de IA em um único pacote de silício, projetada especificamente para workloads de reforço por aprendizado e agentes autônomos.
Se confirmada, a colaboração marcaria a primeira vez que a AMD se envolveria diretamente no design de um chip de IA customizado para o Google, e sinaliza uma mudança fundamental na forma como o mercado pensa sobre hardware para inteligência artificial.
Por Que a CPU Importa para a IA
Para entender por que essa parceria faz sentido, é preciso compreender uma mudança que está acontecendo nos workloads de IA. Durante anos, o treinamento de modelos de linguagem grandes (LLMs) foi predominantemente uma tarefa para aceleradores — GPUs e TPUs projetadas para processar grandes quantidades de dados em paralelo. A CPU era apenas uma peça de suporte, lidando com tarefas auxiliares como pré-processamento de dados.
Mas o reforço por aprendizado (reinforcement learning, ou RL) — a técnica por trás de modelos como o o1 da OpenAI e os agentes autônomos que estão ganhando destaque — funciona de forma diferente. Esses workloads exigem uma interação muito mais frequente entre o acelerador e o processador geral. O modelo precisa tomar decisões, avaliar resultados, ajustar comportamento e repetir o ciclo milhões de vezes. Cada iteração envolve lógica condicional, chamadas de ferramentas e loops de feedback que são melhor executados por CPUs.
De acordo com a SemiAnalysis, essa demanda está empurrando o Google e seus clientes a buscarem TPUs com núcleos de CPU integrados no mesmo pacote. Em algumas configurações, a proporção ideal pode ser de 1:1 entre CPUs e aceleradores — muito mais pesada em CPU do que as arquiteturas atuais permitem.
A Evolução das TPUs do Google
O Google desenvolve suas próprias TPUs (Tensor Processing Units, ou Unidades de Processamento Tensorial) há mais de uma década. A família de aceleradores agora está na oitava geração, com os modelos TPU 8t para pré-treinamento e TPU 8i para inferência e RL.
Os sistemas TPU 8i já aumentaram a presença de CPUs: eles incluem um processador Google Axion (baseado em Arm) para cada dois TPUs, dobrando a proporção em relação à sétima geração, que usava um Xeon Intel para cada quatro TPUs. Mas essa ainda é uma abordagem de sistema — CPU e TPU em chips separados, comunicando-se através de conexões externas.
A TPU híbrida proposta com a AMD daria o próximo passo: colocar os núcleos de CPU e os núcleos de tensor no mesmo pacote físico. Isso reduziria drasticamente a latência de comunicação entre os dois, já que os dados não precisariam viajar de um chip para outro. A consequência direta seria maior velocidade e menor consumo de energia.
O Papel da AMD
A escolha da AMD não é aleatória. A empresa possui experiência concreta em projetos híbridos que combinam CPU e acelerador em um único pacote. Seu processador Instinct MI300A, lançado para data centers, empacota 24 núcleos x86 Zen 4, 228 unidades de computação CDNA 3 e 128GB de HBM3 unificada em um único invólucro.
Essa experiência em design de chips heterogêneos — onde diferentes tipos de processamento coexistem em um mesmo silício — é exatamente o que o Google precisa para sua próxima geração de TPUs. A AMD também possui propriedade intelectual significativa em embalagens avançados e interconexões, áreas críticas para o sucesso de um design híbrido.
"Acho que faz todo sentido. A AMD já provou que é boa em projetos APUs customizados, de alta performance e acessíveis, e é uma parceira confiável. O Google precisa de diversidade", analisou Jon Peddie, presidente da Jon Peddie Research.
O Que Muda Para o Mercado
A implicação mais ampla dessa colaboração vai além do Google e da AMD. Ela sinaliza que o futuro do hardware para IA pode ser muito mais "pesado em CPU" do que as arquiteturas atuais sugerem.
Até agora, a narrativa dominante era de que a IA era primariamente uma tarefa de aceleradores. As GPUs da NVIDIA dominavam o mercado porque eram excepcionalmente boas em paralelismo massivo. Mas à medida que os modelos de IA evoluem de predadores passivos para agentes autônomos que precisam tomar decisões, interagir com ferramentas e aprender com feedback em tempo real, a demanda por processamento geral — o tipo de coisa que CPUs fazem bem — está aumentando.
Um chip que combina a especialização de um acelerador com a versatilidade de uma CPU poderia se tornar o padrão para a próxima geração de sistemas de IA. E se a Google e a AMD conseguirem tornar esse design competitivo em preço em relação às GPUs da NVIDIA, o monopólio da empresa de Jensen Huang pode enfrentar seu desafio mais significativo até agora.
O Que Sabemos (e o Que Não Sabemos)
É importante notar que nem o Google nem a AMD comentaram publicamente sobre a colaboração. O relatório da SemiAnalysis baseia-se em "conversas de mercado" e não confirma contratos assinados, cronogramas de desenvolvimento ou volumes de produção.
O nome "TPU v10" é uma designação usada pela SemiAnalysis, não um nome de produto oficial do Google. E a Broadcom — parceira tradicional do Google no design de TPUs — continua tendo um contrato de longo prazo que se estende até 2031. Não há indicação de que a AMD esteja substituindo a Broadcom, mas sim complementando em áreas específicas, como IP de CPU e embalagens avançadas.
O primeiro sinal concreto de que essa colaboração está avançando seria um anúncio oficial de contrato entre Google e AMD. Até lá, trata-se de uma possibilidade técnica e estratégica que faz sentido — mas que ainda precisa de confirmação.
O Cenário Mais Amplo
Independentemente de se a colaboração Google-AMD se concretizar, a tendência que ela representa é inegável: a separação rígida entre "processador para IA" e "processador para tudo o mais" está desaparecendo. À medida que os modelos de IA se tornam mais complexos e autônomos, o hardware que os executa precisa se tornar mais versátil.
Para profissionais de tecnologia e decisores de infraestrutura, a mensagem é clara: ao planejar a próxima geração de sistemas para IA, não basta pensar em aceleradores. É preciso considerar o equilíbrio entre processamento paralelo e geral — e como esse equilíbrio vai evoluir nos próximos anos.
A corrida pela IA não é mais apenas sobre quem tem os chips mais poderosos. É sobre quem tem os chips mais inteligentes.