General Compute recebe até US$ 400 milhões para expandir a nuvem de inferência mais rápida do mundo

A General Compute, empresa especializada em infraestrutura para inteligência artificial, anunciou uma linha de crédito comprometida de até US$ 400 milhões para expandir sua nuvem de inferência, tecnologia desenvolvida para executar modelos de IA com alta velocidade e eficiência. O investimento, concedido pela Upper90 Capital Management, será destinado à ampliação da infraestrutura baseada em chips especializados da SambaNova, permitindo que a companhia fortaleça o que define como a nuvem de inferência mais rápida do mundo. "A Upper90 chegou cedo à oportunidade de infraestrutura de IA, permanecendo seletiva sobre onde alocamos capital. Focamos em abordagens diferenciadas que tornam a computação mais barata, mais rápida e mais acessível para os clientes. A parceria da General Compute com a SambaNova lhe dá acesso a um silício de inferência até seis vezes mais eficiente em energia do que GPUs tradicionais. Nosso papel é garantir que a empresa tenha o capital de que precisa para escalar junto com uma demanda em rápido crescimento." — Billy Libby, cofundador e CEO da Upper90 O anúncio acontece em um momento em que a inteligência artificial atravessa uma transformação significativa. Se, nos últimos anos, o foco da indústria esteve concentrado no treinamento de grandes modelos de linguagem (LLMs), agora a prioridade do mercado passou a ser outra: executar esses modelos de forma rápida, eficiente e com custos cada vez menores. Segundo a General Compute, sua plataforma é capaz de executar inferência de inteligência artificial até 16 vezes mais rápido do que as nuvens convencionais baseadas em GPUs. Além do ganho de desempenho, a empresa afirma que sua arquitetura reduz o consumo de energia, acelera a implantação de novos data centers e oferece uma infraestrutura preparada para atender à crescente demanda por aplicações de IA generativa em escala. O que é uma nuvem de inferência? Por isso, a estratégia da General Compute demonstra uma mudança importante no mercado: mais do que treinar modelos gigantes, o próximo grande desafio será executá-los com velocidade, eficiência energética e capacidade para atender bilhões de consultas diariamente. Embora grande parte da atenção do mercado esteja voltada ao treinamento dos modelos de IA, é a inferência que realmente coloca a inteligência artificial para funcionar no dia a dia. A inferência acontece sempre que um usuário faz uma pergunta ao ChatGPT, solicita uma imagem, utiliza um assistente virtual, executa um agente de IA ou pede que um modelo analise um documento. Nesse momento, o modelo já treinado precisa processar aquela solicitação e gerar uma resposta em poucos segundos. É justamente essa etapa que demanda uma infraestrutura extremamente robusta. Uma nuvem de inferência reúne servidores, chips especializados, armazenamento e redes capazes de processar milhões de solicitações simultaneamente, oferecendo baixa latência, alta disponibilidade e escalabilidade para aplicações corporativas. Com o crescimento explosivo do uso da inteligência artificial, especialistas apontam que a inferência passará a consumir muito mais capacidade computacional do que o próprio treinamento dos modelos. O mercado está migrando do treinamento para a inferência Durante a primeira onda da inteligência artificial generativa, empresas investiram bilhões de dólares na construção de supercomputadores equipados com GPUs para treinar modelos cada vez maiores. Agora, esse contexto mudou por completo. Modelos como GPT, Claude, DeepSeek, Gemini, Llama e outros já estão treinados. O grande desafio passou a ser atender milhões de usuários realizando consultas ao mesmo tempo. Segundo projeções citadas pela própria General Compute, o Goldman Sachs estima que o consumo global de tokens crescerá 24 vezes nos próximos três anos e meio. Deste modo, significa que empresas precisarão de uma infraestrutura muito maior para responder às solicitações dos usuários em tempo real. É justamente nesse contexto que a nuvem de inferência se torna uma das áreas mais importantes da computação em IA. Por que as GPUs começam a enfrentar limitações? As GPUs revolucionaram o treinamento dos modelos de inteligência artificial, mas nem sempre representam a solução mais eficiente para inferência em larga escala. Os equipamentos mais modernos exigem racks que podem ultrapassar 120 quilowatts de consumo energético, além de sistemas sofisticados de refrigeração líquida. Esse tipo de infraestrutura apresenta diversos desafios: alto consumo de energia;custo elevado de operação;construção lenta de novos data centers;dependência de poucos fornecedores de hardware;dificuldade para expandir rapidamente a capacidade instalada. À medida que cresce a demanda por aplicações de IA em produção, esses fatores tornam-se gargalos importantes para empresas que precisam escalar seus serviços. A aposta da General Compute Em vez de utilizar GPUs tradicionais, a General Compute decidiu construir toda sua infraestrutura utilizando ASICs (Application-Specific Integrated Circuits) desenvolvidos pela SambaNova. Diferentemente das GPUs, que são processadores de uso geral, os ASICs são chips desenvolvidos especificamente para determinadas tarefas. No caso da SambaNova, eles foram projetados exclusivamente para executar inferência em modelos de inteligência artificial. Segundo a empresa, isso permite ganhos expressivos de desempenho e eficiência energética. Além disso, como a General Compute não depende da cadeia tradicional de fornecimento das GPUs, ela consegue ampliar sua infraestrutura com maior flexibilidade. A companhia afirma possuir mais de US$ 300 milhões em fornecimento de hardware previamente assegurado, com preços protegidos, permitindo acelerar sua expansão conforme a demanda cresce. Até 16 vezes mais velocidade Entre os principais diferenciais apresentados pela General Compute estão os indicadores de desempenho. Segundo a empresa, sua nuvem de inferência oferece: desempenho de inferência até 16 vezes superior ao das nuvens GPU convencionais;tempo para geração do primeiro token até sete vezes menor;throughput até 8,5 vezes maior;capacidade de processar até 1.000 tokens por segundo;migração de workloads em menos de 30 segundos. Na prática, tem-se respostas mais rápidas para chatbots, assistentes inteligentes, agentes autônomos, plataformas corporativas e aplicações baseadas em IA generativa. Quanto menor a latência, mais natural torna-se a interação entre humanos e inteligência artificial. Eficiência energética como vantagem competitiva Outro ponto que chama atenção é o consumo energético. Enquanto infraestruturas tradicionais podem exigir mais de 120 kW por rack, os chips da SambaNova utilizados pela General Compute operam com aproximadamente 20 kW por rack, utilizando apenas resfriamento a ar. Segundo a empresa, isso representa uma redução de aproximadamente seis vezes no consumo de energia, além de eliminar a necessidade de sistemas complexos de refrigeração líquida. Essa característica permite instalar novos equipamentos em data centers existentes, reduzindo custos de implantação e acelerando a expansão da capacidade computacional. Enquanto muitos projetos baseados em GPUs podem levar anos para entrar em operação, a infraestrutura da General Compute pode ser implantada em poucas semanas. Compatibilidade com os principais modelos de IA Outro diferencial da plataforma é sua compatibilidade com diferentes modelos de linguagem. A empresa afirma que sua nuvem de inferência suporta modelos desenvolvidos por organizações como OpenAI, DeepSeek, MiniMax e outros grandes laboratórios de IA. Também oferece compatibilidade com APIs tradicionais e com o Model Context Protocol (MCP), padrão que vem sendo adotado para integração entre agentes inteligentes e aplicações empresariais. Essa abordagem reduz o risco de dependência tecnológica e permite que empresas escolham os modelos mais adequados para cada tipo de aplicação. O investimento fortalece a próxima geração da infraestrutura de IA A linha de crédito concedida pela Upper90 começa em US$ 100 milhões, podendo atingir US$ 400 milhões conforme novos contratos são firmados. Além do financiamento, a Upper90 também possui participação acionária na General Compute, alinhando capital e crescimento de longo prazo. Com esse aporte, a empresa pretende acelerar a implantação de sua infraestrutura baseada em ASICs e ampliar a oferta da sua nuvem de inferência, acompanhando a rápida expansão da inteligência artificial generativa. À medida que agentes de IA, copilotos corporativos e modelos multimodais passam a fazer parte da rotina de empresas e consumidores, soluções especializadas em inferência tendem a ganhar cada vez mais relevância.

Raccontata davalor.globo.com