Artigos A IA de amanhã
PT

Caderno vivo · Códice n.º 2

Os chips de amanhã

Como serão os chips que vão treinar as próximas IA?

Um modelo de IA não é mais rápido do que o chip que o alimenta. Este caderno olha para os chips que treinam a IA hoje, para os que estão a ser construídos e para as nossas hipóteses sobre as gerações seguintes: mais potência, menos energia, menos calor. Com esquemas, para ver os chips por dentro.

Versão 1 · atualizado em

I

Os chips que treinam a IA hoje

Um acelerador de IA moderno não é um chip, é uma pequena cidade: chips de cálculo, pilhas de memória e cablagem, tudo num único encapsulamento. A Fig. 1 mostra as camadas; a Fig. 2 compara os principais chips no número que mais conta, a memória.

Fig. 1 — Anatomia de um acelerador de IA

123456789
  1. Chips de cálculo (cada um perto do limite do retículo)
  2. Pilhas de memória HBM, 8 a 12 camadas de DRAM
  3. Chip de base da HBM: o controlador no pé de cada pilha
  4. Interposer de silício com ligações verticais (TSV)
  5. Substrato do encapsulamento, que leva a energia
  6. Ligação direta entre os dois chips de cálculo
  7. Pasta térmica e tampa metálica
  8. Placa fria com líquido em circulação
  9. Esferas de solda para a placa
Um corte do encapsulamento. Os chips de cálculo e as pilhas de memória ficam lado a lado sobre um interposer de silício; tudo é arrefecido por cima.

Fig. 2 — Largura de banda e capacidade de memória dos principais chips

Largura de banda de memória (TB/s)

  1. H1003.35
  2. B2008
  3. B3008
  4. MI355X8
  5. Trainium34.9
  6. TPU Ironwood7.37
  7. Maia 2007
  8. Rubin19.2 → 22
  9. MI455X23.3

Capacidade de memória (GB)

  1. H10080
  2. B200192
  3. B300288
  4. MI355X288
  5. Trainium3144
  6. TPU Ironwood192
  7. Maia 200216
  8. Rubin288
  9. MI455X432

Em serviçoGeração 2026Primeiro objetivo da Rubin (22 TB/s)

A largura de banda diz a que velocidade os dados chegam ao cálculo; a capacidade, quantos um chip consegue guardar. A geração de 2026 duplica a triplica, aproximadamente, a largura de banda.
II

Os chips em construção

A geração 2026–2028 já está desenhada ou em produção. O padrão é claro: muito mais largura de banda de memória, mais chips por encapsulamento e racks que consomem centenas de quilowatts.

Fig. 3 — Chips, memória e processos, 2024–2029

202420252026202720282029

Nvidia

  • B200
  • B300
  • Rubin
  • Rubin Ultra
  • Feynman

AMD

  • MI355X
  • MI455X

Google

  • Ironwood
  • TPU 8t · 8i

AWS

  • Trainium3
  • Trainium4

Microsoft

  • Maia 200

TSMC

  • N2
  • A16
  • A14
  • A12

HBM

  • HBM3E
  • HBM4
  • HBM4E
  • HBM5
nov. 2026

Em serviçoEm aumento de produçãoPrevisto

As datas dos itens futuros são anunciadas ou noticiadas, e mudam muitas vezes. Leia-se como uma ordem de chegada, não como um calendário.

Estabelecido

Nvidia Rubin (Vera Rubin NVL72)

Dois chips no processo N3P da TSMC, 288 GB de HBM4 até 19,2 TB/s (22 TB/s era o objetivo inicial; a velocidade dos pinos da HBM4 foi o obstáculo), cerca de 50 PFLOPS em inferência NVFP4, cerca de 1800 W. O primeiro hardware de produção chegou no outono de 2026.

Fonte (3)

Promissor

Rubin Ultra e Feynman

A Rubin Ultra está prevista para o segundo semestre de 2027: quatro chips, 1 TB de HBM4E, cerca de 100 PFLOPS em FP4, num rack «Kyber» NVL576 de 600 kW. A Feynman segue por volta de 2028, com fotónica de silício no roteiro da Nvidia. Tudo isto é anunciado, não entregue.

Fonte (2)

Promissor

Google TPU 8: dois chips em vez de um

Noticiado na Google Cloud Next 2026: o próximo TPU divide-se em 8t para treino e 8i para inferência. Primeiro sinal de que um só desenho não pode ser o melhor nas duas tarefas.

Fonte (1)
III

Quatro muros

Ir mais depressa já não passa por encolher os transístores. Quatro limites decidem o que as próximas gerações poderão fazer. A Fig. 4 mostra o primeiro.

Fig. 4 — A tesoura: o cálculo afasta-se da memória

×1×10×1000246810Anos×243×10×5
  • Cálculo máximo
  • Largura de banda de memória

Após dez anos a estes ritmos, o cálculo cresceu cerca de 24 vezes mais do que a largura de banda de memória (×243 contra ×10).

Crescimento por período de dois anos medido por Gholami e colegas ao longo de vinte anos (cálculo ×3,0, largura de banda de memória ×1,6, interligação ×1,4), prolongado aqui por dez anos. Uma tendência, não uma previsão.

Estabelecido

O muro da memória

Em duas décadas, a potência de cálculo máxima cresceu cerca de 3 vezes a cada dois anos, a largura de banda de memória cerca de 1,6 vezes e as interligações cerca de 1,4 vezes. Os chips esperam cada vez mais pelos dados em vez de calcular. É por isso que a HBM está agora dentro do encapsulamento.

Fonte (1)
IV

Novos materiais e transístores

O próprio transístor está a ser redesenhado: a sua forma, por onde entra a energia e, um dia, de que é feito.

Promissor

Nanofolhas e depois alimentação por trás

Os transístores «gate-all-around» de nanofolhas rodeiam o canal com a porta para o controlar melhor e ter menos fugas; o N2 da TSMC usa-os. Segue-se a alimentação traseira (TSMC A16, «Super Power Rail»): os fios de energia passam por baixo dos transístores e libertam o topo para os sinais. O calendário terá deslizado para 2027.

Fonte (2)

Especulativo

CFET e semicondutores 2D

O CFET empilha transístores do tipo n e do tipo p. Os semicondutores 2D, como o dissulfeto de molibdénio, formam canais com poucos átomos de espessura. Em 2026, a imec, a ASML e a TSMC fabricaram transístores 2D complementares com passo de 50 nm numa bolacha de 300 mm: uma prova de laboratório, não um produto.

Fonte (2)
V

Novas arquiteturas

O lugar onde está o silício conta tanto como aquilo que ele é. A Fig. 5 contrapõe o encapsulamento de hoje a um empilhado.

Fig. 5 — O mesmo chip, lado a lado ou empilhado

Encapsulamento 2,5D (hoje)

1234

Pilha 3D (amanhã)

5678
  1. Chip de cálculo
  2. Pilha HBM
  3. Interposer de silício
  4. Fios longos: milímetros, logo mais energia
  5. Almofadas de ligação híbrida ao passo do micrómetro
  6. Chip de cálculo empilhado por cima
  7. Percurso vertical muito curto
  8. O calor tem de atravessar toda a pilha
Hoje o dado atravessa milímetros de interposer. Empilhado, atravessa micrómetros. O preço: o calor tem agora de atravessar a pilha.

Estabelecido

Chiplets por todo o lado

Um único chip não pode exceder o limite do retículo, cerca de 850 mm². Por isso a Rubin usa dois chips, a Rubin Ultra quatro, o MI455X da AMD vários chiplets e o TPU 8 dois chips separados. Os chiplets melhoram o rendimento e permitem misturar processos, mas cada ligação entre chips gasta energia.

Fonte (3)

Promissor

HBM à medida

A HBM4 duplica a interface para 2048 bits (norma JEDEC, abril de 2025). O seu chip de base passa a ser um chip lógico fabricado numa foundry como a TSMC, onde um cliente pode acrescentar os seus próprios circuitos (HBM4E à medida). A memória deixa de ser um produto banal e torna-se semipersonalizada.

Fonte (3)

Promissor

Luz dentro do encapsulamento

A ótica co-encapsulada (CPO) coloca os motores óticos junto ao comutador ou ao acelerador, no lugar de módulos plugáveis e longas ligações de cobre. A Nvidia afirma uma eficiência energética até 3,5 vezes melhor nos seus comutadores fotónicos. A ótica entre GPU dentro de um rack é o passo seguinte.

Fonte (3)

Promissor

Chips especializados

Ler uma pergunta (o «prefill») é limitado pelo cálculo; escrever a resposta (o «decode») é limitado pela memória. O Rubin CPX da Nvidia visa o prefill com memória GDDR7 mais barata, a Google divide o seu TPU 8 e o Maia 200 da Microsoft visa a inferência. Um chip por tarefa.

Fonte (3)
VI

Software mais inteligente

O watt mais barato é o que não se gasta. O software tira mais partido do mesmo silício, e a Fig. 6 mostra o que está em jogo por watt.

Fig. 6 — Desempenho por watt no máximo

FP8 (números de 8 bits)

  1. H1002.8
  2. B2004.5

FP4 (números de 4 bits)

  1. B2009.0
  2. B30010.7
  3. Rubin27.8
  4. Rubin Ultra27.8

TFLOPS / W — máximo, densoValores anunciados, não medidos

Débito máximo dividido pela potência do chip. Reduzir para metade o formato numérico duplica aproximadamente o valor; Rubin e Rubin Ultra usam valores anunciados e a razão entre eles é estável.

Promissor

Menos bits: FP4

O NVFP4 é um formato numérico de 4 bits com escala por blocos. Investigadores da NVIDIA pré-treinaram com ele um modelo de 12 mil milhões de parâmetros com 10 biliões de tokens, com precisão comparável à do FP8. Metade dos bits é metade dos dados a mover e cerca do dobro do débito máximo.

Fonte (1)

Estabelecido

Melhores núcleos de cálculo

O FlashAttention-3 reorganiza a atenção para que os dados fiquem na memória do chip: cerca de 75 % de utilização de um H100 em FP16, 1,5 a 2 vezes mais rápido do que a versão 2. A mesma matemática, menos viagens à HBM.

Fonte (1)
VII

Calor e alimentação

Cada watt que um chip consome transforma-se em calor, e cada watt de calor tem de sair. A Fig. 7 mostra a subida da potência por chip e por rack; a Fig. 8 mostra duas formas de evacuar o calor.

Fig. 7 — A potência continua a subir

Potência por chip (W)

  1. H100700 W
  2. B2001000 W
  3. B3001400 W
  4. Rubin≈ 1800 W
  5. Rubin Ultra≈ 3600 W

Potência por rack (kW)

  1. GB200 / GB300 NVL72≈ 120–130 kW
  2. Vera Rubin NVL72≈ 190–230 kW
  3. Rubin Ultra NVL576≈ 600 kW

Anunciado ou estimado

Cada geração consome mais. Os valores da Rubin e da Rubin Ultra são anunciados ou estimados.

Fig. 8 — Duas formas de retirar o calor

Placa fria (hoje)

12345

Microfluídica (protótipo)

1567
  1. Ponto quente no chip
  2. Pasta térmica
  3. Tampa metálica
  4. Placa fria
  5. Líquido de arrefecimento
  6. Canais gravados no silício
  7. Líquido a algumas dezenas de micrómetros dos transístores
Uma placa fria puxa o calor através de várias camadas. A microfluídica põe o líquido junto dos transístores. A Microsoft mediu em laboratório até 3 vezes melhor.

Promissor

Arrefecer dentro do silício

Em setembro de 2025, a Microsoft gravou canais de inspiração biológica na face traseira de um chip e fez circular líquido por eles: até 3 vezes melhor extração de calor do que uma placa fria e um aumento máximo de temperatura 65 % menor em laboratório. Um protótipo, a anos de um produto.

Fonte (2)
VIII

As nossas hipóteses

O que se segue é o nosso próprio raciocínio, não um resultado publicado. O valor de confiança diz quanto acreditamos nele hoje; vai mudar.

H1

A largura de banda de memória continua a ser o principal limite

Até 2030, cada geração será definida primeiro pela memória: mais pilhas, mais rápidas, mais perto do cálculo. Os FLOPS máximos continuarão a crescer mais depressa do que os dados que os alimentam.

Confiança80 %
A favor
A tendência medida desde 2000; os roteiros de HBM4 e HBM4E; MI455X e Rubin gastam a maior parte da novidade na memória.
Contra
Formatos numéricos mais pequenos e esparsidade reduzem os bytes por operação, o que poderá aliviar a pressão durante algum tempo.
Fonte (2)

H2

A ligação híbrida torna-se corrente até 2029

O empilhamento 3D com ligação cobre com cobre passará de poucos produtos para a maioria dos encapsulamentos de gama alta: primeiro em HBM de 16 camadas, depois lógica sobre cache ou memória.

Confiança55 %
A favor
Já anunciado nos roteiros de HBM; encurta as ligações e poupa energia.
Contra
O calor preso entre camadas, o rendimento das pilhas coladas e o custo continuam por resolver em grande volume.
Fonte (2)

H3

A ótica entra no encapsulamento e depois no rack

As ligações óticas substituirão o cobre primeiro entre racks e depois entre GPU dentro de um rack, por volta da viragem da década.

Confiança55 %
A favor
A Nvidia entrega comutadores CPO; o alcance do cobre diminui à medida que as velocidades sobem; a Google já usa comutação ótica nos pods TPU.
Contra
Fiabilidade, manutenção e custo dos lasers. O cobre surpreende ao durar mais do que o esperado.
Fonte (2)

H4

O FP4 torna-se o formato predefinido

A maioria dos grandes treinos e quase toda a inferência usará formatos de 4 bits dentro de três anos, com algumas camadas sensíveis em maior precisão.

Confiança55 %
A favor
Pré-treino em NVFP4 com 10 biliões de tokens; suporte de hardware em Blackwell, Rubin e MI355X.
Contra
Riscos de precisão nas tarefas mais difíceis e modelos que só atingem a qualidade FP4 com receitas cuidadas.
Fonte (1)

H5

O arrefecimento líquido dentro do chip chega a produtos até 2030

Um primeiro acelerador comercial usará microcanais gravados no silício ou mesmo por baixo dele.

Confiança40 %
A favor
Um ganho de 3 vezes em laboratório; a classe Rubin Ultra de 3600 W está perto do que as placas frias conseguem.
Contra
Fugas, fiabilidade e uma nova cadeia de fornecimento; placas e imersão podem ir mais longe do que o esperado.
Fonte (2)

H6

A eficiência virá mais do desenho e do software do que do processo

Cada novo nó de fabrico ainda ajuda, mas a maior parte do ganho por watt até 2030 virá dos formatos, da colocação da memória, do escalonamento e de chips especializados.

Confiança70 %
A favor
O FP4 máximo por watt é quase igual entre Rubin e Rubin Ultra segundo o nosso cálculo (Fig. 6); poupanças do tipo Perseus não exigem silício novo.
Contra
Um avanço real nos transístores (alimentação traseira em grande escala) mudaria o equilíbrio.
Fonte (3)

H7

Um transístor de material 2D num chip de IA comercial antes de 2031

Achamos pouco provável neste horizonte: os resultados de laboratório são reais, mas fabricar à escala de um chip de IA é outra coisa.

Confiança5 %
A favor
Transístores 2D complementares com passo de 50 nm em bolachas de 300 mm em 2026.
Contra
Contactos, defeitos e rendimento; a indústria ainda tem de implantar primeiro o CFET e a alimentação traseira.
Fonte (2)
IX

Conclusões provisórias

O que pensamos nesta fase. «Provisório» é a palavra-chave.

  1. O próximo ganho está na memória, não no cálculo

    Tudo aponta no mesmo sentido: mais HBM, chips de base à medida, empilhamento e ótica no encapsulamento. Um chip é agora julgado pela rapidez com que pode ser alimentado.

    Fonte (2)
  2. Os watts serão poupados em três sítios ao mesmo tempo

    Menos bits (FP4), menos movimento de dados (empilhamento, ótica) e um escalonamento mais inteligente somam-se. Nenhum truque sozinho chega.

    Fonte (3)
  3. O calor e a alimentação são agora problemas de desenho

    Com 600 kW por rack, o arrefecimento e a distribuição a 800 V decidem o que se pode construir, tanto como os transístores.

    Fonte (2)
  4. O setor diversifica-se

    Rubin, MI455X, TPU 8, Trainium4, Maia 200: os chips de treino e de inferência afastam-se, e as grandes nuvens desenham os seus.

    Fonte (2)
X

Perguntas em aberto

Próximas pistas

XI

Léxico

As palavras deste caderno, em linguagem simples.

TDP
Potência de projeto térmico: o calor, em watts, que o sistema de arrefecimento tem de conseguir retirar de um chip.
HBM
Memória de alta largura de banda: camadas de DRAM empilhadas na vertical e colocadas mesmo ao lado do chip, ligadas por milhares de fios muito curtos.
Interposer
Uma placa fina de silício sob os chips que transporta a cablagem fina entre os chips de cálculo e a memória (a versão da TSMC chama-se CoWoS).
Chiplet
Um chip pequeno que é uma peça de um processador maior. Vários chiplets são montados num mesmo encapsulamento.
Limite do retículo
A maior área que uma máquina de litografia imprime numa exposição, cerca de 850 mm². Limita o tamanho de um chip único.
Ligação híbrida
Unir dois chips colando diretamente as suas almofadas de cobre, sem esferas de solda. As ligações são muito mais pequenas e mais próximas.
FP4
Um número de vírgula flutuante escrito com apenas 4 bits. Menos preciso, mas reduz para metade os dados movidos e acelera o cálculo.
Gate-all-around
Um transístor cuja porta rodeia o canal por todos os lados, o que dá melhor controlo do que a antiga forma em aleta.
Alimentação traseira
Levar a corrente pela face inferior do chip, para que a face superior fique livre para os fios de sinal.
Ótica co-encapsulada
Transcetores óticos integrados no mesmo encapsulamento do chip: os sinais saem sob a forma de luz após um percurso elétrico muito curto.
Material de interface térmica
A pasta ou almofada térmica entre o chip e a sua tampa ou placa fria. Preenche minúsculos vazios para deixar passar o calor.

Diário do caderno

  1. Criação do caderno: chips atuais, geração 2026–28, quatro muros, materiais, arquiteturas, software, calor; oito esquemas e sete hipóteses.

A IA de amanhã →

Fontes (45)

Voltar ao topo