Agnosticismo de Hardware: Porque Apostar Tudo na NVIDIA é um Risco Estratégico
A Armadilha da Monocultura
Imagine que 95% dos carros do mundo só pudessem funcionar com um tipo específico de gasolina vendido por exatamente uma empresa. Imagine que a refinaria dessa empresa estivesse localizada numa ilha geologicamente instável. Imagine que todos os outros fabricantes de automóveis tivessem de conceber os seus motores para corresponder a esta mistura específica de combustível.
Se essa empresa tivesse uma falha de produção, ou aumentasse os preços em 400%, ou se um bloqueio cortasse o acesso à ilha, a economia global pararia. Os transportes cessariam.
Isto parece ficção distópica, mas é a realidade exata da indústria da Inteligência Artificial hoje.
Em 2025, cerca de 95% do treino de IA e da inferência de alto nível acontece em GPUs fabricadas por uma única empresa: a NVIDIA. Toda a stack global de IA (desde os frameworks PyTorch até aos designs de arrefecimento dos datacenters) está otimizada para a arquitetura da NVIDIA. A indústria está viciada em CUDA, a plataforma de software proprietária da NVIDIA.
A NVIDIA é uma empresa brilhante. Construíram tecnologia incrível. Mas esta monocultura é um pesadelo estratégico. Cria um Ponto Único de Falha (SPOF) para todo o futuro da inteligência humana.
A Escassez Estrutural
Todos vivemos as faltas de H100 de 2023 e 2024. As startups esperaram 12 meses por hardware. Os governos acumularam chips como barras de ouro. O preço da computação disparou.
Isto não foi apenas uma falha temporária na cadeia de abastecimento. Foi um estrangulamento estrutural. O fabrico destes chips depende de um processo incrivelmente complexo chamado embalagem avançada CoWoS (Chip-on-Wafer-on-Substrate), executado principalmente pela TSMC em Taiwan. A capacidade de produzir estas embalagens é finita. As leis da física são finitas.
Se a sua estratégia de IA depende de obter acesso ao chip NVIDIA mais recente e mais avançado, está a apostar a sobrevivência da sua empresa numa cadeia de abastecimento que não controla, para um produto que é leiloado a quem pagar mais.
O Fosso da CUDA
O verdadeiro bloqueio não é o hardware; é o software. A CUDA é a linguagem da IA. Durante 15 anos, investigadores e estudantes aprenderam a escrever kernels CUDA. As bibliotecas são otimizadas para CUDA. Se tentar executar código de IA padrão numa placa AMD ou num acelerador Intel, entra frequentemente num mundo de sofrimento: dependências partidas, kernels em falta e desempenho fraco.
Este "fosso CUDA" mantém os concorrentes de fora. Garante que, mesmo que a AMD construa um chip mais rápido e mais barato (o que já fez), ninguém o compre, porque o software não funciona simplesmente "à primeira".
A Filosofia Dweve: Correr em Todo o Lado
Na Dweve, tomámos uma decisão radical desde o início. Olhámos para a armadilha da CUDA e dissemos: "Não."
Decidimos que não escreveríamos uma única linha de CUDA. Não dependeríamos de uma pilha de hardware proprietária.
Em vez disso, construímos a nossa pilha com base em padrões abertos. Usamos Vulkan (a API gráfica que corre em tudo, desde telemóveis Android a servidores Linux). Usamos OpenCL. Usamos SPIR-V. Contamos com representações intermédias (IRs) como MLIR (Representação Intermédia de Múltiplos Níveis).
Mas o verdadeiro segredo não está apenas na API; está na matemática.
Como as nossas Redes Neuronais Binárias (BNNs) dependem de operações inteiras simples (XNOR e POPCNT) em vez de multiplicações complexas de matrizes em vírgula flutuante, não estamos presos aos específicos "Tensor Cores" que só a NVIDIA faz bem.
Os Tensor Cores são unidades de hardware especializadas concebidas para esmagar matemática de vírgula flutuante de 16 bits. Se o seu algoritmo depende de FP16, precisa de um Tensor Core. Se o seu algoritmo depende de lógica de 1 bit, não precisa. Só precisa de portas lógicas digitais básicas.
Esta liberdade arquitetónica permite-nos funcionar eficientemente numa diversidade impressionante de hardware:
1. AMD ROCm
As GPUs Instinct da AMD oferecem uma potência de cálculo bruta e uma largura de banda de memória enormes por cada dólar. Para cargas de trabalho de vírgula flutuante, a pilha de software (ROCm) tem sido historicamente o ponto fraco. Mas para as nossas cargas de trabalho binárias, compilamos diretamente para a ISA (Instruction Set Architecture). Contornamos as bibliotecas instáveis. Em hardware AMD, os modelos Dweve voam.
2. CPUs Intel (AVX-512)
Toda a gente ignora o humilde CPU. Mas os processadores Intel Xeon modernos têm um conjunto de instruções chamado AVX-512. Este permite que o CPU processe 512 bits de dados num único ciclo. Para uma rede neuronal binária, isso significa 512 neurónios processados instantaneamente. Podemos executar inferência de alto desempenho em servidores standard que as empresas já possuem. Não é necessário GPU.
3. RISC-V
RISC-V é a arquitetura de hardware de código aberto do futuro. É para os chips o que o Linux foi para os sistemas operativos. Executamos nativamente em aceleradores RISC-V. Isto é crucial para a Europa e para as nações em desenvolvimento que querem construir as suas próprias indústrias de chips domésticas, independentes dos controlos de exportação dos EUA.
4. FPGAs (Field Programmable Gate Arrays)
Esta é a fronteira mais entusiasmante. Um FPGA é um chip de "tela em branco" que pode ser religado em milissegundos. Como as nossas redes usam portas lógicas simples, podemos ligar fisicamente o chip para corresponder à estrutura da rede neuronal. Os dados fluem através do chip como água através de canos, com zero sobrecarga. Isto proporciona latência ultrabaixa (microssegundos) e eficiência energética extrema.
Resiliência Estratégica e Soberania
Para os nossos clientes (especialmente governos, agências de defesa e fornecedores de infraestruturas críticas), este agnosticismo de hardware é uma funcionalidade decisiva.
Significa que não estão bloqueados por sanções. Se uma crise geopolítica cortar o acesso a chips americanos, podem executar os seus modelos Dweve em chips europeus ou em silício legado amplamente disponível. Têm um "Plano B".
Significa que têm poder de negociação. Não estão sujeitos aos caprichos de preços de um único fornecedor. Se a NVIDIA aumentar os preços, podem mudar para AMD ou ASICs especializados sem reescrever o seu software.
Significa também longevidade. Um NVIDIA H100 ficará obsoleto em 3 anos. Em ambientes industriais (comboios, fábricas, centrais elétricas), o equipamento precisa de durar 20 anos. Um FPGA genérico ou um CPU standard continuará a ser utilizável durante décadas. Construímos software que respeita o ciclo de vida do mundo físico.
A Era Pós-GPU
Acreditamos que o domínio da GPU de uso geral (GPGPU) para IA é uma anomalia histórica. Foi a ferramenta certa para a fase de prototipagem da IA, porque era flexível e disponível. Mas, à medida que a IA entra na fase de implantação, veremos uma explosão cambriana de hardware especializado.
Veremos computação analógica. Computação ótica. Computação neuromórfica. Computação em memória. Estas arquiteturas são todas fundamentalmente incompatíveis com CUDA. Exigem uma nova pilha de software.
Ao desacoplar o nosso software do monopólio do hardware hoje, a Dweve está preparada para o futuro. Não estamos apenas a construir para os chips de 2025; estamos a construir para a física de 2035.
Quer IA que funcione nos seus termos, e não nos da NVIDIA? A arquitetura agnóstica de hardware da Dweve dá-lhe liberdade estratégica, controlo de custos e resiliência soberana. Contacte-nos para descobrir como as nossas Redes Neuronais Binárias podem funcionar no hardware que já possui, ou no silício aberto de amanhã.