A estratégia de código aberto da Nvidia evolui: de "apoiadora" para "construtora", empresa planeja desenvolver pessoalmente os principais modelos de IA open source do mundo

A NVIDIA está discretamente completando uma transformação estratégica em sua identidade, passando de “apoiadora” do ecossistema open source de IA para “construtora” direta.

De acordo com o Wall Street Insights, em 11 de agosto, o The Information informou que a NVIDIA espera que a próxima geração do Nemotron 4 figure entre os modelos abertos mais poderosos do mundo.

Funcionários envolvidos no projeto estimam que a versão maior terá pelo menos 1 trilhão de parâmetros totais, aproximadamente o dobro do Nemotron 3 Ultra lançado em junho.

Os dados de pré-treinamento e a arquitetura do modelo já foram decididos preliminarmente, mas as especificações finais e o cronograma de lançamento ainda não foram definidos; o estágio de treinamento mais crucial também não foi iniciado. O chamado “Nemotron 4 de trilhões de parâmetros” é, neste momento, um plano de pesquisa e desenvolvimento, não podendo ser considerado um produto já lançado.

Esse investimento pode facilmente ser interpretado como uma tentativa da NVIDIA de se tornar uma nova OpenAI ou Anthropic, porém, na prática, a NVIDIA não precisa recuperar custos cobrando pelo API do Nemotron.

Desde que um modelo gratuito permita que mais empresas, governos e startups comecem a treinar, ajustar e implantar IA, a NVIDIA poderá cobrar por etapas na GPU, rede NVLink, sistemas completos, CUDA, além de softwares corporativos.

O Nemotron 4 se assemelha mais a um gerador de demanda de poder computacional: o modelo é gratuito, mas o cálculo necessário para usá-lo não é.

A NVIDIA precisa expandir seus compradores de poucos gigantes para todo o mercado

O atual boom das GPUs está extremamente concentrado.

O 10-Q da NVIDIA, relativo ao período até 26 de abril, mostra que três clientes diretos foram responsáveis por 21%, 17% e 16% da receita do trimestre, totalizando 54%; a empresa também revelou que uma companhia de pesquisa e implantação de IA, através de serviços em nuvem, gerou uma “receita significativa” de forma indireta.

Esses clientes diretos podem ser fabricantes de sistemas completos, distribuidores ou provedores de nuvem, não necessariamente correspondendo aos usuários finais, mas o risco de concentração de clientes já se reflete nos relatórios financeiros.

Mais complicado ainda, grandes clientes também desenvolvem alternativas à NVIDIA:

• A Amazon AWS utiliza a Trainium para suportar o treinamento e inferência da Anthropic, afirmando oficialmente que quase 1 milhão de chips Trainium 2 já estão a serviço do Claude;
• O Ironwood TPU do Google atende a treinamentos e inferências em larga escala;
• A AMD também busca espaço com as MI350 e ROCm para cargas de modelos abertos.

Modelos fechados concentram demanda em alguns laboratórios e provedores de nuvem, que possuem grande escala, forte poder de barganha e incentivo em migrar cargas de trabalho estáveis para chips próprios.

Para a NVIDIA, o cenário mais favorável não é um domínio absoluto de uma empresa de modelos de IA, mas o crescimento simultâneo de milhares de modelos e aplicações diferentes. Quanto mais dispersa a demanda, mais difícil é para o cliente cobrir tudo com um ASIC personalizado; quanto mais rápido as cargas mudam, mais vantagem tem o ecossistema maduro de software em GPU e CUDA.

Isso também explica por que a NVIDIA não pode apenas apoiar o ecossistema aberto em discurso. Um modelo aberto muito inferior aos fechados só atrai experimentos de pesquisa, sendo pouco provável convencer bancos, indústrias ou órgãos governamentais a abrir orçamento para operações de produção.

O modelo deve ser forte o bastante para que empresas queiram continuar treinando com seus próprios dados, forte o suficiente para que os clientes se disponham a delegar fluxos de trabalho de alta frequência a ele; só assim o modelo aberto transforma downloads de desenvolvedores em utilização de GPUs em data centers.

O objetivo dos trilhões de parâmetros é esse. Não funcionam como medalha de comprovação do nível de inteligência, mas são uma estratégia da NVIDIA para superar o limiar de uso pelas empresas.

O Nemotron 3 Ultra atual possui 550 bilhões de parâmetros totais, com 55 bilhões ativados por token, suportando contextos de até 1 milhão de tokens.

Testes divulgados pela NVIDIA mostram que ele se aproxima de outros modelos abertos líderes em algumas tarefas, tendo uma taxa de inferência consideravelmente mais elevada. No entanto, segundo o The Information, citando rankings de terceiros, ele ainda está atrás dos modelos abertos chineses mais avançados e longe de ser do primeiro escalão global.

Portanto, o tamanho dos parâmetros demonstra ambição, mas não substitui resultados.

Em arquiteturas MoE esparsas, o número total de parâmetros difere muito dos parâmetros realmente utilizados em cada inferência; qualidade dos dados, quantidade de tokens de treinamento, etapas posteriores, capacidade de utilização de ferramentas e sistemas de inferência em conjunto determinam o resultado final.

Se o Nemotron 4 trouxer apenas “1 trilhão” como uma métrica vistosa, mas não alcançar o topo em cenários reais, dificilmente influenciará decisões de compra.

Um modelo gratuito pode vender toda uma fábrica de IA

A NVIDIA já estruturou o caminho de conversão:

1. O Nemotron aberto disponibiliza pesos de modelo, dados e receitas de treinamento;
2. Empresas utilizam o NeMo para continuar o pré-treinamento, fine-tuning, aprendizado por reforço e avaliação;
3. Na implantação, integram NIM microserviços de inferência, TensorRT-LLM e CUDA;
4. Com a expansão, a demanda computacional recai sobre o DGX Cloud, GPUs públicas ou clusters HGX/DGX privados da empresa.
5. Além das GPUs, entram na fatura NVLink, redes InfiniBand ou Spectrum-X, CPU, DPU e assinaturas do NVIDIA AI Enterprise.

Já existem exemplos iniciais desse caminho. A Palantir introduziu o Nemotron em redes isoladas do governo dos EUA, permitindo que clientes treinem, mantenham pesos do modelo e realizem melhorias em infraestruturas locais, com apoio de implantação do NVIDIA AI Enterprise.

O mercado japonês se aproxima de um modelo de “IA soberana”: instituições de pesquisa e empresas utilizam os dados do Nemotron e o NeMo para treinar modelos em japonês, com o HGX B300 dedicado à infraestrutura própria e o Jetson para implantações na borda.

APIs fechadas não podem ser usadas em redes isoladas e dificilmente atendem aos requisitos de residência de dados, propriedade de modelo e auditoria local. Modelos abertos possibilitam cargas de trabalho, antes inviáveis em APIs públicas de nuvem, em data centers governamentais, centros corporativos, nuvens regionais de IA e dispositivos de borda.

Do ponto de vista das empresas de modelos, trata-se de um mercado mais disperso e difícil de monetizar; para a NVIDIA, que vende infraestrutura, cada novo local de implantação representa mais uma fonte de receita de hardware e software.

O roteamento de modelos amplia ainda mais esse mercado. O The Information informou que, junto com o lançamento do Nemotron 3.5 Lightning, a NVIDIA disponibilizou gratuitamente um software de roteamento de modelos. O roteador atribui tarefas simples a modelos leves, repassando apenas as tarefas difíceis para grandes modelos.

Na superfície, parece ajudar o cliente a economizar poder computacional caro; na prática, a aposta é que, ao reduzir o custo por tarefa, as empresas ativem mais agentes inteligentes residentes e transformem uma consulta em um fluxo contínuo de planejamento, busca, uso de ferramentas, verificação e retrabalho.

A Gartner estima que, até 2030, o custo de inferência de modelos de trilhões de parâmetros cairá mais de 90% em relação a 2025, mas o consumo de tokens por tarefa dos agentes inteligentes pode ser de 5 a 30 vezes maior que o de chatbots comuns; se o uso de tokens crescer mais rápido que a queda do preço unitário, o gasto total com inferência pode continuar subindo.

A aposta da NVIDIA não é “quanto mais caros os grandes modelos, mais GPUs são vendidas”, mas sim “quanto mais barata a inteligência, mais rápido o uso se expande”. O Nemotron cobre modelos leves, modelos carro-chefe e ferramentas de roteamento, fabricando ativamente essa elasticidade da demanda à medida que o preço cai.

Desenvolver modelos também é para acertar os chips da próxima geração

O Nemotron tem outro valor além da receita direta com modelos: ele serve como teste de estresse de toda a pilha da NVIDIA.

Se uma fabricante de chips ficar esperando os clientes definirem seus modelos, para só depois adaptar novos mecanismos de atenção, roteadores MoE, contexto longo e formatos de baixa precisão, o ciclo de hardware ficará sempre defasado.

Ao treinar modelos de ponta internamente, as equipes de engenharia conseguem identificar mais cedo os gargalos de poder computacional, memória, interconexão, throughput de dados e agendamento de inferência, incorporando essas descobertas na próxima geração de GPUs, NVLink e bibliotecas de software.

O Nemotron 3 Ultra já exibe claros sinais de “co-design de hardware”: utiliza uma arquitetura híbrida Mamba-Attention com MoE, pré-treinado no formato NVFP4 projetado para o Blackwell e ganha velocidade com predição multi-token.

A NVIDIA afirma que versões quantizadas podem ser implantadas em apenas quatro placas B200. Esses modelos são ao mesmo tempo produtos e cargas demonstração das capacidades de baixa precisão do Blackwell, sua arquitetura de memória e software de inferência.

Com o código aberto, desenvolvedores externos continuam otimizando essas cargas para a NVIDIA.

Novas arquiteturas de modelo primeiro rodam em CUDA, PyTorch, vLLM, SGLang e TensorRT-LLM; as otimizações voltam para a plataforma NVIDIA, criando para novos concorrentes não uma diferença de performance por GPU, mas sim um ambiente de produção lapidado por milhares de projetos.

Entre os casos de uso apresentados pela NVIDIA este ano, o custo por token do DeepSeek V4 rodando em Blackwell caiu para um quinto em até um mês; uma sobreposição de múltiplas otimizações de software elevou o throughput em até 20 vezes.