Comprar outra família de processadores não significa abandonar a anterior. O projeto de aquisição de chips da Google atribuído à OpenAI ilustra esta nuance: por detrás da concorrência entre marcas, coloca-se uma questão industrial — a capacidade de computação disponível para treinar e fazer funcionar modelos de inteligência artificial.
A 28 de outubro de 2026, o Clubic divulgou uma informação do The Information segundo a qual a OpenAI estaria a ponderar comprar TPU da Google. A informação descreve um projeto noticiado pela imprensa. Não permite apresentar como factos estabelecidos um contrato assinado, uma entrega ou a substituição das GPU da Nvidia.
Um projeto de compra, não uma instalação já documentada
Uma notícia da Reuters de 27 de outubro retoma a mesma origem jornalística. Refere que as condições financeiras e os restantes pormenores não foram divulgados; nessa altura, a OpenAI recusara comentar e a Google ainda não tinha respondido à agência.
A existência de vários artigos não constitui, portanto, várias confirmações independentes da compra. Os textos remetem para uma informação inicial. Para o leitor, esta distinção é importante: uma possível negociação não revela o número de chips, a geração a que pertencem nem o calendário em que poderiam ficar disponíveis para utilização.
Ainda assim, é possível explicar o que está em causa sem transformar uma hipótese em certeza. Para isso, é preciso distinguir três aspetos: a natureza dos processadores, a forma de lhes aceder e a organização do software que os utiliza.
O que significa TPU
TPU significa «Tensor Processing Unit». Na sua documentação técnica, a Google descreve estes componentes como circuitos especializados na aceleração de cálculos de aprendizagem automática. São concebidos, nomeadamente, para grandes operações matriciais — cálculos efetuados sobre conjuntos de números muito comuns nas redes neuronais.
O fornecedor especifica também que o código destinado a estes processadores passa pelo compilador XLA. O hardware não é, portanto, uma peça intercambiável cujo nome, por si só, permita prever o resultado. O programa, a sua estrutura e as operações solicitadas contribuem para o desempenho obtido.
A Google distingue, aliás, as situações adequadas aos TPU daquelas em que as GPU ou os processadores convencionais podem ser mais apropriados. A documentação refere limitações relacionadas, entre outros aspetos, com certas operações personalizadas ou com necessidades de cálculo de alta precisão. A especialização é uma vantagem para tarefas adequadas, mas não demonstra uma superioridade universal.
Alugar capacidade de computação e comprar chips são decisões diferentes
Uma empresa pode utilizar um acelerador sem se tornar sua proprietária, recorrendo a uma infraestrutura de cloud. Comprar hardware implica outra organização: é preciso determinar onde será instalado, quem o irá operar e como será integrado no resto do sistema.
O projeto noticiado relativo à OpenAI não fornece os elementos necessários para descrever essa organização. Seria, por isso, prematuro desenhar um novo mapa dos seus centros de dados ou anunciar uma poupança concreta por pedido.
Tomemos uma comparação económica meramente ilustrativa. Uma equipa pode alugar capacidade quando precisa dela ou investir numa infraestrutura que prevê utilizar de forma duradoura. No segundo caso, o preço do componente não conta toda a história: uma capacidade que fique por utilizar parte do tempo pode alterar o cálculo. No primeiro, a flexibilidade de acesso não revela, por si só, o custo ao longo de vários anos. Estas questões ajudam a analisar o caso; não são números conhecidos do projeto OpenAI–Google.
A diversificação não começa com esta informação
Um elemento público oferece um contexto mais sólido. O comunicado conjunto da AMD e da OpenAI de 6 de outubro de 2025 anunciava um acordo plurianual relativo a seis gigawatts de infraestrutura equipada com GPU da AMD, distribuídos por várias gerações.
O calendário anunciado previa a implantação inicial de um gigawatt com a série Instinct MI450 a partir do segundo semestre de 2026. Este documento comprova o anúncio e o seu âmbito; não prova que todas as instalações estejam concluídas atualmente. Os seis gigawatts também não correspondem a um número de chips nem medem diretamente o número de respostas que o ChatGPT poderia produzir.
Este precedente permite enquadrar a hipótese dos TPU numa estratégia já documentada de recurso a várias tecnologias. Não confirma a compra à Google. Sobretudo, evita apresentar cada novo fornecedor como uma passagem exclusiva de um lado para o outro.
As perguntas que permitirão avaliar os próximos passos
Se houver um anúncio oficial, quatro informações serão particularmente úteis. Que geração de componentes está em causa? O programa destina-se ao treino, à execução dos modelos ou a ambos? Em que prazo estará a capacidade realmente disponível? Que resultados serão medidos com o software efetivamente utilizado?
Será também necessário distinguir entre capacidade encomendada, hardware entregue e serviço operacional. Cada uma destas etapas pode ser objeto de anúncios, mas não corresponde ao mesmo grau de avanço.
Para o utilizador final, a mudança de fornecedor de capacidade de computação não garante diretamente nem uma redução do preço da assinatura nem uma resposta melhor do modelo. São outros resultados, que têm de ser verificados separadamente. O caso OpenAI–Google é, portanto, interessante como sinal de uma possível diversificação, desde que se acompanhem as provas de execução, em vez de se ver nele desde já o desfecho de uma guerra dos chips.
Fotografia ilustrativa: equipamento de servidores; não representa uma instalação de TPU da OpenAI.
