O ponto invisível de controle de US$ 16,7 bilhões da Broadcom

Em seu relatório do terceiro trimestre de 2026, a Broadcom disse que a receita de semicondutores para IA chegou a US$ 16,7 bilhões, alta de 221% em relação ao ano anterior. Ainda assim, a Broadcom registrou uma velocidade de cobertura atual de -0.339, o que indica que a atenção arrefeceu à medida que a empresa ganhava peso econômico na infraestrutura de IA.

Os proprietários de modelos agora dão mais poder de barganha na infraestrutura de IA a fornecedores capazes de cocriar silício, conectá-lo por meio de switches e óptica e ajudar a financiar a capacidade resultante. A Broadcom exemplifica esse ponto de controle obscurecido: hyperscalers e laboratórios de fronteira comandam a narrativa da plataforma, enquanto a Broadcom ocupa as interfaces que fazem seus planos de capacidade funcionar.

Cargas de trabalho repetidas tornam racional o silício customizado

Um proprietário de modelo que atende repetidamente às mesmas arquiteturas tem um alvo estável de otimização. Ele pode diluir os custos de design customizado por uma grande base de tokens e então usar o conhecimento de seus modelos para trocar generalidade por menor latência, menor consumo de energia ou mais trabalho por watt. Esse é o mecanismo por trás da mudança na economia da inferência: o conhecimento do modelo se torna um insumo para a eficiência do hardware.

A OpenAI e a Broadcom demonstraram o ciclo comprimido de design com o Jalapeño, um acelerador de inferência otimizado para LLMs que passou do projeto ao tape-out de fabricação em nove meses. A OpenAI participou diretamente do design e usou seus modelos no processo de desenvolvimento. O laboratório não estava apenas escolhendo um componente de catálogo.

A OpenAI disse mais tarde que o Jalapeño entregou de 1,5 a 1,9 vez mais trabalho de IA por watt e latência de 1,7 a 3,6 vezes menor do que chips da Nvidia em GPT-OSS, DeepSeek R1 e Kimi K2.5 1T. Esses benchmarks divulgados pela empresa indicam o possível prêmio da cocriação entre hardware e modelo, mas não estabelecem a dimensão total desse prêmio. A OpenAI não divulgou no registro citado o volume de implantação contratado do Jalapeño nem sua participação na capacidade de inferência.

A comparação publicada pela OpenAI também não apresenta um custo por token, comparável de forma equivalente e reportado de maneira independente, que incorpore utilização, redes, memória, energia e depreciação. Um chip pode vencer um benchmark enquanto o sistema implantado perde dinheiro. Data centers têm o lamentável hábito de cobrar pela máquina inteira.

A Nvidia continua sendo o contraexemplo contundente a qualquer alegação de que chips customizados de inferência deslocaram GPUs comerciais. A Nvidia detinha uma estimativa de 95% do mercado de GPUs para aprendizado de máquina em 2023, e a OpenAI mais tarde se comprometeu a implantar ao menos 10 gigawatts de sistemas da Nvidia. Suporte de software de uso geral, infraestrutura instalada e oferta em escala ainda têm enorme valor.

Outros laboratórios, ainda assim, estão adotando a mesma capacidade organizacional. A Anthropic confirmou uma equipe interna de silício que está cocriando hardware e Claude por meio de uma abordagem multi-chip, parte de um movimento mais amplo em direção à infraestrutura de inferência controlada pelo laboratório. O acordo da Amazon com a OpenAI, separadamente, compromete o laboratório a consumir cerca de dois gigawatts de capacidade Trainium por meio da AWS. Cada arranjo preserva a computação comercial enquanto adiciona alternativas específicas para a carga de trabalho em seu entorno.

A Broadcom fatura sob a marca de outra empresa

O relatório do Q3 da Broadcom tornou visível a escala de sua exposição à IA. Os semicondutores para IA geraram mais da metade da receita trimestral total de US$ 29,59 bilhões da empresa.

Os US$ 16,7 bilhões não separam aceleradores customizados, redes ou outra demanda por semicondutores para IA. A divulgação da Broadcom para o ano fiscal de 2024 foi mais reveladora sobre a arquitetura: a empresa atribuiu seu crescimento em IA ao portfólio de XPU e redes Ethernet. A Broadcom vende para múltiplas camadas do sistema, portanto seu número principal de IA não permite estabelecer quanto do aumento veio especificamente do silício para inferência.

A estratégia de fornecedores da OpenAI mostra como essa ambiguidade surge. Reportagens descreveram chips da Nvidia como parte da infraestrutura de treinamento da OpenAI e chips da Broadcom como parte de sua estratégia de inferência. A OpenAI continua sendo a plataforma voltada ao cliente em ambos os casos. A Broadcom ganha exposição ao volume de atendimento do laboratório sem precisar se tornar uma provedora de API ou uma marca de modelo.

A Broadcom apareceu em 48 artigos no período mais recente, ante 27 no anterior, enquanto o enquadramento voltado ao consumidor caiu de 40,7% para 16,6%. A empresa recebeu uma cobertura compatível com sua posição sob marcas voltadas ao cliente, embora a contagem não possa provar essa explicação. A Broadcom registra atualmente uma velocidade de cobertura de -0.339, que mede o arrefecimento da atenção, e não uma contração da demanda por chips. A empresa pode se tornar mais relevante para a pilha enquanto aparece com menos frequência nas narrativas voltadas ao consumidor.

O mesmo relatório do Q3 também delimita a alegação econômica. A Broadcom projetou receita do Q4 abaixo das estimativas de analistas, apesar de seu crescimento em semicondutores para IA. A exposição a silício customizado e redes não elimina ciclos de produtos, concentração de clientes, atrasos de implantação nem risco de previsão.

A rede determina quanto silício é utilizável

Grandes clusters transformam a movimentação de dados em uma restrição de utilização. Um acelerador à espera de parâmetros ou saídas continua sendo capacidade comprada, mas não é capacidade produtiva. Por isso, os proprietários de modelos se preocupam com o comportamento dos links entre chips e racks, e não apenas com as especificações de cada acelerador.

O Ultra Ethernet Consortium formalizou essa exigência em junho de 2025, quando publicou sua especificação 1.0 para IA e computação de alto desempenho. Membros do consórcio, incluindo AMD, Cisco, HPE e Intel, trataram controle de congestionamento, comportamento de transporte e acesso remoto à memória como problemas de design de sistemas de IA. A infraestrutura genérica de data center havia se tornado parte da arquitetura da carga de trabalho.

A Cisco pressionou o mesmo ponto de controle pelo lado do fornecedor. Seus sistemas de roteamento Silicon One P200 e 8223 de 2026 miraram transferências mais rápidas por cabos ópticos longos, enquanto seu chip de switch G300 foi lançado para concorrer com Broadcom e Nvidia em infraestrutura de IA. Os lançamentos da Cisco importam porque colocam o silício de switches no mesmo quadro competitivo dos aceleradores.

A óptica amplia esse quadro. A Intel demonstrou um chiplet de interconexão óptica para computação, totalmente integrado e bidirecional, em junho de 2024, e a Nvidia mais tarde explorou a óptica coempacotada da Corning para servidores. A óptica coempacotada continua sendo uma arquitetura em desenvolvimento, e não um padrão consolidado de implantação, mas Intel, Nvidia e Corning trabalham nela porque a conectividade elétrica enfrenta pressão de energia e largura de banda à medida que os clusters crescem.

O portfólio da Broadcom abrange os lados de aceleradores e Ethernet dessa migração do gargalo. Isso dá à empresa mais oportunidades de influenciar um design, mas também dá aos clientes mais motivos para cultivar alternativas. A Cisco pode atacar os switches, a Marvell pode buscar computação customizada e processamento de memória, e fornecedores de óptica podem mudar onde o valor se acumula dentro da interconexão.

O financiamento torna o fornecedor parte do planejamento de capacidade

Implantações de IA plurianuais exigem que os clientes assegurem hardware antes que a demanda de atendimento seja plenamente conhecida. Fornecedores podem competir nessas condições ao apoiar a estrutura de capital em torno de uma compra, e não apenas ao melhorar o componente.

Nvidia e Broadcom usaram garantias de valor residual para apoiar compras de clientes à medida que grandes empresas de tecnologia expandem gastos com IA fora do balanço. Uma garantia de valor residual atribui importância econômica ao valor que o hardware poderá ter no futuro. O produto do fornecedor agora inclui uma opinião sobre o valor futuro do ativo. O chip adquiriu um balanço patrimonial, um comportamento incomum para um componente.

O financiamento reportado em torno da Anthropic ilustra a escala potencial. Fontes e registros descreveram o Google montando um programa de financiamento de aproximadamente US$ 200 bilhões, com mais de US$ 150 bilhões vinculados a TPUs e envolvendo Broadcom, Blackstone, Apollo e outras partes. Separadamente, foi reportado que a Broadcom discutia mais de US$ 60 bilhões em dívida para um acordo de financiamento de chips de IA que beneficiaria a Anthropic e outras empresas.

Nenhuma das reportagens estabelece uma estrutura de financiamento concluída nesses termos. Ambas continuam sendo evidência de negociações, e não confirmação de que a Broadcom assumiu uma obrigação específica. Elas ainda mostram o que clientes e fornecedores tentam resolver: o desempenho do hardware é irrelevante se o comprador não puder financiar capacidade instalada suficiente para explorá-lo.

O financiamento de infraestrutura de IA pode aprofundar a relação com um fornecedor porque a troca passa então a envolver contratos, premissas de garantia e provedores de capital, além de software e hardware. Também pode transferir mais risco para a cadeia de suprimentos. Baixa utilização, obsolescência rápida ou valores de revenda menores têm implicações diferentes quando um fornecedor ajudou a subscrever a implantação.

A dependência recruta seus próprios concorrentes

O regulador de ativos estatais da China, SASAC, estaria pesquisando implantações de switches da Broadcom em data centers apoiados pelo Estado em setembro de 2026, enquanto a China buscava reduzir sua dependência de infraestrutura estrangeira de IA. A reportagem descreve uma pesquisa, não uma restrição confirmada. Ainda assim, o interesse da SASAC coloca o silício de switches dentro de uma decisão de política industrial, e não de uma compra comum de TI.

Empresas chinesas já estão construindo substitutos em camadas adjacentes. Alibaba e Baidu teriam começado a usar chips projetados internamente para treinar modelos de IA, em parte no lugar de hardware da Nvidia. Separadamente, a Alibaba teria entregue mais de 100.000 unidades Zhenwu 810E, um ASIC projetado para treinamento e inferência. Esses chips não substituem por si só o portfólio de switches da Broadcom, mas demonstram o incentivo para internalizar hardware fundamental quando a dependência externa se torna um risco de política pública.

Clientes comerciais criam pressão semelhante sem orientação estatal. O Google teria discutido uma nova TPU e uma unidade de processamento de memória com a Marvell, enquanto a Cisco lançou silício de switches diretamente contra Broadcom e Nvidia. Proprietários de modelos querem poder de negociação, fornecedores de chips querem uma fatia maior dos gastos com sistemas, e governos querem capacidade controlável. Cada ator busca uma camada diferente da mesma pilha.

A vantagem da Broadcom, portanto, define a especificação para quem tenta deslocá-la. Um rival precisa oferecer ao proprietário do modelo um caminho crível da carga de trabalho ao silício, do silício à malha e da malha à capacidade financiada; um comprador soberano precisa reproduzir essa cadeia localmente. Clientes, rivais e governos respondem à dependência projetando substitutos. A Broadcom ainda pode reportar US$ 16,7 bilhões em receita de semicondutores para IA enquanto a atenção arrefece, porque monta a cadeia sob as marcas mais rapidamente do que os compradores conseguem desagregá-la.