Google TPU: o chip que sustenta o Gemini como padrão

A cobertura sobre o Google TPU está recuando: velocidade de -0.724 e aceleração de -3.351. Ainda assim, em 2026, o Google dividiu seus chips de oitava geração em linhas distintas para treinamento e inferência, justamente quando o Gemini avançava pelo Android, pela produção de vídeos e por atividades com livros comprados. Os chips recebem cada vez menos atenção, embora uma parcela crescente dos produtos do Google dependa da capacidade da empresa de oferecer processamento barato e abundante.

Um modelo se torna mais valioso quando o usuário deixa de escolhê-lo

O robô de conversa independente torna a concorrência entre modelos especialmente visível. O usuário escolhe um destino, digita uma solicitação e recebe uma resposta. Cada etapa é perceptível, inclusive o momento em que ele troca o serviço por um concorrente. Os lançamentos mais importantes do Gemini reduzem a frequência com que essa escolha explícita precisa ser feita.

O Gemini Intelligence leva a automação de tarefas entre aplicativos e a criação de componentes do Android para o ambiente do celular. Com isso, o Gemini deixa de ser apenas um aplicativo e passa a integrar uma camada assistiva capaz de atuar em vários aplicativos, em vez de permanecer à espera dentro de um só. O foco da disputa já não é a resposta do modelo, mas o caminho pré-instalado pelo qual a tarefa é concluída.

O Google adiou para 2026 a migração planejada do Assistant para o Gemini na maioria dos aparelhos Android, antes prevista para o fim de 2025. Os canais de distribuição reduzem o custo de chegar aos usuários, mas não eliminam o trabalho de migração, as limitações de compatibilidade nem a dificuldade de substituir um comportamento que já funciona. Um recurso padrão precisa funcionar na escala da base instalada, não apenas na escala de uma demonstração de lançamento.

O Google segue a mesma estratégia em atividades mais específicas. O Gemini Omni 1.1 Flash é apresentado para tarefas de produção, como prolongar uma cena de vídeo, controlar os quadros inicial e final e elevar a resolução para 4K. A Expert Intelligence do Gemini Notebook permite importar títulos elegíveis comprados pelo usuário no Google Play Books, fazer perguntas com base nesse conteúdo e gerar programas em áudio. Nos dois casos, o modelo permanece ao lado de um trabalho ou conteúdo que o usuário já valoriza, tornando todo o processo mais difícil de substituir do que a qualidade isolada das respostas.

Cada recurso padrão cria uma obrigação permanente de serviço

Ao levar o Gemini a celulares, ferramentas de mídia e acervos de conteúdo, o Google facilita a adoção e assume uma obrigação permanente de serviço. Cada ponto de contato pode gerar mais inferências, e toda tarefa bem-sucedida dá ao usuário mais um motivo para recorrer novamente ao sistema.

Um produto independente de IA pode restringir recursos caros, controlar o acesso ou cobrar diretamente pelo uso. Um assistente incorporado a um ecossistema amplo tem menos espaço para agir como uma revendedora especializada de capacidade computacional. Para o usuário, ele faz parte do produto; para o Google, cada acionamento representa custo e demanda por capacidade e energia.

Um assistente incorporado precisa responder rapidamente porque faz parte da interação. Precisa oferecer limites de uso maiores porque a distribuição pode provocar picos de demanda. E precisa consumir menos unidades de texto porque pequenas economias se repetem em todas as solicitações. À medida que o uso se torna habitual e quase imperceptível, a eficiência permite ao Google ampliar a distribuição com mais agressividade.

A menor visibilidade do TPU reflete uma mudança de função

O Google apresentou a Tensor Processing Unit em 2016 como um chip próprio de aprendizado de máquina, desenvolvido para o TensorFlow. Em 2018, os Cloud TPUs entraram em fase de testes com preço inicial de $6.50 por hora de TPU. Os desenvolvedores podiam contratar um recurso específico, com nome e preço definidos.

O Google atribuiu outro papel aos chips próprios em seu plano mais recente. Em 2025, apresentou o Ironwood como seu primeiro TPU voltado à inferência, oferecido em configurações de 256 chips e 9,216 chips. Em 2026, o Google dividiu sua linha de oitava geração entre o TPU 8t, destinado ao treinamento, e o TPU 8i, voltado à inferência, com disponibilidade geral prevista para mais tarde naquele ano.

Ao dividir a linha, o Google alinhou diretamente os chips à lógica econômica do Gemini. O treinamento de um modelo ocorre periodicamente, mas a operação do produto é contínua. O TPU 8i atende à obrigação recorrente criada pela expansão da distribuição do Gemini.

O Google avança nesse plano enquanto o interesse público diminui. Menos cobertura não significa chips inferiores: a cobertura mede o interesse em torno do assunto, enquanto o Google pode obter retorno pela operação repetida, e não por uma sucessão de lançamentos.

Segundo relatos, a Meta assinou um acordo de vários anos para alugar TPUs do Google e discutiu a possibilidade de comprá-los para seus próprios centros de dados a partir de 2027. A demanda externa pode dar mais visibilidade aos chips. Para o Google, porém, o TPU pode continuar sendo tanto um produto comercial quanto uma fonte interna de eficiência operacional.

O chip não precisa desaparecer como produto; basta sair da decisão do usuário. Quem prolonga um vídeo, faz perguntas sobre um livro comprado ou pede ao celular que conclua uma tarefa escolhe o resultado, não o processador. Os chips podem definir o serviço sem fazer parte do argumento de venda.

O custo da inferência está alinhando o setor

Segundo relatos, materiais destinados a investidores mostraram a OpenAI e a Anthropic projetando custos de inferência superiores à metade da receita. A OpenAI e a Broadcom apresentaram um chip de inferência otimizado para LLMs, enquanto a Amazon Web Services continuou desenvolvendo sua linha de aceleradores Trainium. As despesas com inferência levaram as três empresas a investir em chips próprios, mesmo sem uma visão comum.

O Google também reformulou seus modelos levando em conta o custo de operá-los. O Gemini 1.5 Flash-8B foi lançado com preço 50% inferior ao do 1.5 Flash, o dobro dos limites de uso e menor latência em solicitações curtas. Mais tarde, o Google afirmou que o Gemini 3.6 Flash usava até 17% menos unidades de texto e custava menos por unidade do que o Gemini 3.5 Flash. Essas mudanças determinam com que frequência o Google pode acionar racionalmente um modelo dentro de produtos cotidianos.

À medida que o Google atende mais solicitações, pequenos ganhos de eficiência se tornam mais valiosos. Esses ganhos sustentam uma implantação mais ampla, que, por sua vez, gera mais volume para os chips especializados. Um fornecedor nessa escala pode controlar a infraestrutura de operação ou permitir que uma parcela importante de seus negócios fique sujeita aos custos e à capacidade de terceiros.

O Google também precisa garantir capacidade física. Ao apresentar novos limites de uso de memória para aplicativos Android, a empresa mencionou restrições relevantes no fornecimento de equipamentos provocadas pela expansão da IA. Enquanto não conseguir oferecer um recurso a toda a base instalada, o Google terá uma fila com sua marca, e não um padrão da plataforma.

A camada menos visível define o padrão que aparece para o usuário

A corrida dos modelos permanece visível porque eles têm nomes, pontuações e datas de lançamento. O contraponto surge em decisões menores de produto: a migração de um assistente, um controle de vídeo, a importação de um livro, um chip de inferência separado do chip de treinamento. Cada medida parece incremental; juntas, elas deslocam a concorrência da escolha de um modelo para a sustentação de um padrão.

É assim que a cobertura sobre TPU pode registrar velocidade de -0.724 e aceleração de -3.351 enquanto o Google cria uma linha de chips dedicada à inferência. O usuário escolhe o resultado na tela, não o processador por trás dele. O Gemini conquista a atenção na superfície; o TPU determina se o Google pode bancar o padrão que a sustenta.