O Acordo de US$ 12 Bilhões da Google com a Marvell: A Fuga da "Taxa Nvidia" e a Realidade dos ASICs

A fuga da taxa Nvidia: por que os gigantes da nuvem estão investindo bilhões em silício proprietário e conectividade óptica.

Se você acompanha o noticiário superficial de tecnologia, deve ter visto manchetes comemorando que "o preço dos tokens de IA está caindo e a inteligência artificial virou commodity". Mas se você olhar para a contabilidade real dos data centers e para a cadeia de suprimentos de semicondutores nesta última semana de agosto de 2026, a história é exatamente a oposta.

Enquanto a Nvidia começou a notificar seus maiores clientes corporativos sobre aumentos de preço superiores a 15% nos servidores de IA devido à disparada nos custos das memórias HBM, a Google respondeu fechando um contrato massivo de US$ 12,2 bilhões com a Marvell Technology para acelerar o desenvolvimento de silício customizado (ASICs) e infraestrutura de conectividade óptica.

Essa movimentação escancara o que qualquer arquiteto de sistemas experiente já sabia: ninguém sobrevive a longo prazo pagando margens brutas de 75% para fornecedores de hardware de prateleira. Hoje vamos entender a engenharia e a economia por trás da corrida dos hyperscalers para desenhar seus próprios chips e fugir da "taxa Nvidia".

---

1. A Matemática do TCO e a Ilusão do "Token Barato"

Existe uma desconexão perigosa no mercado atual. O usuário final vê o preço de chamadas de API caindo por causa de subsídios agressivos e guerra de preços entre grandes laboratórios. No entanto, do lado do operador do data center, o Custo Total de Propriedade (TCO - Total Cost of Ownership) explodiu:

• Os nós avançados da TSMC (3nm e 2nm) estão com utilização acima de 93%, elevando o preço de cada wafer de silício.
• O empilhamento de memória de alta largura de banda (HBM3e e HBM4) sofre com rendimentos de fabricação (yield) complexos, tornando a memória o componente mais caro de toda a placa aceleradora.
• A energia elétrica e a refrigeração líquida direta (DLC) consomem fatias cada vez maiores do orçamento operacional (OpEx).

Quando o fabricante dominante de GPUs aumenta o preço do rack em mais 15%, a margem de lucro de quem apenas aluga servidores é esmagada. Para os gigantes da nuvem (Google, Amazon, Microsoft, Meta), desenhar chips proprietários deixou de ser um projeto de pesquisa e virou uma questão de sobrevivência financeira.

2. O Que a Marvell Faz que a Google Não Podia Fazer Sozinha?

Muita gente pergunta: "Se a Google já tem suas próprias TPUs (Tensor Processing Units), por que fechar um acordo bilionário com a Marvell?"

A resposta reside na complexidade brutal do silício moderno. Desenhar a matriz matemática de multiplicação de tensores (o núcleo lógico da TPU) é a parte conceitualmente mais direta. O verdadeiro pesadelo de engenharia chama-se IP físico de Entrada/Saída (I/O) e interconexões analógicas de altíssima velocidade:

• Circuitos SerDes (Serializer/Deserializer) de 224 Gbps por canal: Circuitos analógicos de extrema precisão que convertem fluxos paralelos em seriais sem distorcer o sinal elétrico.
• Motores de Co-Packaged Optics (CPO) e Fotônica em Silício: A tecnologia que converte pulsos elétricos em feixes de laser a milímetros do processador, eliminando perdas térmicas do cobre.
• Controladores de Memória CXL (Compute Express Link): Chips de controle que gerenciam a coerência de cache e a compressão de memória entre múltiplos nós de servidores.

A Marvell é líder global no fornecimento desses blocos de construção de alta velocidade. Ao terceirizar a camada de interconexão física e focar a arquitetura interna nas suas cargas de trabalho de software (como o compilador XLA e os modelos Gemini), a Google consegue colocar ASICs de rede e aceleradores no chão de fábrica em metade do tempo e por uma fração do custo de uma GPU comercial.

3. O Fim da GPU Genérica Monolítica

Uma GPU comercial tradicional (como a linha Blackwell ou Hopper) foi projetada historicamente para ser flexível: ela precisa rodar gráficos 3D legados, shaders de jogos, processamento científico de precisão dupla (FP64) e aprendizado de máquina.

Ter circuitos genéricos ociosos em um servidor que executa exclusivamente inferência de modelos de linguagem é puro desperdício de área de silício e dissipação térmica (TDP).

Um ASIC customizado (DSA - Domain-Specific Architecture) joga fora toda a gordura:

• Elimina unidades de rasterização gráfica e suporte a precisões desnecessárias.
• Dedica 100% da área do die para registradores, caches SRAM ultra-rápidas e unidades de cálculo matricial em precisão reduzida (FP8, FP4 e INT4).
• Otimiza as rotas de barramento para alimentar os núcleos com largura de banda contínua sem depender de camadas intermediárias de drivers pesados.

O resultado é uma eficiência de desempenho por watt que nenhuma GPU de uso geral consegue igualar.

4. Lição de Engenharia: A Verticalização é o Único Fosso Real

A movimentação de bilhões entre Google e Marvell traz uma lição clara para qualquer profissional de tecnologia: no topo da pirâmide da computação, quem não controla a sua própria pilha de infraestrutura vira refém da cadeia de suprimentos alheia.

A verdadeira vantagem competitiva na era da IA não está em criar wrappers superficiais de API, mas em dominar a integração vertical: do silício e empacotamento avançado, passando pelo kernel do sistema operacional e drivers de baixa latência, até a camada de aplicação.

---

Conclusão

A era da compra cega de hardware de prateleira está chegando ao fim nos grandes data centers. O acordo Google-Marvell e os aumentos de preços da Nvidia sinalizam a fragmentação definitiva do silício em arquiteturas especializadas. Na engenharia de grande escala, quem comanda o silício comanda os custos — e quem terceiriza a infraestrutura paga a conta com as próprias margens.

Fontes de referência e análises de mercado: Data Centre Magazine — What the Google-Marvell Deal Means for Data Centre Chips, Reuters & Bloomberg — AI Server Pricing and Memory Cost Inflation e Bisinfotech — Advanced SoC Development and Packaging.

#Hardware #Semicondutores #Google #Marvell #Nvidia #ASIC #DataCenters #ArquiteturaDeComputadores #Inovacao