AMD
Por que isso importa
A computação para IA é dominada pela NVIDIA, o que significa preços altos e oferta apertada. A AMD é a segunda fonte mais confiável. Grandes compradores, entre eles Microsoft, Meta, Oracle e OpenAI, já implantaram chips da AMD, e em outubro de 2025 a OpenAI fechou um acordo para implantar GPUs da AMD em escala de vários gigawatts a partir de 2026. Concorrência de verdade aqui afeta o preço e a disponibilidade da IA para todo mundo.
A AMD também é relevante para a IA local. As GPUs Radeon rodam modelos localmente via ROCm e Vulkan, e os chips Ryzen AI Max para notebooks e mini PCs compartilham até 128 GB de memória entre CPU e GPU, de forma parecida com a memória unificada da Apple, o que faz deles um jeito popular de rodar modelos grandes em um PC.
Em profundidade
A AMD é uma empresa americana de chips, mais conhecida pelos processadores Ryzen e EPYC e pelas placas de vídeo Radeon. Sob o comando da CEO Lisa Su, ela se tornou a principal desafiante da NVIDIA em IA para data centers com a linha de aceleradores Instinct. Seus chips de IA mais avançados se destacam principalmente por trazer muita memória: o MI300X (2023) tinha 192 GB de HBM, e os modelos seguintes subiram para 256 GB e depois para 288 GB, igualando o Blackwell Ultra da NVIDIA.
A pilha de software da AMD para IA é o ROCm, sua resposta de código aberto ao CUDA da NVIDIA.
A vantagem da memória
A inferência de LLMs costuma ser limitada pela capacidade e pela largura de banda da memória, e não pela computação bruta. Mais HBM por chip significa que um modelo grande cabe em menos GPUs, e que um único nó consegue guardar caches KV maiores para contextos longos. Por isso a AMD posicionou seus chips principalmente para inferência, em que a grande quantidade de memória pode virar diretamente um custo menor por token.
A lacuna de software
O maior desafio da AMD tem sido o software, não o hardware. O CUDA tem quase 20 anos de vantagem, e muitas ferramentas, kernels sob medida e tutoriais partem do princípio de que se usa NVIDIA. O ROCm melhorou bastante: o PyTorch, o vLLM, o SGLang e as principais bibliotecas oferecem suporte, e a AMD oferece o HIP, uma interface de programação pensada para tornar a portabilidade de código CUDA quase mecânica. Mas técnicas novas de pesquisa costumam aparecer primeiro na NVIDIA, e configurar o ROCm ainda pode ser menos tranquilo. Fechar essa lacuna é a prioridade número um da AMD.
Construindo sistemas completos
Treinar e servir modelos de fronteira exige racks inteiros de GPUs ligados por redes rápidas, e não só chips avulsos. A AMD comprou a Xilinx (chips programáveis e redes) em 2022 e a ZT Systems (projeto de racks para data centers) em 2025 para competir nesse nível, com sistemas em escala de rack construídos em torno dos chips da série MI400, com entregas a partir do fim de 2026.
As linhas de produto, em resumo
- Instinct (MI300X, MI325X, série MI350 e seguintes): aceleradores de IA para data centers.
- EPYC: CPUs para servidores, comuns em clusters de IA ao lado das GPUs.
- Radeon: GPUs domésticas e de workstation, utilizáveis para IA local.
- Ryzen AI: chips para notebooks e desktops com NPU embutida para IA no dispositivo.