Anthropic diz ter usado sua própria IA para trocar de chip de GPU em três dias

O que a Anthropic afirma ter feito

A Anthropic diz ter reduzido uma dependência que incomoda praticamente toda empresa de inteligência artificial: a da pilha de software da Nvidia, conhecida como CUDA. Segundo Tom Brown, cofundador e diretor de computação (Chief Compute Officer) da empresa, o Claude hoje treina e roda nas quatro principais famílias de chips do mercado: GPUs da Nvidia, GPUs da AMD, TPUs do Google e os chips Trainium, da própria AWS. A declaração está em uma apresentação a investidores divulgada e noticiada pelo site The Decoder em 11 de novembro de 2026.

O teste mais concreto dessa estratégia aconteceu com a AMD. Até agora, colocar um chip novo em produção mantinha dezenas de engenheiros ocupados por meses. Neste ano, a Anthropic usou GPUs AMD pela primeira vez e deixou boa parte do trabalho para seu próprio modelo de fronteira, chamado Mythos. Segundo a empresa, o Claude já estava rodando em hardware AMD depois de apenas três dias, com pouquíssima intervenção humana: o modelo escreveu ou portou quase 100% dos kernels sozinho.

Kernel, aqui, é o trecho de código de baixíssimo nível que roda direto na GPU e faz a ponte entre o modelo de IA e o hardware físico. Escrever ou adaptar esse código para um chip diferente costuma ser a parte mais lenta e especializada de qualquer migração de infraestrutura de IA, e é justamente o gargalo que, segundo a Anthropic, a própria IA passou a resolver.

Por que isso ameaça a vantagem da Nvidia

A maior vantagem competitiva da Nvidia nunca foi só o chip: é a combinação de hardware com o CUDA, o ecossistema de software que conecta código de IA aos processadores da empresa. Portar modelos para outras arquiteturas exige tanto trabalho de engenharia que muitas empresas nem tentam, o que preserva o chamado lock-in (a dependência técnica de um único fornecedor). Hoje, segundo a Anthropic, esse lock-in cedeu porque o próprio Mythos consegue gerar e ajustar o código de baixo nível que antes só equipes especializadas escreviam.

A tabela abaixo resume a mudança que a empresa descreve, com os números de prompt processing (processamento da entrada do modelo) em GPUs AMD MI355X:

Se os números se confirmarem em outros contextos, o custo de troca de fornecedor de chip cai de forma drástica, e justamente esse custo alto era considerado o fosso mais difícil de atravessar na indústria de IA. Isso é relevante porque a Nvidia hoje pratica margem superior a 70% nesses chips, uma margem incomum para hardware e sustentada, em boa parte, pelo custo de sair do ecossistema CUDA.

Como funciona o pool de computação da Anthropic

A empresa trata capacidade computacional de fornecedores, arquiteturas de chip e localizações diferentes como um único estoque intercambiável, alocado conforme a necessidade: pesquisa, desenvolvimento de modelo, demanda de clientes ou uso interno do Claude. Chips diferentes servem a propósitos diferentes, alguns são melhores para treinar modelos, outros para rodar inferência (a geração de respostas) com menor custo por consulta. Segundo a Anthropic, esse arranjo faz a empresa extrair mais valor de cada dólar investido em computação do que qualquer outro laboratório de ponta.

O que muda para quem decide infraestrutura de IA

Para quem monta ou contrata infraestrutura de IA no Brasil, o recorte relevante não é o Claude em si, mas o precedente de negociação. Hoje, a maior parte dos times de TI que dependem de GPU ainda trata a escolha de chip como praticamente irreversível: migrar workloads de Nvidia para outro fornecedor significa reescrever e validar kernels manualmente, um trabalho caro que poucas equipes têm orçamento ou tempo para fazer. Se ferramentas como o Mythos amadurecerem e viverem fora dos laboratórios que as criaram, esse argumento perde força.

Na prática, isso abre algumas frentes que vale acompanhar:

• Poder de negociação com fornecedores: times de infraestrutura passam a ter um argumento concreto para cotar GPU AMD, TPU do Google ou Trainium da AWS como alternativa real, não só teórica, à Nvidia.
• Menos lock-in de software: se o custo de portar kernels cai de meses para dias, a decisão de infraestrutura volta a ser dominada por preço e disponibilidade, não pela dificuldade de trocar de pilha de software.
• Dependência de ferramentas proprietárias: por ora, o Mythos é um modelo interno da Anthropic, não um produto disponível para terceiros, o que significa que a maioria das equipes ainda não tem acesso a esse atalho.

Os números vêm de uma apresentação a investidores

Vale um parêntese importante: os números apresentados pela Anthropic (os três dias, o percentual de kernels escritos pela IA, o ganho de eficiência por dólar) saíram de uma apresentação a investidores e não foram verificados de forma independente. Isso não invalida o relato, mas significa que o mercado ainda não tem como auditar a metodologia por trás dos números, nem comparar o desempenho real do Claude em AMD com o desempenho em Nvidia em benchmarks públicos.

Os laços financeiros entre Anthropic, Nvidia e AMD

O anúncio chama atenção porque acontece num momento em que a Anthropic tem vínculos financeiros profundos com os dois fabricantes de chip que cita no relato:

• Em novembro de 2025, como parte de um acordo de 45 bilhões de dólares com a Microsoft, a Nvidia se comprometeu a investir até 10 bilhões de dólares na Anthropic.
• De acordo com o registro S-1/A que a Anthropic protocolou na SEC (a comissão de valores mobiliários dos Estados Unidos) em 10 de novembro de 2026, a Nvidia também participa de uma colocação privada condicional de 26 bilhões de dólares, na qual sete empresas de tecnologia estão subscrevendo ações ao preço do IPO.
• A AMD anunciou um investimento estratégico de até 5 bilhões de dólares na Anthropic em julho de 2026. Em contrapartida, a Anthropic planeja usar até dois gigawatts de GPUs AMD Instinct MI455X em sistemas Helios, com a primeira fase de um gigawatt começando no primeiro semestre de 2027.

A empresa também está construindo capacidade própria de data center pelo programa chamado Anthropic Direct: em vez de comprar só poder computacional como serviço de nuvem, ela aluga os chips e opera os data centers, com o objetivo declarado de reduzir o custo total de propriedade (TCO, na sigla em inglês) da infraestrutura.

Compute multipliers e o limite do que ainda não está provado

Além da estratégia de múltiplos chips, a Anthropic fala em compute multipliers: avanços de pesquisa que fazem a mesma capacidade física de computação render mais, e que, segundo a empresa, se somam uns aos outros ao longo do tempo. O próximo passo, segundo a companhia, seria o próprio Claude descobrir esses ganhos de eficiência sozinho, o que configuraria autoaperfeiçoamento recursivo (recursive self-improvement, um modelo que melhora a si mesmo sem intervenção humana direta). É um conceito debatido na pesquisa de IA, mas que ainda não foi comprovado em nenhum laboratório, incluindo a própria Anthropic.

O que fica claro, mesmo sem verificação independente dos números, é que pelo menos um laboratório de ponta já trata o domínio da Nvidia sobre o CUDA como um obstáculo contornável, e não mais como um fosso permanente.

Fonte: The Decoder