Os chips: o nervo da guerra

Retomemos onde paramos no capítulo anterior: sabemos construir data centers. Falta saber o que colocamos dentro deles.

O que são esses chips? Na verdade, os que fazem a IA funcionar estão entre os objetos mais avançados e mais complexos que a humanidade já conseguiu produzir. Você lê este artigo graças a um chip, o seu telefone funciona graças a um chip. E, para os antitecnologistas, boa parte dos equipamentos médicos que seriam usados se algo lhe acontecesse funciona com um chip. É a base da nossa tecnologia moderna.

O que é um chip eletrônico?

Os chips eletrônicos (ou semicondutores) são os componentes essenciais dos aparelhos eletrônicos modernos. São fabricados a partir do silício, um material semicondutor, e contêm milhões, ou até bilhões, de transistores miniaturizados. Esses transistores são montados para executar funções precisas: os cálculos, o armazenamento de dados ou a gestão de periféricos.

Simplificando, sem esses chips, dê adeus a todas as suas máquinas eletrônicas: o seu videogame, o seu computador, um drone, o seu carro ou até a sua máquina de lavar. Eles estão em toda parte, de vários tipos, com níveis de complexidade muito diferentes conforme o uso. Aqui vamos nos concentrar nos dois mais populares do momento: as CPU e as GPU.

A CPU (Central Processing Unit)

A CPU é frequentemente descrita como o "cérebro" de um computador. As suas funções principais:

• ▸executar as instruções dos softwares e dos programas,
• ▸gerir os cálculos necessários para fazer um sistema informático funcionar,
• ▸coordenar as diferentes partes de um computador.

Do lado da estrutura, a CPU é dividida em vários núcleos, cada um capaz de processar instruções simultaneamente. Ela inclui unidades de cálculo chamadas ALU (Arithmetic Logic Unit) para as operações matemáticas e lógicas, e uma unidade de controle para orquestrar os fluxos de dados.

A GPU (Graphics Processing Unit)

A GPU é especializada em cálculos paralelos massivos, em especial os necessários à renderização gráfica. As suas funções principais:

• ▸gerir os cálculos ligados à exibição de imagens, vídeos e animações,
• ▸acelerar os cálculos complexos necessários aos videogames, aos softwares de design gráfico e à realidade virtual,
• ▸processar tarefas não gráficas que exigem cálculo paralelo: a inteligência artificial, a simulação científica ou a mineração de criptomoedas.

A sua estrutura é o inverso da CPU: um número muito grande de núcleos, individualmente menos potentes que os de um processador clássico. Ela é, portanto, excelente em executar simultaneamente um número enorme de pequenas tarefas.

Os outros tipos de chips

• ▸ASIC (Application-Specific Integrated Circuit): concebido para uma tarefa única, por exemplo em roteadores ou cartões bancários. Aí também estão as NPU (Neural Processing Units), especializadas em cálculos de inteligência artificial, e as LPU (Language Processing Units), pensadas para o uso de LLM.
• ▸FPGA (Field-Programmable Gate Array): um chip reprogramável depois de fabricado, para usos específicos.

Com a chegada dos LLM, o público se concentrou amplamente nas GPU, que viraram "as placas para fazer IA" (com a gigante NVIDIA por trás). Mas não se pode esquecer que as GPU foram historicamente concebidas para processamento gráfico. Há pouco tempo, novos atores passaram a destacar arquiteturas mais bem pensadas para a inteligência artificial: falamos então de LPU, IPU, NPU. Um deles merece o desvio: a Groq (não a IA Grok, de Elon Musk, mas Groq com q ;) ). Voltarei a isso mais abaixo.

Você vai entender que é, portanto, indispensável para um país ser capaz de se abastecer de chips eletrônicos. Sem isso, impossível fazer funcionar as nossas fábricas, os nossos equipamentos médicos, as nossas armas. Esse material é quase tão importante quanto a energia ou a agricultura. E essa dependência pode afetar indiretamente as nossas indústrias, e até as nossas decisões políticas, como mostrou a questão ligada à regulamentação ITAR.

De que são feitos esses chips?

Da mesma forma que são necessários materiais para construir uma turbina eólica, ou urânio para uma usina, esses chips precisam de matérias bem específicas. Aqui está uma lista necessariamente não exaustiva, mas que mostra o essencial:

• ▸O silício, o material de base dos transistores. Purificado até 99,9999999 % (o "grau eletrônico"), ele é transformado em wafers, aqueles discos sobre os quais os circuitos são gravados.
• ▸Os metais condutores: cobre para as interconexões, ouro para as conexões críticas, tungstênio, alumínio, níquel, cobalto e molibdênio para certas ligas e camadas protetoras.
• ▸Os dopantes, que modificam as propriedades do silício: fósforo e arsênio (tipo N, que acrescentam elétrons livres), boro (tipo P, que cria "lacunas").
• ▸Os isolantes: dióxido de silício e óxido de háfnio nos processadores modernos, para melhorar os transistores reduzindo o consumo.
• ▸Os materiais de dissipação térmica: carbeto de silício, grafite e grafeno, cerâmicas.
• ▸Os substratos e encapsulamentos: epóxi reforçado com fibra de vidro (FR-4), ligas de cobre e alumínio, plásticos e polímeros.

O que se vê quando se olham os países exportadores dessas matérias é a preponderância da China. Com menção especial à Indonésia, à RDC, à Turquia e ao Peru, primeiros em certos materiais. Ainda que esses dados tratem das exportações globais, portanto úteis a muitas outras coisas além dos chips, entende-se rapidamente a importância de certas rotas marítimas.

Existem, portanto, formas de "monopólio" sobre materiais necessários à concepção dos chips, o que complica a logística e pesa nas relações entre países: as discussões sobre tarifas entre a China e os Estados Unidos são a ilustração permanente disso. Note-se, de passagem, que as reservas de certos países não são exploradas — na França, por exemplo, por o impacto ambiental das minas ser considerado grande demais ou caro demais para reduzir.

A importância dos nós avançados

Existem várias etapas de concepção entre essas matérias-primas e o chip acabado. Mas uma das variáveis apresentadas como determinantes é a noção de nós avançados. Veja isso como a deposição de uma camada muito fina de metal em um circuito, que vai conduzir a eletricidade.

O uso de nós avançados (os processos de 7 nm, 5 nm, 3 nm e em breve 2 nm) tem impacto importante sobre o desempenho, o consumo de energia, o custo e a complexidade de concepção. Existem outros nós, mais espessos: nós intermediários e nós antigos. Alguns são amplamente suficientes para fazer a sua máquina de lavar funcionar. Tudo depende da necessidade e do consumo esperado.

Tomemos um exemplo menos divertido. No conflito ucraniano, o uso de drones é onipresente. No início pilotados 100 % por humanos, vemos agora drones capazes de mirar e manter a trajetória apesar do bloqueio de sinal. Para fazer um drone voar, nenhuma necessidade estratégica de nós avançados. Para colocar nele processamento de imagem ou sistemas de defesa aérea, aí entramos nesse terreno. E otimizar a necessidade energética dessa tarefa permite ganhar tempo de voo sem mexer nos outros componentes.

Guarde que um nó menor permite integrar mais transistores no mesmo espaço, portanto mais potência em condições iguais. Não vou entrar no detalhe dos problemas que isso cria na gestão do calor ou nas correntes de fuga, mas tenha em mente que um nó mais fino oferece mais possibilidades de arquitetura e melhor rendimento.

Mas por que insistir tanto nos nós? Porque existe um monopólio mundial sobre as máquinas capazes de gravar os nós mais finos, aqueles indispensáveis à inteligência artificial. E essa empresa é europeia: a ASML.

O caso ASML

Na criação de chips, há uma gigante, a TSMC, em Taiwan. Mas atrás dessa gigante existe uma empresa sem a qual nada disso seria possível: a ASML. Ela constrói as máquinas de litografia EUV, um método que usa comprimentos de onda ultravioleta extremamente curtos para gravar padrões nos wafers de silício, tornando possível a miniaturização dos circuitos.

É preciso entender que a ASML vende cada máquina por um custo que ultrapassa os 150 milhões de euros. É de longe a joia da indústria neerlandesa, e o seu presidente é, orgulho nacional à parte, francês: Christophe Fouquet. A sua importância é tal nos Países Baixos que influencia o debate político do país.

Essa empresa é claramente chave para o soft power europeu, e seria indispensável levá-la em conta em qualquer estratégia que vise produzir chips de última geração por aqui.

As fundições

As fundições (foundries) são as empresas especializadas na fabricação dos chips concebidos pelos arquitetos (Apple, NVIDIA etc.). Elas dominam processos de fabricação em escala nanométrica. Aqui nos interessam as fundições de ponta, as que sabem descer aos nós mais finos, hoje indispensáveis às novas tecnologias.

É difícil obter estatísticas perfeitamente confiáveis nesse segmento específico, já que a maior parte dos dados é global. Mas a dominação do mercado por três atores, TSMC, Samsung e Intel, é inegável, com a TSMC bem acima do resto.

Verdadeiro tema geopolítico há oito anos, com a chegada das cripto, depois a covid e agora a IA, o mercado de chips sofre uma real tensão mundial. E existe um verdadeiro gargalo em torno dos chips de nós avançados, localizado principalmente em Taiwan. Aliás, Taiwan usa esse instrumento industrial como defesa diante da China.

• ▸os Estados Unidos buscam reduzir a sua dependência da TSMC criando capacidade de produção no próprio território,
• ▸a Alemanha lançou uma fundição com investimento de 10 bilhões de euros (5 da TSMC, 5 de financiamento público) para abrir em 2027,
• ▸o Japão criou a Rapidus, apoiada pelo governo e por oito grandes grupos japoneses (Toyota, NTT, Sony, NEC, SoftBank, Denso, Kioxia e MUFG Bank), para recolocar o país na corrida dos semicondutores avançados. E que compra os seus equipamentos na… ASML!

Os arquitetos de chips

Um arquiteto de chips (ou arquiteto de circuitos integrados) é quem concebe e planeja a estrutura global do semicondutor. Ele não o fabrica: ele o desenha e depois confia a produção a uma fundição.

Arquitetos de CPU

Concentrei-me aqui no mercado de servidores, mas entenda que existem mercados diferentes para o mobile e para os computadores pessoais. Nos servidores, a liderança é dividida entre Intel (cerca de 58 %) e AMD (cerca de 38 %), bem à frente de Apple e Qualcomm.

Arquitetos de GPU

Nesse mercado, nenhuma dúvida possível sobre a predominância da NVIDIA.

Mas afinal, por que a NVIDIA?

80 % do mercado é esmagador. E a resposta que vem espontaneamente é "porque eles fazem os melhores chips". É verdade. Não é suficiente. A AMD sabe fazer chips muito bons, a Intel tem meios colossais, o Google concebe as suas próprias TPU há uns dez anos. Se o hardware sozinho bastasse, esse mercado seria muito mais disputado.

A verdadeira vantagem da NVIDIA não está no silício. Está no software. E tem um nome: CUDA.

A aposta de quinze anos

Voltemos ao início dos anos 2000. Naquela época, uma GPU sabe fazer uma coisa: exibir pixels. Um pesquisador que quisesse desviar essa capacidade de cálculo para outra coisa, simular um fluido por exemplo, tinha de disfarçar o seu cálculo de imagem. Literalmente: transformar as suas equações em texturas e triângulos para que a placa aceitasse processá-las, e depois reler os resultados nos pixels de saída. É possível. É atroz. Quase ninguém fazia isso.

Em 2006, a NVIDIA apresenta o CUDA (Compute Unified Device Architecture). O princípio: escrever código quase normal, em C, que roda diretamente na GPU. Fim do disfarce: a placa gráfica vira um acelerador de cálculo genérico.

Mas o verdadeiro golpe de gênio não é técnico, é comercial: a NVIDIA disponibiliza o CUDA em todas as suas placas. Inclusive na GeForce de 200 € do jogador de fim de semana, e não apenas no hardware profissional caríssimo. Da noite para o dia, qualquer estudante, em qualquer laboratório do mundo, já tinha em casa uma máquina capaz de fazer cálculo massivamente paralelo. Isso custou muito caro, por muito tempo: durante anos, analistas perguntaram a Jensen Huang por que a sua empresa de placas gráficas para gamers queimava tanto dinheiro em pesquisa de software, para um mercado que não existia.

2012: o mercado existe

Naquele ano, três pesquisadores, Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton, pulverizam o concurso de reconhecimento de imagens ImageNet com uma rede neural batizada de AlexNet. Treinada em duas placas GeForce GTX 580. Placas de gamer. Com CUDA.

É o big bang do deep learning moderno, e ele acontece em hardware NVIDIA, com ferramentas NVIDIA, porque a NVIDIA foi a única a ter colocado essas ferramentas nas mãos dos pesquisadores seis anos antes.

O fosso

Desde então, a empresa nunca parou de empilhar. Acima do CUDA: cuDNN (os blocos de cálculo das redes neurais), NCCL (para fazer milhares de GPU dialogarem entre si), TensorRT (para acelerar a execução dos modelos). E acima de tudo isso, o PyTorch, o framework usado pela quase totalidade dos pesquisadores e engenheiros de IA do planeta, e que, quando você lhe pede uma multiplicação de matrizes, acaba chamando código NVIDIA.

É o que se chama de moat, um fosso: quase vinte anos de software, milhões de linhas de código, centenas de milhares de desenvolvedores formados, documentação, tutoriais e respostas no Stack Overflow às três da manhã. Um concorrente pode lançar amanhã um chip mais rápido e mais barato: se o seu código levar seis meses para ser portado e depois rodar 30 % mais devagar por falta de otimizações, você não vai comprá-lo. É exatamente o muro contra o qual a AMD esbarra há anos, cujo equivalente, o ROCm, é regularmente descrito como funcional, porém doloroso.

E a NVIDIA alargou o fosso bem além do chip. Ao comprar a Mellanox por volta de 2020, ela adquiriu a rede que conecta os servidores entre si. Hoje ela não vende mais bem uma placa: ela vende um rack inteiro, GPU, rede, software e ferramentas inclusos. A trava não está mais no nível do componente, está no nível do sistema.

A brecha

Uma boa notícia, mesmo assim, e ela é essencial para o que vem a seguir: o fosso está sendo preenchido por cima. Hoje um pesquisador quase nunca escreve CUDA à mão, ele escreve PyTorch. Ora, o PyTorch é uma camada de abstração: se alguém fizer o esforço de conectá-lo corretamente a outro hardware, o código do usuário não muda. É um trabalho enorme, ingrato e invisível. Mas é um trabalho finito, ao passo que recuperar vinte anos de ecossistema à mão seria infinito.

É por essa brecha que passam os novos entrantes. E é também por aí que passou a China.

A ascensão de novos chips

As grandes empresas de tecnologia agora se lançam nos próprios chips, sobretudo para IA: a Meta com a sua MTIA, ou a AWS com os seus chips Trainium. Não se pode esquecer que as GPU não foram inicialmente pensadas para fazer IA. Um dos atores que se destacou bem cedo é a Groq, criadora de LPU para otimizar o uso dos LLM. Para medir o que está em jogo com esse tipo de chip: a Groq captou 640 milhões de dólares junto à BlackRock, à Cisco e à Samsung, entre outras.

De modo geral, as gigantes que todo mundo tenta enfrentar são: a TSMC nas fundições, a NVIDIA nas GPU e a Intel nas CPU.

A ascensão dos chips chineses

Se você quer saber o que dá concretamente uma estratégia de soberania em semicondutores, existe um laboratório a céu aberto: a China. Com a ressalva de que ela não escolheu exatamente entrar nele.

A partir de outubro de 2022, os Estados Unidos proíbem a exportação para a China dos chips de IA mais performáticos, os A100 e H100 da NVIDIA. E cada vez que a NVIDIA concebe uma versão limitada para ficar dentro das regras (A800, H800, depois H20), Washington aperta o parafuso. O objetivo declarado: manter vários anos de vantagem no cálculo.

O resultado é mais ambíguo. Privadas de fornecedor, as empresas chinesas não pararam de fazer IA: elas foram obrigadas a comprar chinês. As sanções ofereceram, portanto, à indústria doméstica exatamente o que falta mais cruelmente à Europa: um mercado interno cativo, enorme e solvente.

Gravar sem a ASML

Lembre-se do que dissemos sobre a ASML: sem máquina de litografia EUV, não há nó avançado. A China não tem acesso a elas, já que os Países Baixos bloquearam essas exportações sob pressão americana.

Mesmo assim, ela produziu 7 nm. A fundição SMIC consegue isso multiplicando as passagens com as antigas máquinas DUV: em vez de gravar o padrão fino de uma só vez, ele é decomposto em várias exposições sucessivas. Funciona. É mais lento, mais caro e, sobretudo, muito menos confiável. As taxas de rendimento dos chips Ascend da Huawei foram por muito tempo estimadas entre 20 e 40 %, enquanto uma fundição de ponta gira em 80-90 %. Tradução: a cada dez chips gravados, seis a oito vão para o lixo.

Então sim, dá para passar sem a ASML. Mas paga-se por isso em dinheiro, em capacidade e em tempo, o que confirma, de passagem, o quanto essa empresa europeia é um ativo estratégico que subestimamos.

A resposta pela força bruta

Como um chip chinês vale menos que um chip NVIDIA, a Huawei fez uma escolha assumida: colocar muito mais deles. O seu sistema CloudMatrix, apresentado em 2025, amontoa 384 aceleradores Ascend em um rack, ali onde o equivalente NVIDIA alinha 72. Resultado: o sistema chinês entrega mais potência bruta que o seu concorrente americano. Ele também consome cerca de quatro vezes mais eletricidade. Na Europa isso seria proibitivo e não faria sentido, já que a ASML é europeia. Na China, é uma vontade ao mesmo tempo industrial e política que lhes dá esse tipo de meio; para eles, é uma arbitragem perfeitamente racional.

O verdadeiro gargalo: a memória

Detalhe que tem a sua importância e que quase sempre se esquece: o que limita hoje a produção chinesa de chips de IA não é mais a gravação, é a HBM (High Bandwidth Memory), aquela memória ultrarrápida empilhada bem ao lado do processador, e sem a qual um acelerador de IA é um motor sem combustível. A SMIC seria capaz de produzir o suficiente para mais de um milhão de chips por ano, enquanto as capacidades chinesas em HBM limitariam a produção a algumas centenas de milhares. Ela também está sob embargo desde o fim de 2024, e é dominada por um trio coreano-americano: SK hynix, Samsung e Micron.

E o fosso do CUDA?

A Huawei identificou perfeitamente o problema de que falei acima. Diante do CUDA, ela construiu o CANN, a sua própria camada de software, e o MindSpore, o seu equivalente do PyTorch. E, sobretudo, anunciou em 2025 a abertura do código do CANN: quando se está atrasado em um ecossistema, o open source é a única alavanca conhecida para atrair desenvolvedores que não se pode pagar.

O resultado apareceu em abril de 2026, com o DeepSeek V4, pós-treinado em chips Huawei Ascend, via CANN. A nuance tem a sua importância: o pré-treinamento, de longe a fase mais pesada, não está em causa. Mas o sinal continua considerável: uma etapa inteira do ciclo de vida de um modelo de ponta se desenrolou fora do ecossistema NVIDIA. O fosso de software tido como intransponível acaba de ser aberto. Não há, portanto, fatalidade, apenas um custo de entrada.

A virada

Enquanto isso, a participação de mercado da NVIDIA na China desabou. A novela do H20 resume sozinha o absurdo da situação: um chip limitado para respeitar as regras americanas, proibido em abril de 2025 (quase 4,5 bilhões de dólares lançados como prejuízo na NVIDIA), reautorizado em julho, e depois preterido por Pequim, que discretamente desaconselhou as suas empresas a comprá-lo por razões de segurança. Ele nunca foi realmente vendido.

Desde janeiro de 2026, Washington voltou a entreabrir a porta com uma análise caso a caso dos H200, enquanto o Congresso tenta, ao contrário, trancá-la. Mas o fato notável está em outro lugar: não é mais apenas a América que se recusa a vender, é agora a China que começa a se recusar a comprar. E a Huawei não está sozinha: Cambricon, Biren, Moore Threads, Hygon, sem contar os chips próprios da Alibaba e da Baidu. O ecossistema existe agora de ponta a ponta da cadeia.

O que isso nos diz

• ▸A barreira tecnológica é transponível. Não de graça, não rapidamente, mas transponível, inclusive a barreira de software, por muito tempo considerada a verdadeira trava.
• ▸O que tornou isso possível cabe em três ingredientes, e nenhum deles é o gênio: um mercado interno cativo, uma coordenação Estado-indústria mantida ao longo de uma década, e uma restrição externa que proibia o status quo. A Europa tem a terceira, ao menos potencialmente. Faltam-lhe as duas primeiras.
• ▸A vantagem americana é real, mas não é mais uma renda. Ela se apoia em um ecossistema de software. E um ecossistema de software se contorna.

Então, se a China consegue sob embargo, a verdadeira pergunta não é mais "a Europa é capaz?", mas "o que nos impede?".

E a indústria francesa e europeia?

De modo geral, a França, mas sobretudo a Europa, possui a base para todas as etapas que acabo de descrever, mas há trabalho… muito trabalho. Sem voltar à ASML, temos projetistas de chips especializados como a Kalray, fabricantes como a STMicroelectronics (embora a sua sede social fique na Suíça), fornecedores de materiais como a Soitec, e até centros de pesquisa como o CEA-Leti em Grenoble (cf. o vídeo de Yvan Casta compartilhado acima).

• ▸STMicroelectronics: fabricante franco-italiana, especializada em chips para automotivo, eletrônica industrial e IoT. Produz em tecnologias maduras (28 nm, 40 nm) em Crolles, perto de Grenoble, em wafers de 300 mm. Ainda assim, estamos muito longe do que a IA exige.
• ▸Soitec: sediada em Bernin, fornecedora de substratos de silício sobre isolante (SOI), usados em smartphones, 5G e automotivo. Trabalha com TSMC, Samsung e GlobalFoundries.
• ▸CEA-Leti: centro de pesquisa aplicada em Grenoble, conhecido pelos seus trabalhos sobre transistores 3D, litografia EUV e integração heterogênea.
• ▸Kalray: projetista de processadores para aplicações críticas, com os seus MPPA (Massively Parallel Processor Array). Como a NVIDIA, a Kalray não fabrica os seus chips.

De modo geral, as nossas expertises não vão tão longe quanto as dos nossos homólogos americanos e chineses, que tiveram de aprender a toda velocidade. Mas é precisamente por isso que ainda temos cartas a jogar.

Algumas empresas deveriam atrair a nossa atenção, por exemplo:

• ▸VSora: eles concebem aceleradores de hardware dedicados à inferência de IA nos data centers. É, portanto, bem mais diretamente comparável à NVIDIA ou à AMD do que a SiPearl. Novidade bem recente: em julho de 2026, a Ardian Semiconductor adquiriu participação minoritária na VSORA para acelerar a sua estratégia comercial.
• ▸SiPearl: projetista de chips, claro, com o seu RHEA1 — uma CPU de alto desempenho, não uma GPU (e fabricada pela TSMC).
• ▸Axelera AI e Innatera: duas empresas neerlandesas interessantes. Sente-se ali a proximidade com a ASML.

Não se pode esquecer outro ator europeu importante: a ARM. Essa empresa britânica é especializada na concepção de arquiteturas de processadores, mas foi comprada em 2016 pelo SoftBank (japonês) por 32 bilhões de dólares. Ao contrário da Intel ou da AMD, a ARM não produz hardware: ela concebe e licencia. A sua arquitetura é hoje principalmente usada nos formatos móveis, o que explica a presença de Samsung, Qualcomm ou Apple entre os seus clientes. Se você tem um Mac com chip M1 ou M2, parabéns: você está em uma arquitetura ARM!

Para medir a sua importância estratégica: a compra da ARM pela NVIDIA, por 66 bilhões de dólares, foi bloqueada pelos reguladores. E as questões energéticas em torno dos chips fazem com que a NVIDIA planeje, apesar de tudo, adotar essa arquitetura para os seus PCs.

O que concluir?

Vou lhe dar o meu ponto de vista com as informações que tenho em mãos. O objetivo deste artigo é sobretudo, para mim, colocar no papel o que me passa pela cabeça há muitos anos. Mas convido você a reagir e a trazer informações, para que possamos aprofundar o tema juntos :)

Vimos que é preciso uma multidão de atores para produzir um chip: o arquiteto, a fundição, às vezes licenças. Os chips estão em toda parte, mas uma das questões estratégicas que provavelmente ganhará mais importância nos próximos anos é a dos chips dedicados à inteligência artificial. A pergunta a se fazer é, portanto: qual estratégia de longo prazo implementar para as nossas necessidades estratégicas futuras?

À primeira vista, três estratégias parecem "evidentes":

• 01A estratégia alemã, trazer empresas estrangeiras para o seu solo, com a TSMC. Ela permite se beneficiar do conhecimento de empresas já existentes, mas é o modelo mais frágil diante de decisões de terceiros, e nos deixa dependentes de questões de licença. Atenção, porém: hoje parece que se fala de nós de 12 nanômetros no máximo de finura, o que continua longe dos 2 nm de que falávamos antes.
• 02A estratégia japonesa, criar uma estrutura do zero no seu solo, com a Rapidus. A vantagem: um campeão nacional. A desvantagem: o preço, o tempo e o risco, para uma entrada em operação apenas em 2027, e em um país que tem um forte histórico industrial.
• 03A estratégia de reforçar um ator existente, via ajuda nacional ou europeia. Ela se defende e continua possível, mas os mecanismos europeus impõem justificar precisamente o interesse estratégico do investimento e, sobretudo, tornam difícil concentrar meios em um único ator nacional. E um candidato que eu via como possível não está mais sediado em um país da UE, o que limita ainda mais as possibilidades.

Mas antes de escolher uma estratégia, talvez seja preciso definir o que entendemos por soberania.

É uma distinção importante. Uma Europa soberana não precisa necessariamente fabricar cada wafer no seu território, assim como não precisa construir sozinha cada máquina usada em uma fundição. Em contrapartida, ela deve saber identificar as dependências cuja ruptura poderia colocar em risco a sua indústria, a sua defesa ou as suas infraestruturas críticas, e dispor de uma alternativa crível quando o risco se tornar grande demais.

É a partir dessa definição que eu gostaria de dar um passo ao lado.

Dar um passo ao lado

Como quem me conhece deve desconfiar, se falo dessas três estratégias "evidentes", é para falar daquela que me parece a mais inteligente: dar um passo ao lado em relação à estratégia japonesa. Voltemos a algumas constatações.

• ▸A Europa tem as capacidades intelectuais. Sem chauvinismo, há muitos engenheiros europeus nas indústrias de ponta, e sofremos particularmente com a fuga de cérebros. Não vejamos isso como uma fatalidade, mas como uma oportunidade, como perceberam os fundadores da Mistral ou da Kyutai. No campo dos chips, lembremos que o Cortex-A9 da ARM, que equipava os primeiros iPhones, foi concebido em Sophia-Antipolis.
• ▸Já sabemos produzir certos tipos de chips graças às empresas presentes no território. O desafio principal está nas tecnologias estratégicas de amanhã, cuja joia é a IA.
• ▸A finura de gravação é apenas uma variável entre as que determinam o desempenho de um chip.

« Veja a IA como um parafuso que você quer apertar para montar o seu móvel da IKEA. A sua GPU é um martelo cujo desempenho tentamos melhorar, quando o que você queria era uma simples chave de fenda. »

É a aposta das empresas do momento, amplamente vendida pela Groq na sua criação: "uma arquitetura especializada pode compensar parte da desvantagem ligada a um nó de gravação menos avançado", assim como o interesse pela arquitetura ARM.

Você vê, então, aonde quero chegar. Honestamente, eu teria gostado que em algum momento a Groq se lançasse ela mesma na produção dos seus chips, e que buscássemos produzi-los na Europa. O fato de isso não ter acontecido é, aliás, uma razão a explorar para o que considero uma boa ideia: fazer uma nova Mistral nos semicondutores da IA.

Mas, portanto, não tentar fazer GPU no estilo NVIDIA, não de imediato. Mirar realmente arquiteturas especializadas para a IA, sejam LPU, NPU ou outras arquiteturas dedicadas. E isso por duas razões bem pragmáticas: a necessidade (não queremos rodar videogames, mas construir a IA do futuro) e o custo (mirar um alvo preciso reduzirá uma conta que já será bem pesada).

Uma precisão que decorre diretamente de tudo o que acabamos de ver: uma empresa dessas não seria um projeto de silício, seria um projeto de software. Três alavancas me parecem determinantes.

Alavanca 1: o produto não é o chip

« O produto não deve ser o chip. O produto deve ser a plataforma. »

O chip é apenas o hardware sobre o qual roda:

• ▸o compilador;
• ▸os kernels;
• ▸os runtimes;
• ▸as bibliotecas;
• ▸os drivers;
• ▸o PyTorch;
• ▸o vLLM;
• ▸o Triton;
• ▸as ferramentas de profiling;
• ▸os frameworks de agentes;
• ▸as ferramentas de nuvem etc.

Uma das razões principais do atraso da AMD diante da NVIDIA não é apenas o silício: é a vantagem considerável adquirida pela NVIDIA no ecossistema de software, notadamente com o CUDA. O avanço da Huawei não se explica apenas pelos seus chips, mas pelo fato de ter construído, e depois aberto, a sua própria camada de software. Um ator europeu que dedicasse 90 % do orçamento ao hardware e 10 % aos compiladores, às bibliotecas e à integração no PyTorch reproduziria exatamente o erro que outros já pagaram. A boa notícia é que a Europa tem uma verdadeira tradição nesse terreno. E que isso custa infinitamente menos caro que uma fundição.

É exatamente o problema que a AMD tenta resolver hoje com o ROCm, que reúne runtimes, compiladores, bibliotecas, ferramentas e integração com PyTorch, JAX, vLLM ou SGLang. E a Huawei faz algo parecido em torno do Ascend, do CANN e do ecossistema open source.

Alavanca 2: é preciso um primeiro cliente

Menos técnica, mas igualmente decisiva. Nenhum desses projetos começou apenas pela demanda do mercado. A Huawei se beneficia de um mercado chinês imenso e de uma política industrial que reforça a preferência por soluções nacionais, enquanto a Rapidus se beneficia de um compromisso direto do Estado e de grandes industriais japoneses. As fundições americanas, por sua vez, têm as compras públicas e a defesa.

Um chip de IA europeu não precisa convencer o mundo inteiro no primeiro dia: ele precisa que as administrações, os organismos de pesquisa e as nuvens soberanas do continente se comprometam a comprá-lo. Parece complexo e, no entanto, já vemos Estados buscando cada vez mais migrar da Microsoft para soluções open source baseadas em Linux. É provavelmente a alavanca política mais eficaz, e a menos custosa, de que dispomos.

« Uma parte das capacidades de cálculo financiadas com dinheiro público europeu deve estar disponível em aceleradores europeus. »

Alavanca 3: o que ainda nos falta

Temos no território provedores de nuvem que se posicionam na IA (Scaleway, OVH) e uma joia dos LLM na França (Mistral) que, entendendo o desafio, também se posicionou na parte de data center, daí o famoso contrato com a Microsoft. Faltam-nos, portanto, atores para completar o quadro: uma empresa capaz de arquitetar LPU e NPU e de dominar o seu ecossistema de software, além de capacidades europeias capazes de fabricar, montar e integrar essas arquiteturas quando isso for estrategicamente necessário.

E não se deveria reduzir essa ambição apenas ao wafer. Para os aceleradores de IA modernos, o encapsulamento, as interconexões e a memória tornaram-se elementos determinantes do desempenho. As arquiteturas baseadas em chiplets permitem justamente desacoplar certas funções e montar vários componentes dentro de um mesmo pacote. A soberania europeia pode, portanto, se jogar também aqui: talvez não precisemos dominar imediatamente cada geração de gravação se dominarmos a arquitetura, o encapsulamento, a interconexão e o software que dão valor ao sistema final.

Um fio condutor: a coerência energética

Um último aspecto atravessa essas três alavancas, entrevisto com a ARM: a energia. Precisamos, na Europa, de uma estratégia coerente entre a nossa indústria e os nossos objetivos regulatórios. A União Europeia lança várias regulamentações sobre o impacto ambiental e social das empresas e dos seus fornecedores (a CSRD e a CS3D). O paradoxo é que a maioria das empresas adota ferramentas de inteligência artificial para melhorar a sua concepção, ou mesmo para responder a essas regulamentações, quando essas mesmas ferramentas consomem muita energia. Criar um ator que tenha como norma de base a busca por uma boa relação desempenho / consumo e o respeito às normas sociais europeias seria uma mensagem política de coerência.

Dada a complexidade dessa indústria, a vontade política e o trabalho com os atores privados são obrigatórios, como provam os investimentos em torno da Rapidus no Japão. Essa indústria poderia ajudar na reindustrialização do continente europeu, ao mesmo tempo em que asseguraria a nossa soberania no tema.

Anexos

O que segue não é necessário para a compreensão do artigo: é o nível de detalhe abaixo, com as fontes, para quem quiser aprofundar. Os três anexos retomam e aprofundam passagens já sobrevoadas acima.

Anexo 1 — A composição de um chip

O silício. É o material de base dos transistores que compõem os circuitos integrados das CPU e das GPU. É um semicondutor: conforme as condições, ele conduz ou isola a corrente, que é precisamente o que se precisa para fabricar um transistor. Ele é purificado até o "grau eletrônico" (99,9999999 % de pureza), e depois transformado em wafers, aqueles discos sobre os quais os circuitos são gravados em escala nanométrica.

Os metais, para a condutividade. Eles asseguram a circulação da corrente nos circuitos e nas interconexões.

O cobre (Cu) é usado nas interconexões entre as camadas do circuito integrado: condutividade elevada e boa dissipação térmica.

O alumínio (Al) servia antigamente às interconexões; foi substituído pelo cobre nos processadores modernos, mas continua empregado em certos componentes.

O ouro (Au) é reservado às conexões críticas, como os fios muito finos que ligam o chip ao seu encapsulamento (bond wires). Ele é muito resistente à corrosão.

O tungstênio (W) entra em certas camadas de interconexão, pela sua resistência mecânica e pela sua tolerância a altas temperaturas. Ficha do material, MineralInfo

O níquel (Ni), o cobalto (Co) e o molibdênio (Mo) entram em ligas específicas ou em camadas protetoras dos transistores. Fim das exportações de minério de níquel (Tesouro francês) · O molibdênio (L'Élémentarium)

Os dopantes. Eles modificam as propriedades do silício para dele fazer um transistor. O fósforo (P) e o arsênio (As) são dopantes do tipo N: acrescentam elétrons livres que conduzem a eletricidade. Produção de arsênio (Statista)

O boro (B) é um dopante do tipo P: cria "lacunas" que facilitam a condução por ausência de elétrons. Principais países produtores de boro (Statista)

O arseneto de gálio (GaAs) é usado em componentes especializados, para melhor desempenho em velocidade e eficiência. Ficha do material (Metoree)

Os isolantes. Eles separam as camadas e as partes do circuito. O dióxido de silício (SiO₂) é o isolante principal dos circuitos integrados: protege os transistores e evita curtos-circuitos. O óxido de háfnio, empregado nos processadores modernos, melhora o desempenho dos transistores reduzindo o consumo. Ficha do material (Metoree)

A dissipação térmica. Sem ela, o chip superaquece. O carbeto de silício (SiC) é usado pelas suas propriedades térmicas e eletrônicas superiores em certos componentes. Ficha do material (L'Élémentarium)

O grafite e o grafeno são usados em certos chips para evacuar o calor de forma eficiente; as cerâmicas, nos substratos e encapsulamentos, para isolar e evacuar o calor. Principais países produtores de grafite (Statista) · menção especial: franceses em breve campeões europeus do grafeno (Les Échos)

Os substratos e encapsulamentos. O chip é montado sobre um substrato e depois protegido: epóxi reforçado com fibra de vidro (FR-4) para suportar o chip, ligas de cobre e alumínio para os encapsulamentos e dissipadores, plásticos e polímeros para isolar e encapsular os componentes sensíveis.

Anexo 2 — Os nós avançados em detalhe

Densidade de transistores. Os nós avançados permitem integrar mais transistores em uma dada superfície. Mais transistores significa mais unidades funcionais (núcleos de cálculo, unidades de processamento paralelo, memória integrada) e, portanto, melhor desempenho — ou, para um mesmo número de transistores, um chip menor, o que beneficia os aparelhos compactos. Em contrapartida, quanto menores os transistores, mais sensíveis eles ficam a fenômenos físicos como a corrente de fuga e a variabilidade das características elétricas. E a densidade maior complica a dissipação térmica.

Desempenho e consumo. Transistores menores encurtam os caminhos elétricos, o que melhora a velocidade de clock; os avanços de concepção (FinFET, GAA) permitem melhor gestão da corrente e latência reduzida. Do lado da energia, a tensão de alimentação cai, e o consumo também — essencial para os aparelhos móveis, os data centers e os sistemas embarcados. O revés: essa queda de tensão reduz a margem de funcionamento dos transistores, tornando os chips mais sensíveis às variações do ambiente (calor, ruído elétrico).

Novas arquiteturas. Os nós avançados abrem caminho para concepções que estavam fora de alcance:

• ▸Empilhamento 3D (3D stacking): integração vertical dos circuitos, como as arquiteturas baseadas em chiplets ou a 3D V-Cache.
• ▸Integração da memória: mais memória diretamente no chip, como nas GPU modernas.
• ▸IA e computação heterogênea: as arquiteturas híbridas (CPU + GPU + aceleradores de IA) tiram proveito dos nós avançados para maximizar o desempenho.

Anexo 3 — Os atores franceses e europeus

• ▸STMicroelectronics — fabricante de semicondutores, franco-italiana, sede em Genebra mas com forte presença na França. Uma das líderes europeias da concepção e da fabricação de chips, especializada em automotivo, eletrônica industrial, IoT e soluções integradas. Produz em tecnologias maduras (28 nm, 40 nm) adaptadas a esses setores, notadamente em Crolles, perto de Grenoble, em wafers de 300 mm.
• ▸Soitec — fornecedora de materiais, sediada em Bernin, perto de Grenoble. Especializada em substratos de silício sobre isolante (SOI) e outros materiais avançados, usados em smartphones, 5G, automotivo e sistemas embarcados. Os seus substratos melhoram o desempenho e reduzem o consumo dos chips. Colabora com TSMC, Samsung e GlobalFoundries.
• ▸CEA-Leti — centro de pesquisa aplicada, em Grenoble. Especializado em inovação para semicondutores, conhecido pelos seus trabalhos sobre transistores 3D, litografia EUV e integração heterogênea. Trabalha em parceria com STMicroelectronics, Soitec e atores internacionais, e acelera a inovação que permite à indústria europeia permanecer competitiva.
• ▸Kalray — projetista de processadores especializados, em Montbonnot-Saint-Martin, perto de Grenoble. Concebe processadores para aplicações críticas e de alto desempenho: os MPPA (Massively Parallel Processor Array), uma DPU (Data Processing Unit) usada em sistemas autônomos, data centers e inteligência artificial. Como a NVIDIA, a Kalray não fabrica os seus chips.