Negócios com IA✦ Gerado por IA

Fractile capta 720 milhões de dólares para criar chips de IA mais rápidos

A startup britânica Fractile atingiu o valor de 7 bilhões de dólares após uma captação massiva. A empresa foca em resolver o gargalo de memória nos chips de inteligência artificial.

Edição de ·The Next Web AI·4 min de leitura·
CompartilharWhatsAppXLinkedInFacebook
💡

Principal Aprendizado

A escassez de largura de banda de memória é o novo gargalo da IA, abrindo espaço para chips que prometem inferência dez vezes mais rápida.

A designer de chips britânica Fractile arrecadou 720 milhões de dólares em uma rodada de investimentos do Tipo C. A captação avalia a empresa de quatro anos em 7 bilhões de dólares, segundo informações do jornal Financial Times citadas pelo portal The Next Web. O aporte é liderado pelas gestoras Thrive Capital, Founders Fund, Lightspeed e Redpoint, contando também com a participação de gigantes como CapitalG da Alphabet, BlackRock e os fundos soberanos do Reino Unido.

Essa avaliação representa um salto expressivo em relação a maio, quando a startup levantou 220 milhões de dólares valendo cerca de 1 bilhão. O novo patamar coloca a empresa entre as startups mais valiosas do Reino Unido. De acordo com o The Next Web, a Anthropic já demonstrou interesse em se tornar uma das primeiras clientes a utilizar os processadores da marca, refletindo a busca do mercado por alternativas mais eficientes de hardware para inteligência artificial.

O gargalo da memória na computação moderna

A tese do fundador da empresa, Walter Goodwin, apoia-se em um desequilíbrio histórico da indústria de semicondutores. Nos últimos 25 anos, a capacidade de processamento dos chips cresceu cerca de um milhão de vezes, enquanto a largura de banda da memória aumentou apenas 40 vezes. Essa diferença criou um gargalo de 25 mil vezes entre o volume de dados que os processadores conseguem calcular e a velocidade com que conseguem acessá-los. Goodwin afirmou que os modelos mais avançados da atualidade trabalham como se estivessem bebendo por um canudo.

Para resolver esse problema, a proposta da startup combina memória de acesso aleatório dinâmica customizada e lógica em um empilhamento tridimensional. A empresa afirma que essa arquitetura consegue entregar uma largura de banda substancialmente maior do que a tecnologia de memória de alta largura de banda tradicional. A promessa é manter capacidade suficiente para executar modelos grandes com janelas de contexto longas, tornando o processo de inferência — a geração de respostas para as solicitações dos usuários — até dez vezes mais rápido.

Corrida tecnológica e desafios do mercado de inferência

Apesar da avaliação bilionária, os ganhos de desempenho da tecnologia ainda precisam ser demonstrados em um chip comercializável. A empresa não possui um produto no mercado e prevê lançar seu primeiro processador no próximo ano. O valor de 7 bilhões de dólares reflete a confiança dos investidores em seus protótipos e no potencial da arquitetura apresentada. A abordagem também busca evitar a dependência de fornecedores de memória tradicional, que enfrentam alta pressão de demanda de todo o setor de inteligência artificial.

O mercado de inferência atrai cada vez mais concorrentes e investimentos expressivos. No ano passado, a Nvidia adquiriu a Groq e lançou seu próprio chip de inferência, enquanto startups como Etched, MatX e Olix desenvolvem soluções alternativas. Investidores destacam que o mercado focado em inferência pode se tornar tão grande quanto o segmento atendido pela Nvidia atualmente, impulsionado especialmente pelo avanço dos agentes de inteligência artificial, que demandam execução contínua por horas ou dias.

O que isso muda para você

Para os profissionais brasileiros que trabalham com tecnologia e desenvolvimento de inteligência artificial, o avanço de novas arquiteturas de hardware sinaliza uma redução direta nos custos operacionais no futuro próximo. A etapa de inferência é o maior gargalo financeiro de sistemas rodando em produção, e processadores dez vezes mais rápidos podem baratear drasticamente a execução de agentes autônomos e modelos com grandes janelas de contexto.

A movimentação indica que o ecossistema global está buscando alternativas para quebrar o monopólio de suprimentos e os altos custos de processamento. Para quem lidera equipes de tecnologia, vale acompanhar o surgimento de provedores de nuvem que adotem esses novos chips a partir do próximo ano, preparando a infraestrutura interna para integrar modelos que dependem de inferência contínua com menores custos por requisição.

Como passo prático, revise hoje a arquitetura dos seus fluxos de trabalho com modelos de linguagem e identifique onde o tempo de resposta e os custos de inferência limitam a expansão do seu produto. Mantenha no seu radar de testes as novas opções de hardware comercial que chegarão ao mercado para otimizar esses gargalos.

📰 Com base em reportagem de The Next Web AI. Texto produzido com apoio de inteligência artificial, com curadoria e edição de Robson Benfica Conceição, com análise própria do que a notícia muda para quem trabalha no Brasil. Veja como produzimos.

📬 Newsletter Gratuita

As principais notícias de IA do dia, curadas por Robson Conceição. Grátis, todo dia no seu e-mail.

Gostou do conteúdo?

Compartilhe com quem também quer entender IA no trabalho.

CompartilharWhatsAppXLinkedInFacebook

Leia também