Semicondutores são materiais, como o silício, que conduzem eletricidade de forma controlada. Com eles se fabricam transistores, que são a base dos chips presentes em computadores, celulares, carros e servidores de IA.

Quando alguém fala em "escassez de chips" ou "guerra dos chips", está falando dessa indústria.

Como funciona

Um chip reúne bilhões de transistores, pequenas chaves que ligam e desligam para representar zeros e uns. Combinando essas chaves, o chip faz cálculos.

A fabricação segue etapas gerais:

  • Design: empresas projetam o chip, definindo como os transistores se conectam.
  • Fabricação: fábricas especializadas, chamadas foundries, produzem o chip em lâminas de silício, em processos extremamente precisos.
  • Encapsulamento e testes: o chip é embalado e verificado.

Muitas empresas só projetam chips e contratam fábricas para produzi-los. Isso torna a cadeia global e concentrada em poucos locais.

Para IA, os chips mais usados são as GPUs, boas em fazer muitos cálculos em paralelo, e aceleradores criados especificamente para IA.

Exemplo prático

Você quer rodar um modelo de linguagem aberto no seu servidor. O desempenho depende do chip: uma GPU com mais memória carrega modelos maiores e responde mais rápido.

Terminal
nvidia-smi

Esse comando, em máquinas com GPU NVIDIA, mostra o modelo da placa e a memória disponível. É um jeito simples de checar se o seu hardware aguenta o modelo escolhido.

Para um negócio que usa só APIs de IA, o chip é problema do fornecedor, mas a disponibilidade deles pode afetar preço e prazo.

Para que serve entender semicondutores

  • Entender custos: preço de inferência e de treinamento está ligado ao hardware disponível.
  • Ler notícias: restrições de exportação e investimentos em fábricas afetam a indústria de IA.
  • Escolher infraestrutura: saber o que é GPU, memória e largura de banda ajuda a dimensionar servidores.
  • Planejar riscos: cadeia concentrada significa dependência.

Diferença entre CPU e GPU

A CPU é um chip de uso geral, ótimo para tarefas variadas e sequenciais. A GPU tem muitos núcleos menores e faz cálculos em paralelo, o que combina com as multiplicações de matrizes dos modelos de IA.

Na prática, você não precisa entender a física dos chips. Basta saber que IA depende de hardware, que hardware é limitado e que isso influencia o que está disponível e quanto custa. Acompanhar esse tema ajuda a antecipar mudanças nas ferramentas que você usa.