TSMC, sigla de Taiwan Semiconductor Manufacturing Company, é uma fabricante de semicondutores com sede em Taiwan. Ela trabalha no modelo de foundry: não vende chips com a própria marca, e sim produz chips projetados por outras empresas.
Por isso aparece tanto em notícias sobre IA, ainda que seu nome não esteja nos produtos finais.
Como funciona
O modelo de negócio separa duas funções:
- Empresas de design (fabless): projetam o chip, mas não têm fábrica.
- Foundries: produzem o chip em larga escala, usando processos de fabricação muito avançados.
Uma empresa que cria uma GPU ou um acelerador de IA pode enviar o projeto a uma foundry como a TSMC. A fábrica grava os circuitos em lâminas de silício, corta, testa e entrega.
O tamanho do "processo", medido em nanômetros, indica de forma geral o quão pequenos e densos são os transistores. Processos mais avançados costumam permitir chips mais rápidos e eficientes, e poucas empresas no mundo dominam esse nível.
As informações sobre capacidade, clientes e planos mudam com frequência, então consulte sempre os comunicados oficiais da empresa.
Exemplo prático
Você lê uma notícia dizendo que um novo acelerador de IA atrasou. O motivo pode estar na cadeia de produção: capacidade da foundry, encapsulamento ou componentes de memória.
Para quem desenvolve, o efeito indireto é sentido no preço e na disponibilidade de GPUs na nuvem. Se você planeja um projeto que depende de muita inferência, vale prever essa variação nos custos.
Para que serve entender a TSMC
- Ler o cenário: mostra por que a cadeia de chips é concentrada.
- Entender riscos: dependência geográfica influencia estratégias de países e empresas.
- Planejar custos: disponibilidade de chips afeta preços de computação.
- Acompanhar a corrida da IA: a capacidade de fabricar é tão importante quanto projetar.
Diferença entre TSMC e as empresas de chips de IA
Empresas como as que vendem GPUs projetam os chips e definem produto, software e preço. A TSMC fabrica. Uma não substitui a outra, e a relação entre elas é de parceria e dependência.
Como usuário de IA, você não precisa acompanhar cada detalhe. Basta saber que existe uma camada física por trás dos modelos e que ela influencia o ritmo de lançamentos.