Resposta oficial da NVIDIA: Parabéns ao Google pelo seu progresso em IA, ao mesmo tempo que enfatiza a sua própria posição de liderança. Os rápidos avanços do Google em IA (especialmente o modelo Gemini 3 e a otimização do chip TPU) suscitaram discussões sobre o domínio da NVIDIA. A NVIDIA respondeu com um tom positivo, porém confiante, ostensivamente elogiando sua concorrente, enquanto na verdade reiterava as vantagens incomparáveis de sua plataforma de GPU. Uma homenagem ao Google: a NVIDIA começa expressando "satisfação", reconhecendo os "grandes avanços" do Google em IA e enfatizando a colaboração contínua entre as duas empresas — a NVIDIA continua fornecendo hardware para o Google. Isso demonstra a maturidade estratégica da NVIDIA: evitar a competição de soma zero e se posicionar como parceira do ecossistema para não ser vista como "monopolista". A principal vantagem da NVIDIA reside na sua afirmação de estar "uma geração à frente". Sua plataforma de GPUs é a única solução capaz de "executar todos os modelos de IA e implementá-los em qualquer lugar onde a computação seja realizada". Em contraste, os ASICs (Circuitos Integrados de Aplicação Específica, como o TPU do Google), embora otimizados para estruturas ou tarefas específicas de IA, carecem de versatilidade. Comparação de desempenho: A NVIDIA destaca a liderança abrangente de seus produtos em "desempenho", "versatilidade" e "fungibilidade". Embora os ASICs sejam eficientes, eles são "projetados para fins específicos" e são suscetíveis a iterações de modelos ou mudanças de estrutura, resultando em flexibilidade insuficiente. Isso é crucial em cenários de treinamento/inferência de IA, especialmente com a atual diversificação de modelos (como de Transformers para modelos multimodais). Minhas impressões após a leitura: as GPUs são uma arquitetura de propósito mais geral, com aplicações mais amplas em termos de escala e finalidade. Elas podem ser usadas por indivíduos e por grandes clusters corporativos. As TPUs são especificamente otimizadas pelo Google em termos de sistema, arquitetura e conjunto de ferramentas, e são mais adequadas para o desempenho de clusters de grande escala. No entanto, elas não são adequadas para usuários de pequena escala. Somente aplicações de grande escala, como DeepMind e Anthropic, podem demonstrar suas vantagens. Portanto, parece que GPUs e TPUs não competem diretamente em vendas de hardware. As TPUs serão oferecidas ao público por meio do Google Cloud, o que configura uma competição de poder computacional em nuvem.
