Broadcom Está Vencendo a Divisão entre AMD e Google nos Chips de IA

A Broadcom transformou a disputa entre AMD e Google por chips de IA em uma corrida diferente, na qual fornecer silício personalizado pode importar mais do que vender aceleradores de marca.

A Nvidia ainda domina os aceleradores comerciais de IA, enquanto a AMD expande seu portfólio Instinct como a principal alternativa. O Google segue outra rota com as Tensor Processing Units, ou TPUs, projetadas para suas próprias cargas de trabalho. A Broadcom se beneficia quando grandes operadores de nuvem decidem que nenhum fornecedor padrão de GPUs atende integralmente a todas as necessidades de infraestrutura.

Isso não faz da Broadcom a vencedora incontestável. A Nvidia continua gerando muito mais receita em centros de dados, e a AMD oferece aos clientes uma segunda plataforma de GPU confiável. A inversão é que a Broadcom pode crescer sem substituir nenhuma das duas empresas em todo o mercado.

Sua oportunidade está em aceleradores personalizados, redes Ethernet, conectividade de chips e projeto de sistemas. Esses componentes se tornam mais valiosos à medida que laboratórios de IA constroem clusters em torno de cargas de trabalho que conhecem bem. A Broadcom, portanto, compete menos pela atenção dos desenvolvedores e mais por um lugar nos roteiros de infraestrutura.

A Receita de IA da Broadcom Foi Além de um Negócio Secundário

Os resultados mais recentes da Broadcom mostram que chips de IA personalizados e redes se tornaram motores centrais de crescimento, e não linhas de produtos experimentais.

A Broadcom reportou receita de US$ 22,2 bilhões no segundo trimestre fiscal de 2026, alta de 48% em relação ao ano anterior. A receita de semicondutores associada à IA atingiu US$ 10,8 bilhões, um aumento de 143%.

O CEO Hock Tan atribuiu esse crescimento a aceleradores de IA personalizados e redes para IA. A empresa esperava que a receita de semicondutores de IA do terceiro trimestre atingisse US$ 16 bilhões, representando crescimento superior a 200% em relação ao período comparável.

Esses números vêm diretamente dos resultados trimestrais da Broadcom. Eles também esclarecem por que investidores descrevem cada vez mais a Broadcom como uma empresa de hardware de IA.

Um acelerador executa as operações matemáticas intensivas usadas para treinar ou executar um modelo de IA. Nvidia e AMD geralmente vendem aceleradores que atendem muitos clientes, modelos e ambientes de software.

A Broadcom segue um modelo diferente. Ela ajuda clientes selecionados a criar processadores específicos para determinadas cargas de trabalho, frequentemente chamados de XPUs ou circuitos integrados de aplicação específica. Esses chips abrem mão de alguma generalidade para se concentrar em um conjunto mais restrito de operações.

O cliente é dono da estratégia de carga de trabalho, enquanto a Broadcom contribui com engenharia, interfaces, conectividade e experiência em produção. Esse arranjo pode encurtar o caminho entre um projeto interno de chip e um sistema pronto para implantação.

As redes fornecem a segunda metade da oportunidade. Um modelo grande não é executado em um único processador, portanto milhares de aceleradores precisam trocar dados com baixa latência.

A Broadcom vende tecnologia de comutação e conectividade Ethernet para esse tráfego. Assim, ela pode participar tanto da camada de cálculo quanto da rede que conecta esses cálculos.

Essa combinação explica por que sua receita de IA reportada cresce mais rápido do que sugeriria uma simples história de chips personalizados. Cada implantação maior de aceleradores também cria demanda por switches, links ópticos e componentes de suporte.

O modelo difere da plataforma rigidamente integrada da Nvidia. A Nvidia reúne GPUs, interconexões NVLink, produtos de rede, sistemas, bibliotecas e ferramentas para desenvolvedores sob uma única marca.

A Broadcom, em vez disso, dá suporte à infraestrutura que seu cliente deseja controlar. Seus produtos se tornam ingredientes de um sistema que carrega a identidade do Google, Meta, Anthropic ou de outro operador.

Essa posição oferece menos visibilidade pública. Ela também reduz a necessidade de convencer milhões de desenvolvedores a adotar um novo ambiente de programação proprietário.

O crescimento da Broadcom não prova que chips personalizados substituirão GPUs. Ele mostra que os hyperscalers agora tratam a aceleração personalizada como uma estratégia de produção digna de investimentos plurianuais.

Os resultados da empresa também contêm um alerta importante. Um fornecedor que atende a um número limitado de clientes hyperscale pode experimentar mudanças acentuadas quando uma implantação passa de um trimestre para outro.

A Broadcom depende de clientes que consigam projetar modelos, garantir capacidade de centros de dados e manter seus planos internos de chips. Sua receita pode crescer rapidamente, mas sua concentração cria riscos de negociação e previsão.

Ainda assim, os números mais recentes mudaram o ônus da prova. Aceleradores de IA personalizados já não precisam demonstrar que existe um mercado real. A questão é quanto do próximo ciclo de infraestrutura eles poderão capturar.

Por Que a Divisão de Hardware entre AMD e Google Favorece a Broadcom

A divisão entre AMD e Google representa duas filosofias de compra distintas, e a Broadcom se beneficia quando operadores de nuvem escolhem propriedade em vez de generalidade.

Os aceleradores Instinct da AMD seguem o modelo de GPU comercial. Os clientes compram um processador padronizado com suporte da pilha de software ROCm da AMD e depois o utilizam em diferentes cargas de trabalho de treinamento e inferência.

As TPUs do Google partem de outra premissa. O Google projeta hardware, compiladores, modelos, redes e centros de dados como partes de um único sistema coordenado.

Essa distinção faz da expressão AMD Google mais do que uma comparação estranha entre dois nomes de chips. Ela descreve uma escolha estratégica enfrentada por todo grande comprador de infraestrutura de IA.

Uma opção é adquirir um acelerador flexível da Nvidia ou AMD. A outra é projetar hardware especializado em torno de cargas de trabalho conhecidas e manter maior controle sobre o sistema resultante.

A série MI350 da AMD inclui até 288 gigabytes de memória HBM3E e oito terabytes por segundo de largura de banda de memória. HBM é memória empilhada posicionada perto do acelerador para movimentação mais rápida de dados.

A empresa posiciona os sistemas MI350 para treinamento, inferência e computação de alto desempenho. Suas especificações dos aceleradores também enfatizam o suporte a software aberto e implantações padrão de servidores.

Essa flexibilidade importa para provedores de nuvem e empresas que atendem muitos clientes. Eles nem sempre conseguem prever quais modelos, formatos numéricos ou frameworks de desenvolvimento dominarão a demanda futura.

O Google enfrenta um cálculo diferente porque controla importantes cargas de trabalho internas. Busca, publicidade, Gemini, YouTube e Google Cloud criam enorme demanda recorrente com padrões operacionais identificáveis.

Um processador personalizado se torna mais atraente quando seu proprietário consegue mantê-lo ocupado. A alta utilização distribui os custos de projeto por um grande volume de computação.

A TPU Ironwood de sétima geração do Google ilustra essa abordagem. O Google afirma que a Ironwood oferece mais de quatro vezes o desempenho por chip da Trillium para treinamento e inferência.

O Google também afirma que um pod Ironwood pode conectar 9.216 chips. Cada processador contém 192 GiB de memória de alta largura de banda, enquanto um sistema completo disponibiliza 1,77 petabytes.

A Ironwood usa XLA, um compilador que traduz operações de modelos em instruções otimizadas para o hardware do Google. Esse codesign de hardware e software pode eliminar sobrecarga que uma plataforma geral precisa manter para oferecer compatibilidade mais ampla.

A contribuição exata da Broadcom para cada geração de TPU do Google não é totalmente detalhada em divulgações públicas. Relatos há muito conectam as empresas, mas nenhuma delas publica uma divisão completa das responsabilidades de engenharia.

Essa lacuna importa. A Broadcom não deve receber crédito exclusivo por processadores que o Google descreve como projetados sob medida, porque o Google fornece arquitetura, software e conhecimento de cargas de trabalho cruciais.

A conclusão defensável é mais restrita. A Broadcom construiu um negócio ajudando operadores hyperscale a transformar planos de aceleradores personalizados em grandes implantações.

Isso coloca a Broadcom entre o comprador e a fundição. Ela não precisa ser dona do modelo, do serviço de nuvem ou da plataforma de desenvolvedores do cliente.

A empresa também pode dar suporte a vários roteiros personalizados sem apresentar um acelerador público como resposta para todas as cargas de trabalho. Esse portfólio distribui sua exposição entre diferentes laboratórios de IA.

A AMD precisa convencer clientes de que sua plataforma comum oferece desempenho, disponibilidade e maturidade de software suficientes. O Google precisa provar que sua pilha integrada justifica as limitações de uma arquitetura mais especializada.

A Broadcom captura a demanda criada pelo segundo argumento. Quando um hyperscaler decide que a diferenciação exige silício próprio, a Broadcom se torna uma possível parceira de engenharia.

É por isso que a divisão entre AMD e Google cria uma abertura maior do que sugere um simples benchmark de GPU. A disputa real diz respeito a quem controla a arquitetura e quem obtém receita ao construí-la.

O Silício Personalizado Muda a Disputa com a Nvidia

A Broadcom não precisa derrotar diretamente a plataforma de GPUs da Nvidia porque o silício personalizado ataca a economia de cargas de trabalho repetidas e previsíveis.

A posição da Nvidia continua formidável. Sua receita de centros de dados no ano fiscal de 2026 atingiu US$ 193,7 bilhões, um aumento de 68% em relação ao ano anterior.

A receita de centros de dados apenas no quarto trimestre atingiu US$ 62,3 bilhões. Esses resultados financeiros mostram por que declarar a Nvidia deslocada ignoraria a escala do mercado.

A Nvidia fornece mais do que um processador. O software CUDA, bibliotecas otimizadas, redes, sistemas de referência e ampla disponibilidade em nuvem reduzem o atrito de implantação para desenvolvedores.

Essa amplitude torna a Nvidia valiosa quando as cargas de trabalho mudam rapidamente. Um grupo de pesquisa que explora uma nova arquitetura geralmente prefere hardware adaptável e ferramentas de desenvolvimento familiares.

O silício personalizado se torna mais convincente depois que uma carga de trabalho se estabiliza. Um operador pode remover funções que raramente utiliza e dedicar mais área do chip a cálculos frequentes.

A inferência oferece um caso particularmente relevante. Inferência é o processo de executar um modelo treinado para gerar previsões, respostas, imagens ou outras saídas.

Um serviço amplamente utilizado pode executar operações semelhantes bilhões de vezes. Mesmo uma melhora modesta de eficiência pode afetar os requisitos de energia, resfriamento e capacidade dos centros de dados.

Isso cria a abertura da Broadcom. Sua plataforma de aceleradores personalizados permite que um cliente otimize em torno da estrutura do modelo, movimentação de memória, precisão numérica e comportamento de rede.

As redes são igualmente importantes porque processadores mais rápidos ainda podem ficar esperando dados. O desempenho útil de um cluster depende de quão eficientemente os chips compartilham parâmetros de modelos e resultados intermediários.

A Nvidia aborda essa questão com produtos NVLink, InfiniBand e Ethernet. A Broadcom compete principalmente por meio da Ethernet, um padrão estabelecido que permite aos operadores montar infraestrutura de vários fornecedores.

O debate não é simplesmente entre redes proprietárias e redes abertas. Os compradores comparam latência, gerenciamento de congestionamento, integração de software, disponibilidade de componentes, familiaridade operacional e controle.

A Broadcom se beneficia quando clientes preferem Ethernet e desejam evitar dependência de um único fornecedor completo. A Nvidia se beneficia quando o desempenho de uma plataforma integrada supera essa preocupação.

Essa é a inversão central do artigo. A Broadcom pode ganhar participação nos gastos com IA sem convencer o mercado mais amplo de desenvolvedores a abandonar a Nvidia.

Seus clientes tomam essa decisão internamente. Eles implantam aceleradores personalizados para cargas de trabalho selecionadas, enquanto continuam comprando GPUs Nvidia para pesquisa, serviços de nuvem externos ou tarefas menos previsíveis.

O Google segue essa abordagem mista. Ele oferece TPUs e também fornece instâncias de GPU Nvidia por meio do Google Cloud.

A Meta apresenta outro exemplo. A Broadcom anunciou uma parceria ampliada para dar suporte aos chips Meta Training and Inference Accelerator até 2029.

As empresas disseram que o programa inclui um acelerador de dois nanômetros e múltiplas gerações de silício. Também descreveram planos para implantações medidas em vários gigawatts.

Sua parceria MTIA combina computação personalizada com a tecnologia Ethernet da Broadcom. No entanto, os planos de implantação continuam sendo projeções até que os clientes instalem e utilizem a capacidade prometida.

O modelo misto pressiona os dois principais fornecedores de GPUs. A Nvidia enfrenta clientes que buscam maior poder de decisão sobre custos, fornecimento e arquitetura.

A AMD enfrenta um desafio mais sutil. Ela pode conquistar clientes que procuram um segundo acelerador comercial, mas alguns desses compradores podem acabar transferindo suas maiores cargas de trabalho para chips internos.

Para a AMD, o Google ilustra tanto a oportunidade quanto a ameaça. O Google Cloud pode oferecer aceleradores AMD, mas o próprio programa TPU do Google reduz sua necessidade de depender exclusivamente de GPUs externas.

Para a Broadcom, qualquer uma das transições pode gerar demanda. Um operador de nuvem que busca alternativas pode começar com AMD e, em seguida, adicionar processadores personalizados à medida que as cargas de trabalho alcançam escala suficiente.

Isso não significa que toda empresa de IA deva projetar um chip. O silício personalizado exige equipes experientes, cargas de trabalho estáveis, grandes volumes de implantação e longos ciclos de planejamento.

A maioria das empresas não reúne essas condições. Elas continuarão alugando capacidade ou comprando sistemas baseados em aceleradores comerciais.

Assim, os clientes endereçáveis da Broadcom concentram-se no topo do mercado. Essa limitação ainda pode sustentar um grande negócio, porque essas empresas representam orçamentos imensos de infraestrutura.

A posição vencedora não é possuir todos os aceleradores. É participar dos gastos de clientes determinados a controlar uma parcela maior de sua pilha de computação.

O que a tese da Broadcom ainda não comprova

O rápido crescimento da receita confirma a demanda, mas não estabelece que a Broadcom tenha garantido uma vantagem permanente sobre Nvidia ou AMD.

A primeira incerteza é a concentração de clientes. Os programas de chips personalizados da Broadcom envolvem um pequeno grupo de empresas com enorme poder de compra.

Esses compradores podem negociar agressivamente, adiar implantações ou redirecionar recursos de engenharia. A perda de um único roadmap poderia ter um efeito desproporcional sobre o crescimento futuro.

A segunda questão é o risco de desenvolvimento. Um acelerador personalizado começa anos antes da implantação, quando as arquiteturas de modelos e os requisitos de memória ainda permanecem incertos.

Uma mudança inesperada nas técnicas de IA pode deixar o hardware especializado pouco adequado à carga de trabalho mais recente. GPUs de uso geral oferecem uma proteção contra essa possibilidade.

A terceira questão é o software. O Google pode apoiar o desenvolvimento de TPUs por meio de JAX, integrações com PyTorch, XLA e recursos internos de engenharia.

Operadores menores não conseguem reproduzir esse esforço com facilidade. Um processador com especificações atraentes ainda fracassa se os desenvolvedores tiverem dificuldade para migrar modelos para ele.

O Google trabalhou para reduzir essa barreira. Sua pilha Ironwood oferece suporte à otimização de compiladores e a kernels personalizados em todo um sistema coordenado.

No entanto, as alegações de desempenho publicadas pelo Google refletem seu próprio ambiente de hardware e software. Comparações independentes em diversas cargas de trabalho de produção ainda são limitadas.

Portanto, a escolha entre AMD e Google não se resume à computação de pico. Ela inclui portabilidade, tempo de desenvolvimento, utilização, disponibilidade na nuvem e o custo de manter o software.

A AMD pode responder melhorando a compatibilidade do ROCm e oferecendo aceleradores com grande capacidade de memória. A Nvidia pode reduzir os custos de inferência enquanto expande seus sistemas integrados.

Ambas as empresas também vendem tecnologia de rede ou fazem parcerias com fornecedores de sistemas. A Broadcom não pode presumir que sua liderança em Ethernet e suas vitórias em projetos personalizados permanecerão incontestadas.

O fornecimento apresenta outro risco. A Broadcom depende de fabricantes externos e fornecedores de encapsulamento avançado para transformar projetos em processadores acabados.

Aceleradores personalizados competem pela mesma capacidade de fabricação de ponta usada por outros chips de IA. Restrições de encapsulamento podem atrasar a receita mesmo quando a demanda dos clientes continua forte.

A disponibilidade de energia tornou-se igualmente importante. Uma implantação em escala de gigawatts exige eletricidade, terreno, resfriamento, transformadores, rede e capacidade de construção.

Um chip concluído não pode gerar receita a partir de um data center inacabado. Portanto, os cronogramas de infraestrutura podem prevalecer sobre os cronogramas de semicondutores.

A iniciativa de financiamento da Broadcom em junho de 2026 ilustra tanto a oportunidade quanto a restrição. A empresa se juntou à Apollo e à Blackstone em uma plataforma projetada para viabilizar mais de 20 gigawatts de implantações de IA até 2028.

A iniciativa começou com uma transação inicial que apoia mais de um gigawatt de capacidade associada à Anthropic. A Broadcom afirmou que suas XPUs e soluções de rede atenderiam implantações de laboratórios de IA de fronteira.

Essa plataforma de capacidade amplia o papel da Broadcom para além do fornecimento de componentes. Ela também revela quanto capital e coordenação os clusters modernos de IA exigem.

A capacidade anunciada não equivale a infraestrutura instalada e produtiva. Financiamento, licenças, construção, conexões à rede elétrica e demanda dos clientes precisam estar alinhados.

Outra incerteza diz respeito à transparência. A Broadcom discute seletivamente seus clientes de aceleradores personalizados, e a confidencialidade limita a visibilidade sobre os termos dos contratos ou a economia dos programas.

Os investidores podem observar a receita agregada de semicondutores para IA. Nem sempre conseguem separar aceleradores de computação de redes ou identificar a contribuição de cada cliente.

Isso torna previsões simples pouco confiáveis. Um trimestre forte pode refletir uma mudança duradoura de plataforma, uma concentração temporária de remessas ou ambos.

O enquadramento do “vencedor definitivo” também ignora a expansão do mercado. Nvidia, AMD, Broadcom, operadores de nuvem, fornecedores de memória e fundições podem todos crescer quando o gasto total com IA aumenta.

A vitória só se torna significativa depois que se define a competição. A Nvidia lidera a ampla plataforma de aceleradores, enquanto a Broadcom ganha espaço em silício personalizado e infraestrutura Ethernet.

A AMD continua menor em aceleração de data centers, mas fornece uma alternativa estrategicamente importante. O Google é simultaneamente comprador de nuvem e projetista interno de chips.

Essas posições se sobrepõem sem serem idênticas. A força da Broadcom vem de atender clientes cujos incentivos diferem daqueles dos compradores convencionais de semicondutores.

A tese enfraquece se chips personalizados repetidamente não cumprirem os cronogramas, não melhorarem a eficiência útil ou permanecerem restritos a experimentos internos. Ela também enfraquece se a economia da plataforma Nvidia eliminar a razão para especialização.

Ela se fortalece quando os clientes implantam gerações sucessivas de chips. Programas recorrentes mostram que o silício personalizado sobreviveu aos testes operacionais e conquistou investimento contínuo.

O acordo da Broadcom com a Meta se estende até 2029, mas as gerações prometidas ainda precisam se tornar sistemas funcionais. O crescimento da receita continuará sendo a evidência pública mais clara dessa conversão.

Três sinais decidirão a corrida de chips de IA entre AMD e Google

A próxima etapa depende de evidências de implantação, compromissos recorrentes dos clientes e de os fornecedores comerciais de GPUs reduzirem a justificativa econômica para chips personalizados.

O primeiro sinal é a receita reportada da Broadcom com semicondutores para IA. A administração esperava US$ 16 bilhões para seu terceiro trimestre fiscal de 2026.

Cumprir essa previsão sustentaria a tese de que a demanda está passando de vitórias isoladas em projetos para volumes maiores de produção. Não cumpri-la levantaria questões sobre o momento das remessas e a concentração de clientes.

A composição importa tanto quanto o total. Os investidores devem buscar evidências de que tanto os aceleradores personalizados quanto as redes contribuem em vários clientes.

Um trimestre não pode estabelecer durabilidade. Aumentos sucessivos ligados a múltiplas implantações forneceriam uma indicação mais forte de uma ampla mudança na infraestrutura.

O segundo sinal é a adoção no mundo real do Google Ironwood e do Meta MTIA. O Google disponibilizou o Ironwood de forma geral após posicioná-lo tanto para treinamento quanto para inferência em alto volume.

O Google afirma que o Ironwood oferece dez vezes o desempenho de pico do TPU v5p e mais de quatro vezes o desempenho por chip do Trillium. Também afirma ter quase trinta vezes a eficiência energética de seu primeiro TPU de nuvem.

Essas são medições do fornecedor, não resultados universais. A evidência mais forte virá da disponibilidade para clientes, utilização sustentada, suporte de software e implantações recorrentes.

O Google já afirma que Gemini, Veo, Imagen e Claude, da Anthropic, usam TPUs para treinamento ou atendimento. Um uso mais amplo por clientes mostraria que o hardware personalizado pode se estender além das aplicações internas de um único proprietário.

O programa MTIA de dois nanômetros da Meta oferece um teste separado. Enviar múltiplas gerações até 2029 validaria a capacidade da Broadcom de apoiar outro cliente em escala.

Atrasos exporiam os longos ciclos de desenvolvimento por trás do silício personalizado. Eles também poderiam devolver cargas de trabalho às plataformas Nvidia ou AMD.

O terceiro sinal é a resposta dos fornecedores comerciais de GPUs. A plataforma Rubin da Nvidia busca reduzir os custos de inferência, preservando ao mesmo tempo seu amplo ambiente de software.

A AMD está impulsionando os aceleradores MI350 com alta capacidade de memória e uma pilha ROCm cada vez mais madura. Maior portabilidade de software reduziria a penalidade de escolher AMD em vez de Nvidia.

Se Nvidia e AMD reduzirem os custos operacionais totais mais rapidamente do que os programas personalizados avançam, a especialização se tornará menos atraente. Os clientes podem preferir hardware adaptável que chega em um cronograma previsível.

Se chips personalizados proporcionarem ganhos recorrentes de eficiência em cargas de trabalho estáveis, a posição da Broadcom se fortalecerá. Os hyperscalers terão uma razão mais clara para financiar mais projetos internos.

O resultado mais provável continua sendo uma infraestrutura heterogênea. Equipes de pesquisa usarão aceleradores flexíveis, enquanto grandes serviços de produção considerarão cada vez mais hardware ajustado a tarefas recorrentes.

Esse ambiente favorece fornecedores que conseguem participar em diversas arquiteturas. As capacidades da Broadcom em computação, switching, conectividade e design atendem a essa exigência.

Também impede uma conclusão simples de que o vencedor leva tudo. A Nvidia pode continuar sendo a maior plataforma enquanto a Broadcom captura uma participação crescente da infraestrutura personalizada.

A AMD pode ganhar participação em aceleradores comerciais mesmo à medida que o Google expande os TPUs. O Google pode oferecer as três opções por meio de sua nuvem enquanto favorece seus próprios chips internamente.

O debate sobre hardware de IA entre AMD e Google diz respeito, em última análise, ao controle. Os compradores precisam decidir se a propriedade das cargas de trabalho justifica o custo e a complexidade de possuir mais silício.

A Broadcom se posicionou como a empresa que ajuda a responder sim. Sua receita sugere que vários clientes importantes já chegaram a essa conclusão.

Os próximos um a três meses devem esclarecer se esses compromissos estão acelerando. Acompanhe a receita de IA da Broadcom, a disponibilidade de produção de chips personalizados e a economia de inferência dos fornecedores de GPUs.

Para desenvolvedores e compradores corporativos, a questão não é qual logotipo vence todos os benchmarks. Pergunte onde suas cargas de trabalho precisam de flexibilidade, onde elas se repetem e quem controla a pilha de software.

Essa decisão determinará se a próxima implantação será executada em hardware da Nvidia ou AMD, em TPUs do Google ou em outro acelerador personalizado. Ela também determinará quanto da infraestrutura resultante passará pela Broadcom.