Com a demanda por capacidade computacional de IA continuando a crescer, a concorrência entre as novas empresas de nuvem está mudando de “quem tem mais GPUs” para “quem consegue controlar toda a pilha tecnológica, do hardware ao software”. Quando o aluguel de capacidade bruta fica cada vez mais difícil de escapar da disputa por preços, surge uma questão mais crucial: o que determina o valor da infraestrutura de IA é, afinal, a própria GPU ou a camada de software que faz a orquestração, a programação e a otimização da eficiência de execução das GPUs?

Nscale com cerca de US$ 1,65 bilhão para adquirir a Anyscale, a Nebius adquiriu a Eigen AI, a CoreWeave adquiriu a Weights & Biases e a IREN adquiriu a Mirantis, entre outras transações. Cinco aquisições apontam para uma mesma tendência: novas empresas de nuvem com GPUs, energia e data centers estão avançando em conjunto para as camadas de MLOps e orquestração de IA.

O que a nova empresa de nuvem comprou não foi apenas um conjunto de software ou um grupo de clientes, mas sim a capacidade de migrar de «cobrar por hora de GPU» para «competir pelos resultados das tarefas». O sistema de escalonamento determina quantas horas de GPU uma tarefa precisa consumir, e também define a eficiência do uso da computação, o custo dos clientes e o lucro da plataforma. Ao dominar as duas camadas — software e hardware — os fabricantes conseguem tanto otimizações coordenadas quanto, com uma integração de sistemas mais profunda, aumentar os custos de migração dos clientes, retendo o ganho de eficiência dentro da própria plataforma.

Enquanto isso, a integração também está acontecendo no sentido inverso. A Lightning AI se fundiu com o provedor de GPUs Voltage Park, e plataformas de inferência como Fireworks, Modal e Baseten também estão, em diferentes graus, construindo ou controlando a capacidade computacional subjacente. As empresas de infraestrutura adquirem software, as plataformas de inferência expandem hardware na direção contrária — as duas partes estão se movendo de direções opostas para o mesmo destino: controlar, ao mesmo tempo, ativos de computação e software de orquestração.

Isso significa que a próxima etapa da competição da nova empresa de nuvem não é apenas disputar o número de GPUs, contratos de energia e velocidade de entrega, mas sim a disputa pelo controle de toda a carga de trabalho de IA. O verdadeiro obstáculo pode estar em quem consegue integrar chips, clusters, escalonamento e serviços de inferência em um sistema mais eficiente e mais difícil de o cliente abandonar. No entanto, embora os dois caminhos levem ao mesmo destino, a estrutura de custos é completamente diferente: a nova empresa de nuvem pode completar o software via aquisições, enquanto a plataforma de inferência, ao construir infraestrutura “para baixo”, precisa assumir despesas de capital mais pesadas. Isso deixa para a segunda parte uma questão-chave — quando todas as empresas querem controlar a pilha tecnológica completa, quem conseguirá encontrar financiamento suficientemente barato para sustentar essa expansão?