O TPUv7 (Ironwood) do Google agora está igualando — e, em alguns casos, superando — os chips B200 e GB300 da Nvidia em tarefas de inferência, segundo os benchmarks mais recentes do InferenceX, da SemiAnalysis.

Estes são testes noturnos em condições reais: modelos de código aberto, cargas de trabalho com contextos longos, tarefas agênticas e custo por token.

Nas comparações em FP8, o TPUv7 oferece de 1,2× a 2,7× mais tokens por dólar do que os chips da Nvidia. Em algumas configurações, o desempenho por dólar é 50% maior. A taxa de processamento bruta costuma ser comparável, mas o menor custo total de propriedade do Google — chip mais sistema — lhe dá vantagem. A Nvidia ainda lidera em certas cargas de trabalho em FP4 e em configurações de rack altamente otimizadas.

A diferença diminuiu não por causa do pico de FLOPs, mas porque os TPUs melhoraram em várias frentes: silício, software (compatibilidade com TorchTPU, vLLM e SGLang) e custos. O desempenho ainda depende do modelo, da precisão e da configuração de serving — mas o campo de jogo está ficando mais equilibrado.

Isso importa para quem acompanha os gastos com infraestrutura de IA, os investimentos em capex dos hiperescaladores e a estrutura de margens da inferência em grande escala. A narrativa de que a Nvidia domina a inferência está começando a ruir.

$NVDA $GOOGL