Google lança ferramenta para tirar apps de IA das GPUs da Nvidia, como fez a Amazon
O Google abriu o código do TorchTPU, que permite mover aplicações PyTorch para seus chips TPU sem reescrever o código. A iniciativa chega um dia depois de a Amazon lançar ferramenta equivalente para seus chips Trainium.
Por Otávio Meireles · Repórter de Mercado
Um dia depois da Amazon, Google ataca o mesmo ponto fraco da Nvidia
Em 20 de outubro, durante a PyTorch Conference 2026, o Google abriu o código do TorchTPU, uma versão nativa do PyTorch feita para rodar em seus próprios chips TPU (Tensor Processing Units). Na prática, a ferramenta permite migrar aplicações de inteligência artificial para a nuvem do Google com uma simples mudança de configuração, sem precisar reescrever o app do zero. O lançamento foi feito em parceria com a equipe do PyTorch dentro da Meta.
PyTorch é o conjunto de ferramentas de código aberto mais usado para treinar e executar modelos de IA — criado pela Meta em 2016 e hoje mantido pela Linux Foundation. O detalhe que torna a disputa relevante: por anos, os recursos do PyTorch foram otimizados prioritariamente para rodar nas GPUs da Nvidia, a fabricante de chips que hoje domina o mercado de hardware para IA. Isso criou um efeito de dependência — a maioria dos apps de IA simplesmente "nasce" pensada para rodar em hardware Nvidia, o que reforça a posição da empresa mesmo quando concorrentes oferecem chips próprios.
A Amazon abriu o caminho um dia antes
A jogada do Google não é isolada. Na véspera, a Amazon havia lançado o TorchNeuron, backend nativo do PyTorch para os chips Trainium2 e Trainium3 da AWS, também permitindo migração com uma única linha de configuração alterada. A ferramenta já soma mais de 30 clientes no early access e foi liberada sob licença Apache 2.0. A Amazon também afirma estar contribuindo código diretamente ao projeto PyTorch para desacoplar funcionalidades do ecossistema Nvidia.
Quem ganha e quem perde
O movimento conjunto de Google e Amazon mira exatamente a vantagem que sustenta o preço e a demanda pelos chips da Nvidia: o software. Se desenvolvedores puderem trocar de hardware sem dor, a pressão competitiva sobre a Nvidia aumenta, e os provedores de nuvem ganham argumento para vender capacidade computacional própria — TPU no caso do Google, Trainium no caso da Amazon — a preços mais competitivos.
O TorchTPU chega com suporte a ferramentas como vLLM, SGLang, TorchTitan, Ray, Hugging Face e LiteRT, com colaboração de parceiros como Inferact e RadixArk. Para a Nvidia, o risco não é perder clientes da noite para o dia, mas ver erodida a barreira de software que, até aqui, tornava a troca de fornecedor cara e trabalhosa.