16 de dezembro de 2025 · 24-Hour AI Briefing: High NA EUV entra em operação, B300 chega a implantações reais e a disputa NVIDIA–TPU se intensifica
Nas últimas 24 horas, três acontecimentos no setor de IA e semicondutores se destacaram não como simples atualizações, mas como sinais claros de um ponto de inflexão. A Intel e a ASML concluíram os testes de aceitação do primeiro sistema High NA EUV de segunda geração do mundo. As GPUs NVIDIA B300, baseadas na arquitetura Blackwell Ultra, passaram a operar em um ambiente de produção que atende usuários reais. Ao mesmo tempo, a NVIDIA reforçou publicamente sua narrativa de liderança de plataforma sobre os TPUs do Google.
Em conjunto, esses sinais apontam para uma mudança estrutural: a competição em IA deixou de ser apenas sobre escala de computação e passou a envolver controle de manufatura, entrega de sistemas e escolha de plataformas.
1. Intel conclui a aceitação do High NA EUV de segunda geração, alterando a dinâmica dos nós avançados
A Intel anunciou que, em parceria com a ASML, concluiu o processo de unboxing e acceptance testing do primeiro sistema de litografia Extreme Ultraviolet (EUV) High Numerical Aperture (High NA) de segunda geração da indústria. O equipamento conta com uma fonte EUV de maior potência, throughput de até 175 wafers por hora, precisão de overlay aprimorada para 0,7 nm e um sistema de manuseio de wafers mais estável.
Comentário:
Este não é apenas um marco de entrega de equipamentos. O High NA EUV tem potencial para reequilibrar a estrutura de poder da manufatura avançada global. Seu principal valor está em reduzir o número das camadas de multi-patterning mais caras, lentas e frágeis dentro de um mesmo nó de processo, diminuindo a complexidade e o risco de yield.
Para a Intel, isso abre espaço para remodelar tanto a curva de custos quanto a curva de ciclo além dos nós 18A e 14A. Se menos etapas de patterning forem suficientes para alcançar controle de largura de linha e precisão de overlay iguais ou superiores, o ramp-up se acelera e o custo por wafer se torna mais previsível — um fator crítico para a Intel Foundry Services (IFS) na atração de clientes externos.
No entanto, transformar o High NA em vantagem escalável dependerá da execução em ecossistemas de materiais, integração de processos e controle de variabilidade. A pergunta permanece: a Intel conseguirá usar essa janela para desafiar a dominância da TSMC?
2. AlphaTON Capital implanta NVIDIA B300 na rede de IA do Telegram
A AlphaTON Capital anunciou que recebeu seu primeiro lote de GPUs NVIDIA B300, integrando-as aos sistemas HGX com resfriamento líquido da Supermicro para fortalecer a rede Cocoon AI, que fornecerá serviços de IA com foco em privacidade para usuários do Telegram.
Comentário:
O B300 está entre os aceleradores de IA mais poderosos disponíveis atualmente. Baseado na arquitetura Blackwell Ultra, oferece até 144 PFLOPS de computação FP4 e 288 GB de memória HBM3e, com otimização específica para inferência de contexto longo. A plataforma de resfriamento líquido da Supermicro permite até 98% de recuperação de calor e cerca de 40% de ganho em eficiência energética, viabilizando implantações de altíssima densidade.
Para a AlphaTON, esse movimento garante liderança em capacidade computacional e, ao mesmo tempo, mitiga riscos geopolíticos e de cadeia de suprimentos. Antes, a rede Cocoon do Telegram dependia fortemente de nós comunitários, levantando dúvidas sobre escala e estabilidade. Com o B300, a estratégia passa a integrar profundamente infraestrutura de IA de ponta ao ecossistema do Telegram, buscando construir um ciclo fechado de “IA + blockchain + privacidade”.
Ainda assim, desafios permanecem. A sustentabilidade da oferta de B300 no longo prazo e a conformidade regulatória de soluções de IA voltadas à privacidade em diferentes jurisdições serão fatores decisivos à medida que a rede se expande.
3. NVIDIA reforça vantagem sobre TPU enquanto a disputa de plataformas esquenta
Após reuniões com a equipe de relações com investidores da NVIDIA, a Bernstein relatou que a empresa acredita manter uma vantagem tecnológica de aproximadamente dois anos sobre os TPUs do Google, destacando a flexibilidade das GPUs na construção de infraestrutura de IA em larga escala na nuvem.
Comentário:
A noção de “vantagem de dois anos” simplifica excessivamente a realidade. Os TPUs são profundamente co-projetados para os modelos e operadores mais críticos do Google, o que permite que igualem ou até superem GPUs em workloads específicos. Já a vantagem das GPUs reside principalmente em sua abrangência: maturidade do ecossistema, ferramentas consolidadas e rápida adaptação a novas arquiteturas de modelos.
Com o TPU v7 apresentando ganhos expressivos de eficiência e escalabilidade linear em clusters com dezenas de milhares de aceleradores, a mensagem da NVIDIA busca reforçar a narrativa de que GPUs de propósito geral permanecem insubstituíveis.
O cenário, porém, está mudando. O Gemini 3 foi treinado integralmente em TPUs, e a Meta já testa modelos hospedados em TPU. Se mais hyperscalers migrarem para silício próprio ou semi-customizado, o papel da NVIDIA como fornecedora “padrão” de infraestrutura de IA tende a se estreitar.
À medida que a IA transita da pesquisa para a implantação industrial, os vencedores serão definidos menos pelo pico teórico de desempenho e mais por quem permitir que os clientes executem cargas de produção com maior velocidade, estabilidade e menor custo. O lock-in do ecossistema CUDA continua sendo o fosso mais sólido da NVIDIA — mas, para os clientes, mais plataformas e mais opções são claramente benéficas.
Últimas 72 horas: eventos de IA que merecem revisão
Para um contexto mais amplo, vale revisitar as análises abaixo:
Conclusão
Do High NA EUV entrando na manufatura real, ao B300 alimentando redes de usuários, passando pela intensificação da disputa GPU–TPU, uma mensagem se torna clara: a corrida da IA deixou de ser sobre “quem tem mais computação” e passou a ser sobre “quem controla manufatura, sistemas e opções de plataforma”.
Os líderes da próxima fase não serão apenas aqueles que projetarem os chips mais rápidos, mas os que conseguirem integrar tecnologia de processo, computação, energia, entrega de sistemas e força de ecossistema em capacidade escalável e repetível.
A segunda metade da corrida da IA começou oficialmente.