Da memória dispendiosa à criação artesanal: engenheiro ex‑Microsoft fabrica RAM PDP‑11 com IA

A memória RAM continua sendo um dos componentes mais caros da cadeia de fornecimento de eletrônicos, mesmo em um mundo onde a tecnologia de semicondutores evolui em ritmo acelerado. Em 2024, o custo médio de 8 GB de DDR4 para consumidores varia entre US$ 30 e US$ 40, enquanto módulos de memória de 256 KB de SRAM, que já eram comuns no início dos anos 80, podem custar mais de US$ 1.500 se produzidos em pequena escala. Essa disparidade faz com que projetos de restauração de sistemas legados, como o venerado PDP‑11 da Digital Equipment Corporation, se tornem inviáveis para a maioria dos entusiastas.

O PDP‑11, introduzido em 1970, foi um dos primeiros microcomputadores de 16 bits a ganhar ampla adoção em universidades, laboratórios de pesquisa e empresas de médio porte. Suas memórias, inicialmente de 16 bits e 64 KB, foram expandidas para até 1 MB por meio de módulos de SRAM que precisavam ser fabricados em linhas de processo de 0,6 µm. Embora esses dispositivos fossem relativamente baratos para grandes volumes, a fabricação em pequena escala tornou-se economicamente inviável. Para quem deseja restaurar ou manter um PDP‑11 funcional, encontrar peças originais ou equivalentes tornou-se um desafio logístico e financeiro.

Dave Plummer, ex‑engenheiro de memória da Microsoft, traz à tona uma solução improvável: a criação de memória própria usando inteligência artificial. Durante seu tempo na Microsoft, Plummer trabalhou em projetos de memória de alta densidade para servidores de data center, onde a otimização de custos e desempenho era crítica. Quando se deparou com a falta de peças para um PDP‑11 em sua coleção pessoal, ele decidiu usar ferramentas de IA para projetar o circuito de SRAM e, em seguida, enviá-lo para uma fábrica de semicondutores de 200 nm.

O uso de IA no design de hardware, embora ainda em fase embrionária, tem mostrado resultados promissores em tarefas de lógica complexa. Modelos generativos como o OpenAI Codex ou o Gemini da Google podem produzir código HDL (Hardware Description Language) a partir de descrições de alto nível, reduzindo a necessidade de conhecimento detalhado de sintaxe. Em conjunto com ferramentas de síntese open‑source, como OpenROAD e Yosys, Plummer conseguiu gerar um layout de 256 KB de SRAM em um único arquivo de design em poucas horas, algo que tradicionalmente levaria semanas de trabalho manual.

A etapa de fabricação exigiu parceria com uma foundry que ofereça linhas de 200 nm, já descontinuadas em grandes players como TSMC ou GlobalFoundries. No entanto, algumas fablabs de nicho continuam oferecendo esses processos a preços acessíveis, permitindo que pequenos volumes de produção sejam viáveis. O custo médio por wafer para uma SRAM de 200 nm é de cerca de US$ 200.000, mas o custo por chip diminui drasticamente quando se considera a produção de dezenas de unidades, como o lote de 128 chips que Plummer gerou.

Para os entusiastas de retrocomputação, a capacidade de produzir memória própria significa mais do que apenas economizar dinheiro. Ela abre portas para a personalização de hardware, a criação de módulos de memória de tamanho e velocidade específicos e a possibilidade de experimentar novos modos de expansão de memória no PDP‑11, algo que era impossível quando os componentes eram apenas “vendidos” em blocos de 64 KB.

No Brasil, a comunidade de retrocomputação tem crescido nos últimos anos, com grupos como o Clube de Computadores de São Paulo e o Projeto Retrocomputador do Recife organizando eventos de restauração de computadores clássicos. A dificuldade de importar peças originais, combinada com altos custos de frete e impostos, torna a fabricação caseira de componentes ainda mais atrativa. Plummer's approach pode inspirar empreendedores locais a montar microfábricas de semicondutores de baixo custo, apoiadas por plataformas de design open‑source.

Além disso, a democratização do design de hardware pode ter impactos mais amplos na indústria de tecnologia. Se pequenos grupos conseguem projetar e fabricar memórias de baixa densidade com relativa facilidade, a necessidade de grandes fábricas para esses componentes diminui, reduzindo a concentração de poder de mercado em grandes players de semicondutores. Isso pode levar a preços mais justos e a um ecossistema de inovação mais aberto, onde protótipos podem ser produzidos em casa antes de serem escalados.

Entretanto, desafios permanecem. O yield em processos de 200 nm ainda pode ser inferior a 80 %, significando perdas de dezenas de chips por wafer. Além disso, a ausência de padronização em termos de interfaces de memória (por exemplo, bus de 16 bits versus 32 bits) pode limitar a compatibilidade com hardware legado. Regulamentações de exportação de tecnologia e a necessidade de licenças de uso de patentes de memória ainda representam barreiras para a adoção em massa.

Para o futuro, a combinação de IA com novas tecnologias de fabricação, como a impressão 3D de circuitos em escala nano, pode reduzir ainda mais os custos. Projetos de academia e de startups que combinam IA generativa com processos de fabricação flexíveis podem, em poucos anos, criar chips personalizados em laboratórios domésticos. Isso pode transformar a forma como desenvolvemos protótipos de hardware e, por extensão, acelerar a inovação em áreas como Internet das Coisas, sistemas embarcados e dispositivos médicos.

Em última análise, a iniciativa de Dave Plummer não é apenas um feito técnico, mas um símbolo de como a inteligência artificial está redefinindo o que significa “construir” em tecnologia. Ao tornar a fabricação de memória acessível a indivíduos e pequenos grupos, ele abre um caminho para que o mundo da computação retro, e muito além, possa se reinventar sem depender de grandes fornecedores ou de cadeias de suprimento complexas.