Nvidia aposta em interconexões ópticas para GPUs e promete revolução nos data centers de IA até 2028

A corrida por maior capacidade de processamento nas centrais de inteligência artificial está prestes a entrar em uma nova fase: a conexão entre unidades de processamento gráfico (GPUs) será feita por luz. Em um anúncio que ecoa pelos corredores de data centers ao redor do mundo, a Nvidia, líder em aceleração de IA, divulgou planos para integrar chiplets fotônicos que interligam GPUs por meio de fibras ópticas internas, com a primeira implementação prevista para 2028. Essa iniciativa, denominada internamente de "光電融合" (fusão óptico‑eletrônica), tem o potencial de mudar a arquitetura de supercomputadores de IA, reduzindo gargalos de comunicação que já limitam a expansão de modelos como GPT‑4 e seus sucessores.

Historicamente, a comunicação entre GPUs em servidores de alta performance tem sido realizada por meio de barramentos elétricos como o NVLink e o PCIe. Embora esses padrões tenham evoluído – o PCIe 5.0 e o NVLink 3, por exemplo, atingem velocidades na ordem de 32 GB/s – eles ainda enfrentam limitações físicas: resistência elétrica, calor gerado e a necessidade de cabos espessos que ocupam valioso espaço nas placas-mãe. Quando se trata de treinar modelos de linguagem com bilhões de parâmetros, a frequência de troca de gradientes entre GPUs pode chegar a milhares de vezes por segundo, tornando a latência e a largura de banda críticas. A solução proposta pela Nvidia, baseada em interconexões ópticas, promete substituir sinais elétricos por pulsos de luz, eliminando praticamente toda a atenuação elétrica e permitindo transmissões quase sem perdas.

A tecnologia por trás do "光電融合" consiste em chiplets fotônicos – pequenos blocos de silício que incorporam lasers, moduladores e detectores de luz – que são soldados diretamente ao die da GPU. Cada chiplet funciona como um transceptor óptico: converte sinais elétricos da GPU em feixes de luz na faixa de 850 nm, que são guiados por micro‑canais de waveguide integrados ao próprio chip. Ao chegar ao chiplet de destino, o sinal óptico é reconvertido em elétrico, permitindo que as GPUs troquem dados a velocidades teóricas de 100 GB/s por canal, com latência inferior a 100 ns, valores ainda inalcançáveis pelos padrões elétricos atuais.

Do ponto de vista de fabricação, a integração de fotônica ao silício (silicon photonics) já está avançada em setores como telecomunicações, mas seu ingresso em chips de alto desempenho representa um salto de escala. A principal barreira tem sido a compatibilidade dos processos de litografia: enquanto a produção de GPUs usa nós de 5 nm ou menos, a fotônica requer estruturas mais largas para guiar a luz sem perdas excessivas. A Nvidia, em parceria com fabricantes de fundição como TSMC e Samsung, tem investido em processos de co‑design que permitem a inserção de módulos fotônicos em nós avançados sem comprometer o rendimento. Estimativas da própria empresa sugerem que o custo marginal de um chiplet fotônico será de cerca de US$ 0,10 por unidade, o que, em escala de milhares de GPUs por data center, representa um investimento justificável frente à economia energética prevista.

A eficiência energética é, talvez, o argumento mais persuasivo. Estudos internos da Nvidia indicam que as interconexões ópticas podem reduzir o consumo de energia da rede de comunicação em até 70 %, pois a transmissão de luz em waveguides gera quase nenhum calor. Em data centers onde o consumo total pode ultrapassar 30 MW, economizar dezenas de megawatts equivale a reduzir significativamente a pegada de carbono e os custos operacionais. Esse aspecto se alinha à pressão crescente de reguladores e investidores por soluções sustentáveis, sobretudo nos Estados Unidos, Europa e Ásia, onde políticas de descarbonização estão se tornando mandatórias.

A adoção de interconexões ópticas também tem implicações econômicas mais amplas. O mercado global de data centers de IA deve alcançar US$ 200 bilhões até 2030, segundo a IDC. A capacidade de escalar clusters sem a necessidade de reconfigurações físicas de cabeamento pode acelerar a implantação de novos serviços de IA, desde geração de conteúdo até análise preditiva em setores como finanças, saúde e manufatura. Empresas que adotarem a tecnologia da Nvidia podem obter vantagem competitiva ao reduzir o tempo de treinamento de modelos, que atualmente pode levar semanas ou meses, para dias ou até horas, dependendo da infraestrutura.

No cenário geopolítico, a liderança americana em fotônica integrada tem sido reforçada por investimentos públicos, como o programa CHIPS & Science Act, que destina bilhões de dólares ao desenvolvimento de semicondutores avançados. A parceria da Nvidia com fabricantes asiáticos, entretanto, coloca a indústria em uma posição delicada entre tensões comerciais e a necessidade de cadeias de suprimentos resilientes. A adoção precoce da tecnologia óptica pode mitigar alguns riscos, já que a produção de chiplets fotônicos depende menos de componentes críticos como cobre de alta pureza, cujas exportações são frequentemente alvo de sanções.

Para o Brasil e a América Latina, a chegada dessas interconexões representa tanto um desafio quanto uma oportunidade. O país ainda possui um ecossistema de data centers em expansão, mas enfrenta limitações de energia e de infraestrutura de rede. A eficiência energética da fotônica pode tornar viável a construção de clusters de IA em regiões com restrições de energia, como o Nordeste brasileiro, onde projetos de energia renovável estão em ascensão. Além disso, startups de tecnologia que desenvolvem software de otimização de treinamento de modelos podem se beneficiar de APIs que exploram a latência ultra‑baixa das interconexões ópticas, oferecendo soluções mais ágeis para clientes corporativos.

Instituições de pesquisa brasileiras, como o Instituto Nacional de Pesquisas Espaciais (INPE) e o Laboratório de Computação Científica (LCC) da USP, já têm grupos estudando silicon photonics para comunicações satelitais. A convergência desses esforços com a iniciativa da Nvidia pode abrir portas para colaborações internacionais, bolsas de pesquisa e transferência de tecnologia. O governo federal, por sua vez, pode estimular o desenvolvimento local de chiplets fotônicos por meio de linhas de crédito específicas, incentivando parques tecnológicos em São Paulo e Minas Gerais a atrair investimentos de fabricantes de semicondutores.

Do ponto de vista técnico, ainda há questões a serem resolvidas antes da adoção massiva. A tolerância a falhas em redes ópticas ainda está em fase de pesquisa; a detecção de falhas de laser ou de desalinhamento de waveguides requer algoritmos de monitoramento em tempo real que não interrompam o fluxo de dados. Além disso, a padronização de protocolos de comunicação óptica entre diferentes fabricantes ainda não está consolidada, o que pode gerar fragmentação de mercado. A Nvidia tem sinalizado que abrirá suas especificações de interconexão via licenciamento, permitindo que outros fornecedores de GPUs, como AMD e Intel, adotem abordagens similares, o que pode criar um ecossistema mais aberto.

Em termos de timeline, a Nvidia projeta um piloto interno em 2025, com testes em clusters de treinamento de modelos de grande escala. Se os resultados atenderem às metas de desempenho e confiabilidade, a produção em massa começará em 2028, coincidindo com a transição de data centers para arquiteturas baseadas em chips de IA mais especializadas, como o Hopper. A expectativa é que, até 2032, a maioria dos novos data centers de IA já venha equipada com interconexões ópticas, tornando a tecnologia o novo padrão de fato.

Para os investidores, o anúncio da Nvidia reforça a visão de que o futuro da computação de IA está cada vez mais ligado à inovação em interconexões, tão importante quanto o avanço dos núcleos de processamento. Analistas da Bloomberg Intelligence revisaram para cima as projeções de receita da Nvidia em 2028, apontando que os módulos fotônicos podem gerar um novo fluxo de receita de US$ 5 bilhões anuais, além de criar oportunidades para fornecedores de componentes ópticos, como Lumentum e II‑VI.

Em síntese, a transição para interconexões ópticas entre GPUs representa um ponto de inflexão na arquitetura de data centers de IA. Ao eliminar gargalos de comunicação, reduzir o consumo energético e abrir caminhos para escalabilidade massiva, a tecnologia pode acelerar o desenvolvimento de modelos de inteligência artificial ainda mais complexos, ao mesmo tempo em que impõe novos requisitos de fabricação e padronização. Para o Brasil, acompanhar essa tendência será crucial para garantir que seu mercado de IA continue competitivo, atraindo investimentos e capacitando talentos que possam operar e inovar em ambientes de computação de última geração.

O futuro próximo, portanto, será marcado não apenas por chips mais poderosos, mas por redes internas que utilizam a velocidade da luz. Se a Nvidia cumprir seu cronograma, os próximos cinco a dez anos testemunharão uma nova era de data centers que, literalmente, “pensam” mais rápido e de forma mais sustentável, redefinindo os limites do que a inteligência artificial pode alcançar.