O domínio da Nvidia em hardware de IA é bem documentado. A empresa detém aproximadamente 86% da receita de GPUs de data centers. Mas seu verdadeiro vantagem competitiva nunca foi os chips em si. Foi o CUDA, o ecossistema de software que torna os desenvolvedores tão dependentes do hardware da Nvidia que mudar parece aprender uma nova linguagem enquanto paraquedistas.
A OpenAI está apostando que pode entregar um pára-quedas para todos. A ferramenta de código aberto da empresa chamada Triton, lançada pela primeira vez em julho de 2021, está sendo apresentada como a chave para executar modelos de IA em hardware não Nvidia com mudanças mínimas no código.
Do projeto de pesquisa à arma estratégica
O Triton começou como um projeto relativamente modesto. Seu propósito original era permitir que desenvolvedores escrevessem código de GPU de alto desempenho em Python, em vez de lutar com programação CUDA de baixo nível.
A ferramenta evoluiu consideravelmente desde o lançamento da versão 1.0 em meados de 2021. Análises de início de 2026 apontam para o Triton atingindo um ponto de inflexão, onde agora permite a portabilidade de modelos de IA entre diferentes plataformas de hardware com reescritas mínimas ou até mesmo zero de código.
A OpenAI também não está construindo ferramentas em um vácuo. A empresa entrou em um acordo de vários anos com a AMD em outubro de 2025 para implantar até 6 gigawatts de GPUs Instinct. A primeira onda, com 1 gigawatt de chips da série MI450, deve chegar no segundo semestre de 2026.
Seguindo a trilha de contratação
A OpenAI está contratando ativamente engenheiros de inferência focados especificamente na habilitação de GPUs da AMD. Relatos de 2026 também indicam que a OpenAI expressou insatisfação com certos chips da Nvidia.
O que isso significa para os investidores
A participação de 86% da Nvidia na receita de GPUs de data center não vai desaparecer da noite para o dia. O CUDA possui décadas de otimização acumulada e um ecossistema de desenvolvedores profundo.
A AMD está em posição de se beneficiar mais diretamente. A empresa já possui silício competitivo, e a parceria com a OpenAI valida suas ambições em hardware de IA de uma maneira que nenhum benchmark jamais poderia. Quando a maior empresa de IA do mundo se compromete a implantar gigawatts de suas GPUs, envia uma mensagem clara para o resto da indústria de que existe uma alternativa viável à Nvidia.
O risco a observar é a execução. Criar uma ferramenta que teoricamente funcione em qualquer hardware é uma coisa. Fazê-la desempenhar-se ao mesmo nível que código otimizado para CUDA nos próprios chips da Nvidia é outro desafio completamente diferente.