{"id":1483,"date":"2026-07-07T13:02:48","date_gmt":"2026-07-07T13:02:48","guid":{"rendered":"https:\/\/convly.ai\/?p=1483"},"modified":"2026-07-07T13:02:48","modified_gmt":"2026-07-07T13:02:48","slug":"openai-broadcom-llm-inference-chip","status":"publish","type":"post","link":"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/","title":{"rendered":"OpenAI e Broadcom revelam chip de infer\u00eancia otimizado para LLMs"},"content":{"rendered":"<p>A OpenAI e a Broadcom revelaram conjuntamente um chip de infer\u00eancia projetado especificamente para modelos de linguagem de grande porte (LLMs), um marco que pode redefinir a forma como os sistemas de IA mais utilizados no mundo s\u00e3o implantados em larga escala. Segundo o StorageNewsletter, o acelerador foi co-projetado especialmente para cargas de trabalho intensivas em transformadores, predominantes na IA generativa moderna, representando o passo mais concreto at\u00e9 agora da OpenAI rumo \u00e0 integra\u00e7\u00e3o vertical em sil\u00edcio. Para uma ind\u00fastria que h\u00e1 muito depende de GPUs de prop\u00f3sito geral para executar infer\u00eancia, esse an\u00fancio sinaliza que a economia, o perfil de lat\u00eancia e a cadeia de suprimentos para servi\u00e7os com modelos de grande porte est\u00e3o entrando em uma nova fase. <strong>llm<\/strong> sistemas s\u00e3o servidos em escala. De acordo com o StorageNewsletter, o acelerador foi co-projetado especificamente para cargas de trabalho intensivas em transformadores que dominam a IA generativa moderna, marcando o passo mais concreto at\u00e9 agora da OpenAI rumo \u00e0 integra\u00e7\u00e3o vertical em sil\u00edcio. Para uma ind\u00fastria que h\u00e1 muito depende de GPUs de prop\u00f3sito geral para executar infer\u00eancia, o an\u00fancio \u00e9 um sinal de que a economia, o perfil de lat\u00eancia e a cadeia de suprimentos para servi\u00e7os com modelos de grande porte est\u00e3o entrando em uma nova fase.<\/p>\n<div class=\"convly-tldr\">\n<h3>Principais conclus\u00f5es<\/h3>\n<ul>\n<li>A OpenAI e a Broadcom revelaram um chip de infer\u00eancia desenvolvido conjuntamente e otimizado especificamente para modelos de linguagem de grande porte, segundo relato do StorageNewsletter.<\/li>\n<li>O acelerador destina-se \u00e0 infer\u00eancia \u2014 o lado de servi\u00e7o da IA \u2014 e n\u00e3o ao treinamento, visando a por\u00e7\u00e3o de demanda computacional que mais cresce atualmente.<\/li>\n<li>Essa parceria representa o movimento mais claro da OpenAI rumo a sil\u00edcio personalizado e a expans\u00e3o cont\u00ednua da Broadcom em aceleradores de IA para hiperscalers.<\/li>\n<li>Sil\u00edcio de infer\u00eancia espec\u00edfico para LLMs promete menor custo por token, lat\u00eancia mais rigorosa e maior efici\u00eancia energ\u00e9tica em compara\u00e7\u00e3o com GPUs de prop\u00f3sito geral.<\/li>\n<li>Separately, StorageNewsletter&#8217;s coverage sits alongside reporting that DeepSeek is developing its own proprietary AI inference chip, underscoring a wider industry pivot to in-house accelerators.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a5277a4ac291\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Alternar<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a5277a4ac291\"  aria-label=\"Alternar\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#Why_an_LLM-specific_inference_chip_matters_now\" >Por que um chip de infer\u00eancia espec\u00edfico para LLMs \u00e9 relevante agora<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#What_StorageNewsletter_has_confirmed_about_the_chip\" >O que o StorageNewsletter confirmou sobre o chip<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#OpenAIs_silicon_strategy_takes_shape\" >A estrat\u00e9gia de sil\u00edcio da OpenAI toma forma<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#Broadcoms_expanding_role_in_bespoke_AI_silicon\" >O papel crescente da Broadcom em sil\u00edcio de IA sob medida<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#Inference_silicon_versus_general-purpose_GPUs\" >Sil\u00edcio de infer\u00eancia versus GPUs de prop\u00f3sito geral<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#The_wider_industry_shift_toward_custom_AI_silicon\" >A mudan\u00e7a mais ampla da ind\u00fastria rumo a sil\u00edcio de IA personalizado<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#What_this_means_for_AI_developers_and_enterprises\" >O que isso significa para desenvolvedores e empresas de IA<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#Frequently_asked_questions\" >Perguntas frequentes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/pt\/openai-broadcom-llm-inference-chip\/#The_bottom_line\" >Resumo final<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Why_an_LLM-specific_inference_chip_matters_now\"><\/span>Por que um chip de infer\u00eancia espec\u00edfico para LLMs \u00e9 relevante agora<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A economia de opera\u00e7\u00e3o de um <strong>llm<\/strong> moderno mudou drasticamente nos \u00faltimos dezoito meses. Enquanto o treinamento antes dominava manchetes e investimentos em capital, a infer\u00eancia \u2014 o momento em que um modelo realmente responde a um usu\u00e1rio \u2014 agora representa a maior parcela dos gastos cont\u00ednuos com computa\u00e7\u00e3o em implanta\u00e7\u00f5es em escala de hiperscalers. O relat\u00f3rio do StorageNewsletter apresenta o acelerador OpenAI\u2013Broadcom como uma resposta direta a essa mudan\u00e7a, descrevendo-o como otimizado para os padr\u00f5es de infer\u00eancia baseados em transformadores que sustentam sistemas do tipo ChatGPT.<\/p>\n<p>As cargas de trabalho de infer\u00eancia s\u00e3o estruturalmente diferentes das de treinamento: s\u00e3o sens\u00edveis \u00e0 lat\u00eancia, limitadas pela largura de banda de mem\u00f3ria e dominadas por opera\u00e7\u00f5es de matriz-vetor, em vez de matriz-matriz, ap\u00f3s a fase de processamento do prompt. Um projeto de sil\u00edcio que trata essas caracter\u00edsticas como restri\u00e7\u00f5es priorit\u00e1rias \u2014 em vez de adotar uma arquitetura voltada para treinamento \u2014 pode, em princ\u00edpio, gerar uma melhoria significativa no custo por token. Essa \u00e9 a aposta subjacente ao an\u00fancio.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_StorageNewsletter_has_confirmed_about_the_chip\"><\/span>O que o StorageNewsletter confirmou sobre o chip<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Os fatos principais relatados s\u00e3o sucintos, mas objetivos: o StorageNewsletter afirma que a OpenAI e a Broadcom revelaram um acelerador de infer\u00eancia otimizado para LLMs. A abordagem do ve\u00edculo coloca essa colabora\u00e7\u00e3o ao lado de uma onda mais ampla de programas de sil\u00edcio personalizado em toda a ind\u00fastria de IA, posicionando o chip como um projeto voltado exclusivamente para infer\u00eancia, e n\u00e3o como um acelerador de IA gen\u00e9rico.<\/p>\n<p>Al\u00e9m disso, detalhes espec\u00edficos sobre n\u00f3 de processo, configura\u00e7\u00e3o de mem\u00f3ria e cronogramas de lan\u00e7amento n\u00e3o foram divulgados nos trechos de reportagem dispon\u00edveis no momento da reda\u00e7\u00e3o deste artigo. Os leitores devem tratar com cautela quaisquer valores precisos de TFLOPS, pilha de HBM ou densidade por rack que circulam nas redes sociais at\u00e9 que sejam confirmados pelas pr\u00f3prias empresas. O que \u00e9 claro \u00e9 a dire\u00e7\u00e3o estrat\u00e9gica: a OpenAI deseja sil\u00edcio personalizado sob sua pr\u00f3pria influ\u00eancia, e a Broadcom \u00e9 o parceiro que transforma essa inten\u00e7\u00e3o em wafers.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"OpenAIs_silicon_strategy_takes_shape\"><\/span>A estrat\u00e9gia de sil\u00edcio da OpenAI toma forma<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Para a OpenAI, a parceria com a Broadcom representa o resultado mais tang\u00edvel at\u00e9 agora de uma estrat\u00e9gia h\u00e1 muito discutida na imprensa especializada: reduzir a depend\u00eancia exclusiva de um \u00fanico fornecedor de GPUs e obter vantagem arquitet\u00f4nica sobre os chips que servem seus modelos. Uma pe\u00e7a de infer\u00eancia desenvolvida conjuntamente oferece \u00e0 empresa uma maneira de co-otimizar hardware e software \u2014 agendamento de kernels, gerenciamento de cache KV, acelera\u00e7\u00e3o de padr\u00f5es de aten\u00e7\u00e3o \u2014 de formas que uma GPU comercial n\u00e3o consegue igualar facilmente. Isso tem implica\u00e7\u00f5es que v\u00e3o muito al\u00e9m dos pr\u00f3prios produtos da OpenAI: os pre\u00e7os de sua API, a responsividade de aplica\u00e7\u00f5es secund\u00e1rias e a sustentabilidade de camadas voltadas ao consumidor todos se relacionam, em \u00faltima inst\u00e2ncia, com o custo de um \u00fanico token gerado.<\/p>\n<p>Desenvolvedores que acompanham essa curva de pre\u00e7os podem rastrear como a economia por token se traduz entre provedores usando nossa <a href=\"https:\/\/convly.ai\/pt\/ai-api-cost-calculator\/\">Calculadora de custos de API de IA<\/a>calculadora de custos de APIs de IA, que modela os custos reais de cargas de trabalho com base nas tarifas publicadas.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Broadcoms_expanding_role_in_bespoke_AI_silicon\"><\/span>O papel crescente da Broadcom em sil\u00edcio de IA sob medida<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A Broadcom tornou-se discretamente um dos nomes mais importantes em aceleradores de IA sob medida. Seu neg\u00f3cio de ASICs personalizados \u2014 historicamente ancorado em componentes para redes e projetados por hiperscalers \u2014 expandiu-se para sil\u00edcio de aprendizado de m\u00e1quina destinado a alguns dos maiores operadores de nuvem. Incluir a OpenAI nesse portf\u00f3lio, conforme relatado pelo StorageNewsletter, consolida a posi\u00e7\u00e3o da Broadcom como parceira fabless preferida para organiza\u00e7\u00f5es que desejam um acelerador personalizado sem precisar montar uma equipe completa de projeto de chips do zero.<\/p>\n<p>Para o mercado de hardware em geral, o envolvimento da Broadcom \u00e9 relevante porque valida um modelo: um laborat\u00f3rio de IA de ponta fornece o conhecimento sobre cargas de trabalho e as prioridades arquitet\u00f4nicas, enquanto um fabricante experiente de sil\u00edcio comercial contribui com projeto f\u00edsico, empacotamento e parcerias de fabrica\u00e7\u00e3o. Esse modelo j\u00e1 est\u00e1 sendo replicado em toda a ind\u00fastria.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Inference_silicon_versus_general-purpose_GPUs\"><\/span>Sil\u00edcio de infer\u00eancia versus GPUs de prop\u00f3sito geral<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A pergunta mais imediata para os usu\u00e1rios de modelos de IA \u00e9 como um acelerador de infer\u00eancia espec\u00edfico para LLMs se compara \u00e0s GPUs de prop\u00f3sito geral que atualmente dominam o mercado. A tabela abaixo resume a distin\u00e7\u00e3o qualitativa entre essas duas filosofias de projeto, com base nos objetivos descritos em relatos da ind\u00fastria, e n\u00e3o em qualquer benchmark publicado para o novo componente.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Atributo<\/th>\n<th>GPU de IA de prop\u00f3sito geral<\/th>\n<th>Chip de infer\u00eancia otimizado para LLMs<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Carga de trabalho principal<\/td>\n<td>Treinamento e infer\u00eancia<\/td>\n<td>Apenas infer\u00eancia<\/td>\n<\/tr>\n<tr>\n<td>Prioridade de projeto<\/td>\n<td>FLOPS m\u00e1ximos, flexibilidade<\/td>\n<td>Tokens por segundo por watt, lat\u00eancia<\/td>\n<\/tr>\n<tr>\n<td>Ecossistema de software<\/td>\n<td>Ampla e madura<\/td>\n<td>Co-projetada rigorosamente com os modelos-alvo<\/td>\n<\/tr>\n<tr>\n<td>Destino de implanta\u00e7\u00e3o<\/td>\n<td>Qualquer carga de trabalho de IA<\/td>\n<td>Frotas de atendimento de LLMs baseadas em Transformer<\/td>\n<\/tr>\n<tr>\n<td>Promessa econ\u00f4mica<\/td>\n<td>Reutiliza\u00e7\u00e3o entre treinamento e atendimento<\/td>\n<td>Custo menor por token gerado<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Equipes que avaliam a compensa\u00e7\u00e3o entre alugar infer\u00eancia em GPUs gen\u00e9ricas e executar seu pr\u00f3prio sil\u00edcio podem explorar os c\u00e1lculos subjacentes a essa escolha com nosso <a href=\"https:\/\/convly.ai\/pt\/self-hosting-vs-api-calculator\/\">calculadora de autohospedagem versus API<\/a>, ou comparar as op\u00e7\u00f5es atuais de aceleradores em nosso <a href=\"https:\/\/convly.ai\/pt\/best-gpus-for-ai-2026\/\">melhores GPUs para IA<\/a> resumo.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_wider_industry_shift_toward_custom_AI_silicon\"><\/span>A mudan\u00e7a mais ampla da ind\u00fastria rumo a sil\u00edcio de IA personalizado<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O an\u00fancio da OpenAI e da Broadcom ocorre em um mercado que est\u00e1 visivelmente se reorganizando em torno de aceleradores personalizados. A cobertura pr\u00f3pria da StorageNewsletter acompanha um relat\u00f3rio separado indicando que a DeepSeek est\u00e1 desenvolvendo um chip propriet\u00e1rio de infer\u00eancia de IA, outro sinal de que os desenvolvedores de modelos j\u00e1 n\u00e3o se contentam em ser meros clientes de fornecedores comerciais de GPUs. Para leitores que acompanham esse ecossistema chin\u00eas, nossa an\u00e1lise de <a href=\"https:\/\/convly.ai\/pt\/deepseek-v4\/\">DeepSeek V4<\/a> oferece contexto sobre o lado dos modelos nesse mesmo movimento.<\/p>\n<p>A l\u00f3gica estrat\u00e9gica \u00e9 consistente nesses programas: em volumes de atendimento em escala hipermassiva, at\u00e9 melhorias de um d\u00edgito percentual em tokens por watt se traduzem em centenas de milh\u00f5es de d\u00f3lares por ano. Um componente personalizado de infer\u00eancia projetado especificamente para uma determinada fam\u00edlia de modelos pode extrair esses ganhos de maneiras que uma GPU de prop\u00f3sito geral n\u00e3o consegue. Isso n\u00e3o significa o fim dos chips comerciais de IA \u2014 o treinamento, em particular, continuar\u00e1 sendo um mercado fortemente impulsionado por GPUs \u2014, mas redesenha o cen\u00e1rio competitivo para infer\u00eancia, onde o custo final para o usu\u00e1rio final \u00e9 efetivamente definido.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_this_means_for_AI_developers_and_enterprises\"><\/span>O que isso significa para desenvolvedores e empresas de IA<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Para desenvolvedores que constroem sobre APIs de ponta <strong>llm<\/strong> a implica\u00e7\u00e3o pr\u00e1tica \u00e9 direta: espere que a curva de custos para infer\u00eancia com modelos grandes continue a declinar nos pr\u00f3ximos v\u00e1rios trimestres. O sil\u00edcio projetado especificamente para essa finalidade \u00e9 uma alavanca estrutural duradoura, n\u00e3o uma promo\u00e7\u00e3o pontual; e, se o chip OpenAI\u2013Broadcom desempenhar conforme os objetivos de projeto anunciados, seus benef\u00edcios dever\u00e3o se refletir progressivamente nos pre\u00e7os das APIs e nos limites de taxa. <a href=\"https:\/\/convly.ai\/pt\/ai-price-performance-index-2026\/\">\u00cdndice de desempenho-custo de IA<\/a> e o nosso <a href=\"https:\/\/convly.ai\/pt\/models\/\">Banco de dados de modelos de IA<\/a>.<\/p>\n<p>As equipes podem comparar essas mudan\u00e7as com o mercado mais amplo por meio do nosso<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_asked_questions\"><\/span>Perguntas frequentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>O que exatamente a OpenAI e a Broadcom anunciaram?<\/strong> Segundo a StorageNewsletter, as duas empresas revelaram um chip de infer\u00eancia otimizado especificamente para modelos de linguagem de grande porte, desenvolvido conjuntamente. A reportagem o caracteriza como um acelerador voltado exclusivamente para infer\u00eancia, e n\u00e3o para treinamento.<\/p>\n<p><strong>Is this chip going to replace GPUs for AI workloads?<\/strong> \u00c9 improv\u00e1vel no curto prazo. Os chips de infer\u00eancia de LLMs projetados especificamente para esse fim t\u00eam como foco o lado do atendimento da IA, onde o custo por token \u00e9 o fator dominante. Espera-se que o treinamento e cargas de trabalho mistas continuem dependendo fortemente de GPUs de prop\u00f3sito geral.<\/p>\n<p><strong>Isso reduzir\u00e1 o pre\u00e7o da API da OpenAI?<\/strong> O an\u00fancio n\u00e3o inclui orienta\u00e7\u00f5es sobre precifica\u00e7\u00e3o, mas a justificativa estrat\u00e9gica para o uso de sil\u00edcio personalizado de infer\u00eancia \u00e9 exatamente reduzir o custo por token. Qualquer altera\u00e7\u00e3o apareceria nas futuras atualiza\u00e7\u00f5es das tarifas da API, e n\u00e3o de forma imediata.<\/p>\n<p><strong>Como isso se relaciona com outros esfor\u00e7os de desenvolvimento de chips de IA personalizados?<\/strong> A reportagem da StorageNewsletter aparece ao lado de coberturas sobre a DeepSeek desenvolvendo seu pr\u00f3prio chip propriet\u00e1rio de infer\u00eancia de IA, parte de um movimento mais amplo da ind\u00fastria, no qual desenvolvedores de modelos avan\u00e7am rumo a aceleradores internos.<\/p>\n<p><strong>Quando esse chip ser\u00e1 efetivamente lan\u00e7ado?<\/strong> Prazos espec\u00edficos n\u00e3o foram detalhados na reportagem dispon\u00edvel no momento da reda\u00e7\u00e3o deste texto. Os leitores devem acompanhar divulga\u00e7\u00f5es complementares diretamente da OpenAI ou da Broadcom para obter datas definitivas de implanta\u00e7\u00e3o.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_bottom_line\"><\/span>Resumo final<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O acelerador de infer\u00eancia OpenAI\u2013Broadcom, conforme relatado pela StorageNewsletter, diz menos respeito a qualquer especifica\u00e7\u00e3o individual do chip do que a uma mudan\u00e7a duradoura na forma como a IA de ponta ser\u00e1 disponibilizada. O sil\u00edcio de LLM projetado especificamente para essa finalidade \u2014 co-projetado pelo laborat\u00f3rio que det\u00e9m a carga de trabalho e pelo fabricante fabless experiente que domina o fluxo de projeto f\u00edsico \u2014 tornou-se agora o modelo que outros desenvolvedores de modelos est\u00e3o claramente copiando. Para usu\u00e1rios e desenvolvedores de modelos de IA, a conclus\u00e3o pr\u00e1tica \u00e9 que o piso de custo para executar um modelo de linguagem de grande porte em escala est\u00e1 sendo reduzido intencionalmente por projeto, e n\u00e3o por desconto \u2014 e as empresas que alinharem suas estrat\u00e9gias de implanta\u00e7\u00e3o a essa tend\u00eancia ser\u00e3o as melhor posicionadas para colher seus benef\u00edcios.<\/p>\n<p><em>Fontes: news.google.com. Reportado em 7 de julho de 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>OpenAI and Broadcom have jointly unveiled an inference chip optimised for large language models, signalling a decisive move toward vertically integrated AI silicon.<\/p>","protected":false},"author":1,"featured_media":1484,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[245],"tags":[757,874,879,881,880,442,426],"class_list":["post-1483","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-chips","tag-ai-chips","tag-ai-hardware","tag-broadcom","tag-custom-silicon","tag-inference","tag-llm","tag-openai"],"_links":{"self":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1483","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/comments?post=1483"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1483\/revisions"}],"predecessor-version":[{"id":1485,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1483\/revisions\/1485"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/media\/1484"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/media?parent=1483"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/categories?post=1483"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/tags?post=1483"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}