{"id":1611,"date":"2026-07-19T03:32:41","date_gmt":"2026-07-19T03:32:41","guid":{"rendered":"https:\/\/convly.ai\/?p=1611"},"modified":"2026-07-19T03:32:41","modified_gmt":"2026-07-19T03:32:41","slug":"inference-chips-loan-collateral-general-compute-400m","status":"publish","type":"post","link":"https:\/\/convly.ai\/pt\/inference-chips-loan-collateral-general-compute-400m\/","title":{"rendered":"Chips de infer\u00eancia como garantia de empr\u00e9stimo: acordo de US$ 400 milh\u00f5es da General Compute"},"content":{"rendered":"<p>Um arranjo de financiamento que utiliza <strong>chips de infer\u00eancia como garantia de empr\u00e9stimo<\/strong>, em vez de GPUs da NVIDIA, passou para o centro da conversa sobre hardware de IA. Segundo o Tech Times, a General Compute fechou um marco de US$ 400 milh\u00f5es, no qual chips de infer\u00eancia servem como ativos oferecidos em garantia para o empr\u00e9stimo. Essa formula\u00e7\u00e3o \u00e9 significativa: durante grande parte da atual expans\u00e3o da IA, os processadores gr\u00e1ficos fabricados pela NVIDIA foram o hardware contra o qual os credores estavam dispostos a emprestar. Um acordo que substitui sil\u00edcio especializado em infer\u00eancia por essas GPUs indica um mercado em matura\u00e7\u00e3o e diversifica\u00e7\u00e3o para as m\u00e1quinas que executam cargas de trabalho modernas de IA.<\/p>\n<div class=\"convly-tldr\">\n<h3>Principais conclus\u00f5es<\/h3>\n<ul>\n<li>O Tech Times relata que a General Compute concluiu um marco de empr\u00e9stimo de aproximadamente US$ 400 milh\u00f5es utilizando chips de infer\u00eancia como garantia.<\/li>\n<li>Esse arranjo substitui as GPUs da NVIDIA, que normalmente sustentaram os empr\u00e9stimos lastreados em hardware na era da IA, por sil\u00edcio dedicado \u00e0 infer\u00eancia.<\/li>\n<li>Essa not\u00edcia sinaliza que credores e operadores podem cada vez mais tratar chips otimizados para infer\u00eancia como ativos banc\u00e1veis e financeiramente vi\u00e1veis por si mesmos.<\/li>\n<li>Os termos exatos \u2014 o credor, o fornecedor dos chips, a taxa de juros e o cronograma de reembolso \u2014 n\u00e3o s\u00e3o divulgados na reportagem dispon\u00edvel para n\u00f3s, portanto esses detalhes permanecem n\u00e3o confirmados.<\/li>\n<li>Para desenvolvedores de IA e usu\u00e1rios de modelos, a quest\u00e3o mais ampla \u00e9 se hardware de infer\u00eancia mais barato e diversificado acabar\u00e1 reduzindo os custos de hospedagem.<\/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-6a67e787d4cdb\" 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-6a67e787d4cdb\"  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\/inference-chips-loan-collateral-general-compute-400m\/#What_General_Computes_400M_deal_actually_says\" >O que o acordo de US$ 400 milh\u00f5es da General Compute realmente revela<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/pt\/inference-chips-loan-collateral-general-compute-400m\/#Why_inference_chips_as_loan_collateral_is_a_shift\" >Por que usar chips de infer\u00eancia como garantia representa uma mudan\u00e7a<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/pt\/inference-chips-loan-collateral-general-compute-400m\/#How_GPU-backed_financing_set_the_stage\" >Como o financiamento lastreado em GPUs preparou o terreno<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/pt\/inference-chips-loan-collateral-general-compute-400m\/#What_it_could_mean_for_AI_developers_and_model_users\" >O que isso pode significar para desenvolvedores de IA e usu\u00e1rios de modelos<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/pt\/inference-chips-loan-collateral-general-compute-400m\/#What_the_sources_confirm_%E2%80%94_and_what_they_do_not\" >O que as fontes confirmam \u2014 e o que n\u00e3o confirmam<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/pt\/inference-chips-loan-collateral-general-compute-400m\/#The_competitive_backdrop_for_inference_silicon\" >O cen\u00e1rio competitivo para sil\u00edcio de infer\u00eancia<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/pt\/inference-chips-loan-collateral-general-compute-400m\/#Frequently_asked_questions\" >Perguntas frequentes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/pt\/inference-chips-loan-collateral-general-compute-400m\/#The_bottom_line\" >Resumo final<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_General_Computes_400M_deal_actually_says\"><\/span>O que o acordo de US$ 400 milh\u00f5es da General Compute realmente revela<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Os fatos relatados s\u00e3o limitados, mas precisos. Segundo o Tech Times, a General Compute estruturou um empr\u00e9stimo de cerca de US$ 400 milh\u00f5es, cuja garantia consiste em um estoque de chips de infer\u00eancia, em vez de GPUs da NVIDIA. Esse \u00e9 o cerne da hist\u00f3ria, e vale a pena ser rigoroso ao delimitar claramente o que foi reportado e o que n\u00e3o foi. A manchete identifica apenas parcialmente as partes envolvidas \u2014 a General Compute \u00e9 nomeada \u2014, o valor do acordo e a natureza da garantia. N\u00e3o especifica, nos materiais dispon\u00edveis para n\u00f3s, o credor, o fornecedor ou arquitetura exata dos chips, o prazo do empr\u00e9stimo nem a metodologia de avalia\u00e7\u00e3o aplicada ao hardware.<\/p>\n<p>Tratamos essas omiss\u00f5es como lacunas reais, sem tentar preench\u00ea-las. O que pode ser afirmado com seguran\u00e7a \u00e9 que essa transa\u00e7\u00e3o est\u00e1 sendo caracterizada como in\u00e9dita ou, pelo menos, incomumente proeminente no uso de chips espec\u00edficos para infer\u00eancia em empr\u00e9stimos lastreados em ativos. Essa pr\u00f3pria caracteriza\u00e7\u00e3o explica por que o acordo est\u00e1 gerando cobertura: trata uma categoria de sil\u00edcio que muitas vezes viveu \u00e0 sombra da NVIDIA como um ativo s\u00e9rio e financeiramente vi\u00e1vel.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Why_inference_chips_as_loan_collateral_is_a_shift\"><\/span>Por que usar chips de infer\u00eancia como garantia representa uma mudan\u00e7a<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Para compreender por que utilizar <strong>chips de infer\u00eancia como garantia de empr\u00e9stimo<\/strong> \u00e9 not\u00e1vel, ajuda separar duas fases do processamento de IA. Treinar um modelo grande exige grande poder computacional e tem sido dominado por GPUs de alto desempenho. J\u00e1 a infer\u00eancia \u2014 executar efetivamente o modelo treinado para responder perguntas, gerar texto ou classificar dados \u2014 \u00e9 uma carga de trabalho distinta e, em termos agregados, muito maior. \u00c0 medida que os servi\u00e7os de IA implantados escalam, o volume de infer\u00eancia pode superar amplamente o custo \u00fanico do treinamento; \u00e9 por isso que surgiu uma onda de chips projetados especificamente para servir modelos de forma eficiente.<\/p>\n<p>Empr\u00e9stimos lastreados em hardware exigem que o credor acredite em duas coisas: que o ativo mant\u00e9m valor e que pode ser revendido ou realocado caso o tomador entre em inadimpl\u00eancia. As GPUs da NVIDIA t\u00eam atendido a ambas as condi\u00e7\u00f5es gra\u00e7as \u00e0 sua liquidez \u2014 h\u00e1 um mercado secund\u00e1rio profundo e \u00e1vido. Ao aceitar, segundo relatos, chips de infer\u00eancia em vez disso, as contrapartes no acordo da General Compute est\u00e3o implicitamente afirmando que essa classe de sil\u00edcio agora atinge um patamar semelhante. Essa \u00e9 a relev\u00e2ncia anal\u00edtica, apresentada como contexto e n\u00e3o como fato rec\u00e9m-relatado: o mercado pode estar come\u00e7ando a precificar hardware especializado em infer\u00eancia como um ativo duradouro e adequado como garantia.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_GPU-backed_financing_set_the_stage\"><\/span>Como o financiamento lastreado em GPUs preparou o terreno<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Como pano de fundo \u2014 e este \u00e9 um contexto setorial geral, n\u00e3o parte do relat\u00f3rio do Tech Times \u2014, os \u00faltimos anos viram grandes volumes de capital levantados com base em frotas de aceleradores de IA. Operadores de data centers e provedores especializados de computa\u00e7\u00e3o usaram seu hardware como garantia para financiar expans\u00f5es r\u00e1pidas, e os chips da NVIDIA tornaram-se a garantia natural devido \u00e0 sua onipresen\u00e7a e valor de revenda. Esse modelo transformou a GPU n\u00e3o apenas em um componente, mas tamb\u00e9m em um instrumento cont\u00e1bil.<\/p>\n<p>A troca sempre envolveu concentra\u00e7\u00e3o. Depender exclusivamente dos componentes de um \u00fanico fornecedor tanto para a carga de trabalho quanto para o financiamento vincula rigidamente o destino de um operador \u00e0 roadmap, aos pre\u00e7os e \u00e0 oferta desse fornecedor. Um acordo que amplia a lista de garantias aceit\u00e1veis para incluir chips de infer\u00eancia, ao menos em princ\u00edpio, reduz essa depend\u00eancia. Leitores que avaliam o lado de hardware dessa quest\u00e3o podem comparar as op\u00e7\u00f5es atuais em nossa an\u00e1lise dos <a href=\"https:\/\/convly.ai\/pt\/best-gpus-for-ai-2026\/\">melhores GPUs para IA<\/a>, e avaliar o valor relativo entre aceleradores em nosso <a href=\"https:\/\/convly.ai\/pt\/ai-price-performance-index-2026\/\">\u00cdndice de desempenho-pre\u00e7o em IA<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_it_could_mean_for_AI_developers_and_model_users\"><\/span>O que isso pode significar para desenvolvedores de IA e usu\u00e1rios de modelos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O acordo imediato \u00e9 uma hist\u00f3ria de financiamento, mas s\u00e3o os efeitos de segunda ordem que importam para quem constr\u00f3i solu\u00e7\u00f5es com base em IA. Se chips de infer\u00eancia se tornarem mais f\u00e1ceis de financiar, o custo de capital para implantar capacidade de hospedagem diminui, permitindo que os operadores implantessem mais dela. Historicamente, uma oferta maior e mais competitiva de hardware para hospedagem tendeu a reduzir o custo por token para execu\u00e7\u00e3o de modelos \u2014 embora se isso ocorrer\u00e1 aqui dependa de detalhes n\u00e3o abordados na reportagem.<\/p>\n<p>Para equipes que escolhem entre alugar capacidade ou possu\u00ed-la, a economia de hardware influencia diretamente a decis\u00e3o de construir versus comprar. Nossa <a href=\"https:\/\/convly.ai\/pt\/self-hosting-vs-api-calculator\/\">calculadora de autohospedagem versus API<\/a> foi criada exatamente para essa compara\u00e7\u00e3o, e qualquer pessoa que dimensione implanta\u00e7\u00f5es locais pode estimar suas necessidades de mem\u00f3ria com nossa <a href=\"https:\/\/convly.ai\/pt\/llm-vram-calculator\/\">calculadora gratuita de VRAM<\/a>. A linha condutora \u00e9 simples: sil\u00edcio de infer\u00eancia mais barato e diversificado \u00e9, ao longo do tempo, uma boa not\u00edcia para o custo de execu\u00e7\u00e3o de IA \u2014 mas o acordo da General Compute \u00e9 uma \u00fanica transa\u00e7\u00e3o de financiamento, n\u00e3o um corte de pre\u00e7os em toda a ind\u00fastria, e deve ser interpretado assim.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_the_sources_confirm_%E2%80%94_and_what_they_do_not\"><\/span>O que as fontes confirmam \u2014 e o que n\u00e3o confirmam<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Como a reportagem original \u00e9 apenas uma manchete e um breve trecho, \u00e9 importante ser transparente quanto \u00e0s evid\u00eancias. A tabela abaixo separa os detalhes reportados das informa\u00e7\u00f5es ainda n\u00e3o divulgadas. N\u00e3o inventamos nenhum dado; onde a informa\u00e7\u00e3o est\u00e1 ausente, indicamos como \"n\u00e3o divulgado\".<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Detalhe<\/th>\n<th>O que a reportagem afirma<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Valor do acordo reportado<\/td>\n<td>Aproximadamente US$ 400 milh\u00f5es<\/td>\n<\/tr>\n<tr>\n<td>Garantia<\/td>\n<td>Chips de infer\u00eancia, substituindo GPUs da NVIDIA<\/td>\n<\/tr>\n<tr>\n<td>Parte nomeada<\/td>\n<td>General Compute<\/td>\n<\/tr>\n<tr>\n<td>Caracteriza\u00e7\u00e3o<\/td>\n<td>Um acordo marcante, segundo o Tech Times<\/td>\n<\/tr>\n<tr>\n<td>Credor \/ financiador<\/td>\n<td>N\u00e3o divulgado no trecho<\/td>\n<\/tr>\n<tr>\n<td>Fornecedor ou arquitetura dos chips<\/td>\n<td>N\u00e3o divulgado no trecho<\/td>\n<\/tr>\n<tr>\n<td>Termos do empr\u00e9stimo, taxa de juros e prazo<\/td>\n<td>N\u00e3o divulgado no trecho<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Essa disciplina \u00e9 essencial em um mercado em r\u00e1pida evolu\u00e7\u00e3o, onde detalhes s\u00e3o facilmente assumidos. Reproduzir apenas o que foi reportado mant\u00e9m a an\u00e1lise honesta e permite que os leitores avaliem sua relev\u00e2ncia sem se ancorarem em n\u00fameros nunca publicados. Para quem acompanha os modelos que esses chips finalmente servem, nosso <a href=\"https:\/\/convly.ai\/pt\/models\/\">Banco de dados de modelos de IA<\/a> cataloga as especifica\u00e7\u00f5es e pre\u00e7os atuais.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_competitive_backdrop_for_inference_silicon\"><\/span>O cen\u00e1rio competitivo para sil\u00edcio de infer\u00eancia<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Como contexto geral, a demanda por chips espec\u00edficos para infer\u00eancia cresceu paralelamente \u00e0 implanta\u00e7\u00e3o de servi\u00e7os de IA em produ\u00e7\u00e3o. A economia de servir modelos em larga escala valoriza hardware otimizado para taxa de transfer\u00eancia, efici\u00eancia energ\u00e9tica e custo por consulta, em vez de desempenho bruto em treinamento. Um acordo de financiamento que utiliza esses chips como garantia representa, na pr\u00e1tica, um sinal de mercado de que essa categoria possui sustentabilidade comercial. \u00c9 razo\u00e1vel interpretar a transa\u00e7\u00e3o da General Compute como parte dessa normaliza\u00e7\u00e3o mais ampla do hardware para infer\u00eancia \u2014 embora seja importante lembrar que um \u00fanico acordo, por si s\u00f3, n\u00e3o estabelece uma tend\u00eancia.<\/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>Do que trata o acordo da General Compute?<\/strong> Segundo o Tech Times, a General Compute fechou um empr\u00e9stimo hist\u00f3rico de US$ 400 milh\u00f5es, no qual chips para infer\u00eancia s\u00e3o utilizados como garantia do empr\u00e9stimo, substituindo GPUs da NVIDIA.<\/p>\n<p><strong>Por que \u00e9 significativo utilizar chips para infer\u00eancia como garantia de empr\u00e9stimo?<\/strong> Isso sugere que os credores est\u00e3o dispostos a tratar o sil\u00edcio espec\u00edfico para infer\u00eancia como um ativo financeiramente vi\u00e1vel e pass\u00edvel de revenda \u2014 um papel que tradicionalmente coube \u00e0s GPUs da NVIDIA nos empr\u00e9stimos lastreados em hardware da era da IA.<\/p>\n<p><strong>Qual empresa ou chip est\u00e1 fornecendo a garantia?<\/strong> A General Compute \u00e9 a parte nomeada. O fabricante espec\u00edfico do chip, sua arquitetura e o credor n\u00e3o foram mencionados nas informa\u00e7\u00f5es dispon\u00edveis para n\u00f3s, de modo que esses detalhes permanecem n\u00e3o confirmados.<\/p>\n<p><strong>Isso significa que a infer\u00eancia de IA ficar\u00e1 mais barata?<\/strong> N\u00e3o diretamente. Um financiamento mais f\u00e1cil para hardware de infer\u00eancia pode, ao longo do tempo, expandir a capacidade de atendimento e pressionar os custos por consulta, mas o acordo relatado \u00e9 uma \u00fanica opera\u00e7\u00e3o de financiamento e, por si s\u00f3, n\u00e3o define pre\u00e7os.<\/p>\n<p><strong>Qual foi o valor do acordo?<\/strong> O Tech Times informa um valor aproximado de US$ 400 milh\u00f5es. Nenhum outro termo financeiro foi divulgado no trecho dispon\u00edvel para n\u00f3s.<\/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>Resumido ao essencial, o fato \u00e9 simples, mas suas implica\u00e7\u00f5es s\u00e3o maiores do que sua extens\u00e3o. O Tech Times relata que a General Compute utilizou <strong>chips de infer\u00eancia como garantia de empr\u00e9stimo<\/strong> em um acordo hist\u00f3rico de US$ 400 milh\u00f5es, afastando-se das GPUs da NVIDIA que sustentaram grande parte dos empr\u00e9stimos lastreados em ativos da era da IA. A cobertura jornal\u00edstica \u00e9 escassa em detalhes, e resistimos \u00e0 tentativa de preencher essas lacunas. Contudo, a dire\u00e7\u00e3o do movimento \u00e9 clara o suficiente para ser observada: \u00e0 medida que a infer\u00eancia se torna o custo dominante e cont\u00ednuo da opera\u00e7\u00e3o de IA, os chips respons\u00e1veis por essa tarefa come\u00e7am a ser tratados como ativos financeiros s\u00e9rios. Se este ser\u00e1 o primeiro de muitos acordos semelhantes ou apenas um caso isolado depender\u00e1 de detalhes ainda n\u00e3o publicados \u2014 e \u00e9 nisso que manteremos nossa aten\u00e7\u00e3o.<\/p>\n<p><em>Fontes: news.google.com. Relatado em 19 de julho de 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>General Compute has closed a landmark US$400 million deal that uses inference chips as loan collateral in place of Nvidia GPUs, according to Tech Times. We unpack what it signals for AI hardware financing.<\/p>","protected":false},"author":1,"featured_media":1612,"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":[936,874,940,939,935,937,938],"class_list":["post-1611","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-chips","tag-ai-chip-financing","tag-ai-hardware","tag-asset-backed-lending","tag-general-compute","tag-inference-chips","tag-loan-collateral","tag-nvidia-gpus"],"_links":{"self":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1611","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=1611"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1611\/revisions"}],"predecessor-version":[{"id":1613,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1611\/revisions\/1613"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/media\/1612"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/media?parent=1611"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/categories?post=1611"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/tags?post=1611"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}