A Amazon Web Services lançou o TorchNeuron, ferramenta que permite a startups de IA migrar aplicações escritas em PyTorch para o Trainium, chip de IA da Amazon, mudando apenas uma linha de configuração e sem reescrever código. O anúncio é apresentado como uma facilidade para desenvolvedores, mas o alvo é maior: a camada de software que transformou a Nvidia na escolha padrão para treinar e rodar modelos.
O PyTorch é uma caixa de ferramentas gratuita e de código aberto usada para construir, treinar e executar modelos de IA. Segundo a Amazon, cerca de 85% das aplicações de IA são escritas com ele. O projeto nasceu no Facebook e, desde 2022, está sob a Linux Foundation. A Nvidia passou anos fazendo seu CUDA — a infraestrutura de software que conecta aplicações às suas GPUs e outros hardwares — funcionar de forma integrada com o PyTorch. Com isso, o hardware da empresa ficou embutido no fluxo de trabalho quase como padrão.
O TorchNeuron foi adaptado a partir do próprio PyTorch. Na prática, quem já conhece a ferramenta não precisa aprender uma nova linguagem: o código segue o mesmo, e a mudança de configuração direciona a execução ao Trainium. A Amazon não é a primeira a tentar facilitar esse tipo de portabilidade. Usuários de PyTorch já podem levar aplicações para GPUs da AMD ou até para chips da Apple com ajustes simples de configuração. A diferença que a AWS tenta vender é a integração com o restante de sua nuvem.
A ofensiva da AWS não termina no Trainium: a empresa quer mexer no próprio PyTorch para reduzir o código que amarra o framework à Nvidia.
É nesse ponto que a disputa deixa de ser apenas sobre chips. A Amazon afirmou que vai contribuir com mudanças no projeto principal do PyTorch, em conjunto com a comunidade, para remover trechos de código que vinculam o framework a hardwares específicos. O objetivo declarado é tornar o PyTorch mais agnóstico em relação ao chip, beneficiando todo o ecossistema, não apenas usuários do Trainium. A iniciativa favorece diretamente empresas que vendem hardware e nuvem concorrentes da Nvidia.
Para convencer startups, a AWS diz que o Trainium não é apenas uma alternativa de custo por token. A empresa argumenta que o mesmo chip serve para treinamento e inferência — ou seja, tanto para ensinar o modelo quanto para colocá-lo em produção, respondendo a usuários. Como isso estaria integrado à infraestrutura da AWS, a promessa é de economia ao longo de toda a carga de trabalho, mesmo que a Amazon não ofereça o preço mais baixo por token.
Colin Brace, VP de Software de Tecnologia da AWS Annapurna Labs, unidade que fabrica os chips customizados da Amazon, resumiu o argumento em resposta por e-mail: “Você está construindo na AWS. Não está apostando em um provedor de computação de propósito único e se virando para montar todo o resto em volta dele”. Segundo ele, a infraestrutura para ir do protótipo à produção já estaria disponível, o que permitiria ao fundador avançar rápido e escalar quando necessário. A AWS também diz que essa combinação é melhor para startups do que recorrer a neoclouds ligadas à Nvidia, casos de CoreWeave, Nebius e Firmus.
Brace citou a Deepgram, fornecedora de aplicativos de voz por IA e concorrente da ElevenLabs, como exemplo. De acordo com ele, a empresa migrou para o Trainium usando suporte nativo ao PyTorch e passou a processar 70% mais áudio por dólar com precisão de nível de produção. O número é usado pela AWS para sustentar a tese de que o ganho não está apenas no preço bruto do chip, mas na combinação entre desempenho, integração de nuvem e uso do mesmo hardware em diferentes etapas do ciclo de IA.
A estratégia, porém, tem uma incerteza embutida. Uma das funções do PyTorch é esconder as dificuldades de fazer código de IA rodar em hardwares diferentes. Ao remover vínculos específicos com a Nvidia, a Amazon pode ampliar a escolha e reduzir custos, como promete, mas também pode expor desenvolvedores a mais ajustes de configuração. O resultado prático dependerá de quão transparente será essa migração e de quanto desempenho será perdido ou ganho em cada plataforma.
Se a Amazon conseguir desacoplar profundamente o PyTorch da Nvidia, o impacto pode ser maior do que uma disputa entre fornecedores de chips. A meta declarada por Brace é remover a dependência que, segundo ele, impedia desenvolvedores de ter uma escolha real. Para o mercado, o sinal é que a briga pela IA agora inclui o controle do software que define onde os modelos rodam. Para usuários e startups, resta acompanhar se a promessa de mais opções e custos menores virá acompanhada de complexidade aceitável — ou apenas de uma nova camada de configuração.
