Por que um acordo entre Anthropic e o chip Maia 200 pode virar o jogo na disputa por chips de IA

A Microsoft investe há anos no desenvolvimento de chips próprios para seus data centers do Azure. Até agora, grande parte desses componentes vinha sendo usada internamente ou em projetos muito específicos.

Conseguir a Anthropic como cliente externo seria um marco importante: mostraria que os chips da empresa conseguem rodar modelos de IA de ponta em escala comercial, não apenas em testes ou aplicações internas.

Esse movimento também se conecta a um acordo muito maior anunciado em novembro de 2025. Na ocasião, Microsoft, Nvidia e Anthropic anunciaram uma parceria estratégica para escalar o modelo Claude na Azure.

O acordo incluiu:

• compromisso da Anthropic de comprar cerca de US$ 30 bilhões em capacidade de computação na Azure
• investimento de até US$ 5 bilhões da Microsoft na startup
• investimento de até US$ 10 bilhões da Nvidia

Ou seja, a possível adoção do Maia 200 não substituiria a infraestrutura da Nvidia. Na prática, ela ampliaria o mix de hardware usado pela Anthropic dentro da própria nuvem da Microsoft.

O que torna o chip Maia 200 diferente

O Maia 200 é a segunda geração de aceleradores de IA desenvolvidos pela Microsoft. Diferente de muitos chips voltados para treinamento de modelos, ele foi otimizado para inferência — a etapa em que o modelo já treinado gera respostas para usuários.

Essa fase é hoje uma das maiores despesas contínuas de empresas de IA, já que cada pergunta feita a um chatbot exige processamento.

Entre as principais especificações técnicas do Maia 200 estão:

• fabricação no processo 3 nanômetros da TSMC
• tensor cores FP4 e FP8 nativos, voltados para inferência de LLMs
• 216 GB de memória HBM3e
• cerca de 7 TB/s de largura de banda de memória
• 272 MB de SRAM no chip para alimentar grandes modelos
• mais de 10 petaFLOPS em FP4 e acima de 5 petaFLOPS em FP8

Segundo a Microsoft, a arquitetura foi projetada especificamente para reduzir o custo de geração de tokens em modelos de linguagem. A empresa afirma que o chip oferece cerca de 30% mais desempenho por dólar em comparação com o hardware anterior usado em sua infraestrutura.

Isso é relevante porque workloads de inferência priorizam eficiência, largura de banda e custo por consulta, e não apenas a flexibilidade bruta que GPUs oferecem para treinamento.

Como isso se encaixa na parceria com a Anthropic

A relação entre as duas empresas já é profunda. A Anthropic vem expandindo rapidamente o uso da Azure para rodar e distribuir seus modelos Claude.

Nesse contexto, servidores com Maia 200 provavelmente seriam usados para tarefas específicas, especialmente inferência em larga escala, enquanto GPUs da Nvidia continuariam dominando o treinamento de modelos e outras cargas pesadas.

Esse tipo de divisão de tarefas entre diferentes chips está se tornando cada vez mais comum na indústria de IA.

A tendência maior: multi‑cloud e multi‑chip

As conversas também refletem uma mudança estrutural na forma como empresas de IA operam sua infraestrutura.

Em vez de depender de um único provedor ou de um único tipo de hardware, muitos laboratórios estão adotando estratégias multi‑cloud e multi‑chip. Isso permite:

• reduzir dependência de um único fornecedor
• lidar melhor com escassez de GPUs
• negociar preços com provedores de infraestrutura
• usar hardware especializado para cada tipo de workload

Enquanto isso, as gigantes da nuvem estão desenvolvendo seus próprios chips para capturar mais valor do mercado de IA.

• Google aposta nos TPUs
• Amazon desenvolve os chips Trainium e Inferentia
• Microsoft investe na linha Maia

Todos esses projetos têm um objetivo comum: diminuir a dependência das GPUs da Nvidia e construir plataformas completas que vão do chip ao software de IA.

O que isso sinaliza para a corrida da infraestrutura de IA

A Nvidia ainda domina o mercado global de computação para IA. Mas os maiores provedores de nuvem do mundo estão rapidamente construindo stacks verticalmente integrados — chips, data centers e plataformas de IA — para disputar esse território.

Se a Anthropic realmente adotar o Maia 200 em larga escala, o movimento pode sinalizar uma nova fase dessa disputa: a de que chips projetados pelos próprios provedores de nuvem já são competitivos o suficiente para rodar modelos de ponta.

Nesse cenário, a batalha pela infraestrutura de IA deixa de ser apenas sobre software ou modelos — e passa também pelo silício que roda toda essa inteligência.