Fontes
- TechCrunch AI
Entre para a comunidade
Crie sua conta gratuita na Charmloop — sem cartão e sem limites para explorar. Comece a criar arte com IA em minutos.

Crie sua conta gratuita na Charmloop — sem cartão e sem limites para explorar. Comece a criar arte com IA em minutos.
A SambaNova captou US$ 1 bilhão com valuation de US$ 11 bilhões no primeiro fechamento de sua Série F, segundo o TechCrunch — uma reavaliação dramática que chega apenas cinco meses após sua rodada de financiamento anterior e à sombra de um suposto interesse de aquisição pela Intel por cerca de US$ 1,6 bilhão.
A distância entre a suposta oferta de US$ 1,6 bilhão da Intel e o valuation atual de US$ 11 bilhões conta a história com mais rapidez do que qualquer comunicado à imprensa. Se o interesse da Intel era genuíno — e o TechCrunch afirma que era —, a liderança da SambaNova claramente calculou que permanecer independente e captar recursos a um preço quase sete vezes maior era a jogada mais forte. Essa aposta agora conta com US$ 1 bilhão em capital fresco por trás dela.
O produto central da SambaNova é uma plataforma de inferência full-stack: chips RDU (Reconfigurable Dataflow Unit) personalizados combinados com sua própria camada de software, projetados para executar grandes modelos de linguagem e cargas de trabalho de IA generativa com mais rapidez e menor custo por token do que GPUs de uso geral. Essa proposta — silício desenvolvido especificamente para inferência, não apenas para treinamento — é cada vez mais o que os investidores querem ouvir, à medida que os gastos com infraestrutura de IA migram da construção de modelos para a execução deles em escala.
Para criadores que geram imagens, vídeos ou personagens por meio de plataformas baseadas em nuvem, o hardware subjacente importa mais do que costumava. A maioria dos principais serviços de geração de IA — incluindo as APIs que alimentam ferramentas de imagem e vídeo — opera sobre infraestrutura de inferência, e o custo e a velocidade dessa infraestrutura refletem diretamente no que as plataformas cobram e na rapidez com que os resultados chegam.
A proposta da SambaNova é que sua arquitetura RDU oferece maior throughput de tokens e menor latência em modelos grandes do que clusters Nvidia A100 ou H100 para tarefas de inferência pura. Se isso se confirmar em escala, cria pressão real sobre os provedores de nuvem centrados em GPU para competir em preço — o tipo de competição que tende a reduzir os custos de API ao longo do tempo.
A empresa já conta com diversas implantações em nuvem corporativa entre seus clientes, e o novo capital quase certamente será direcionado para expandir a capacidade dos data centers e acelerar a próxima geração de chips. Uma presença maior da SambaNova na infraestrutura de inferência significa que mais provedores terão uma alternativa às cadeias de fornecimento exclusivas da Nvidia — uma mudança estrutural com efeitos em cascata sobre a disponibilidade de modelos e os preços para quem constrói sobre APIs de IA.
O ritmo das captações é, por si só, um sinal. Duas grandes rodadas em cinco meses não caracterizam uma empresa que precisava de caixa — caracterizam uma empresa que viu uma janela de oportunidade e a aproveitou. O ciclo de investimentos em infraestrutura de IA avança rápido o suficiente para que esperar até um ano possa significar um ambiente de captação materialmente diferente.
A trajetória de valuation da SambaNova também recontextualiza a história da aquisição pela Intel. A US$ 1,6 bilhão, a Intel estaria comprando um ativo em dificuldades ou subavaliado. A US$ 11 bilhões, a SambaNova está precificada como uma genuína concorrente da Nvidia na camada de inferência — um objeto estratégico muito diferente. Se a empresa conseguirá sustentar esse valuation convertendo-o em receita e participação de mercado é a pergunta que os próximos doze meses responderão.
Por ora, a rodada confirma que os chips de inferência de IA desenvolvidos para fins específicos continuam sendo uma das apostas com financiamento mais agressivo do setor — e que a competição de hardware que está reduzindo o custo de execução de modelos de IA generativa está longe de terminar.