A inteligência artificial está esbarrando em um componente menos visível do que os grandes modelos: a memória que precisa alimentar esses sistemas. A Kepler Computing, uma startup de semicondutores que saiu do modo sigiloso nesta quarta-feira, afirma ter desenvolvido uma arquitetura capaz de aumentar a densidade de memória sem depender de novas fábricas equipadas com litografia ultravioleta extrema. A proposta foi apresentada pela WIRED em 9 de setembro de 2026.
O assunto importa porque modelos de IA não dependem apenas de um processador veloz. Eles também precisam movimentar grandes volumes de dados entre o chip de cálculo e a memória. Quando esse caminho é lento, caro ou consome muita energia, a infraestrutura inteira perde eficiência. É por isso que a memória de alta largura de banda, conhecida pela sigla HBM, se tornou um dos componentes mais disputados de servidores para treinamento e inferência de IA.
Por que a memória virou um gargalo da IA
Uma GPU pode executar muitas operações em paralelo, mas precisa receber dados na velocidade adequada. A HBM resolve parte do problema ao empilhar camadas de memória DRAM perto do processador. Essa proximidade encurta o caminho dos dados e aumenta a largura de banda, ou seja, a quantidade de informação que pode ser transferida em determinado intervalo. O resultado é importante para redes neurais que trabalham com parâmetros demais para caber em uma memória convencional.
A dificuldade está na fabricação. A indústria vem construindo novas fábricas e ampliando linhas de produção para acompanhar a demanda de data centers, mas uma fábrica de semicondutores custa bilhões de dólares e leva anos para ficar pronta. Além do investimento, a cadeia depende de equipamentos especializados, materiais controlados e processos que precisam manter níveis extremos de precisão e limpeza.
A Kepler tenta atacar esse gargalo em duas frentes. A primeira usa uma técnica de fabricação em três dimensões para colocar mais memória em uma área fixa e aproximar o processamento do armazenamento. A segunda emprega um material com propriedades ferroelétricas para melhorar a densidade da SRAM, a memória muito rápida que fica dentro do núcleo de CPUs, GPUs e aceleradores.
HBM, SRAM e o caminho dos dados
Os nomes podem parecer intercambiáveis, mas cumprem papéis diferentes. A SRAM é extremamente rápida e fica próxima das unidades de cálculo, porém ocupa mais espaço e custa mais por bit. A DRAM, usada nas pilhas de HBM, armazena mais dados em uma área menor e oferece uma combinação atraente de capacidade e velocidade. Em um acelerador de IA, as duas memórias podem trabalhar juntas: uma guarda dados de acesso imediato, enquanto a outra abastece o sistema com conjuntos maiores.
Segundo a reportagem, a Kepler afirma que sua abordagem para a SRAM alcança densidade comparável à de chips fabricados em processos de dois ou três nanômetros sem usar EUV. A litografia EUV é uma técnica que usa luz ultravioleta de comprimento de onda muito curto para desenhar estruturas minúsculas sobre o wafer. Evitar essa etapa não significa que a empresa eliminou a complexidade da fabricação, mas pode reduzir a dependência de uma classe de máquinas cara e escassa.
Para a HBM, a empresa diz que o empilhamento 3D pode colocar mais chips em uma mesma área e reduzir a energia gasta no transporte de dados. Esse ponto é decisivo para a IA. A eletricidade usada por um data center não vai somente para multiplicar números. Ela também alimenta a movimentação de dados, a refrigeração e as interconexões entre memória, processadores e rede.
O que já foi demonstrado e o que ainda é promessa
A Kepler relata ter produzido cerca de 2 mil wafers em testes e transformado uma fábrica de desenvolvimento em uma linha de próxima geração em oito meses, contra um prazo típico de 24 meses. A empresa planeja enviar as primeiras amostras de HBM ainda em 2026, ampliar a produção em Cingapura em 2027 e iniciar uma fabricação nos Estados Unidos em 2028.
Essas datas mostram que a novidade ainda não altera o mercado imediatamente. Uma coisa é demonstrar que um material funciona em uma linha de teste. Outra é produzir milhões de dispositivos com rendimento alto, desempenho consistente e custo competitivo. Em semicondutores, rendimento é a proporção de chips que saem da linha dentro das especificações. Uma pequena taxa de falhas pode transformar uma boa ideia em um produto inviável.
O próprio processo descrito pela WIRED inclui um risco técnico: o material composto usado pela Kepler contém ferro, um contaminante difícil de introduzir em uma fábrica convencional. A solução precisa de equipamentos dedicados ou de um encapsulamento que impeça o material de escapar para outras áreas. Esse detalhe resume o desafio da escala: a inovação precisa se encaixar em uma operação industrial sem prejudicar produtos que já funcionam.
Por que isso interessa ao Brasil
O Brasil não abriga uma cadeia completa de produção de HBM, mas será afetado por qualquer mudança no custo e na disponibilidade de hardware para IA. Empresas locais que usam nuvem, desenvolvem aplicações generativas ou treinam modelos dependem, direta ou indiretamente, da capacidade dos data centers globais. Mais memória por servidor pode reduzir filas, ampliar a oferta de inferência e ajudar a controlar o custo de serviços usados por times brasileiros.
Há também uma lição para projetos de transformação digital. Quando uma equipe estima o custo de IA apenas pelo preço de uma API ou pelo aluguel de uma GPU, pode ignorar o gargalo de memória e o consumo de energia. Modelos diferentes têm necessidades diferentes de armazenamento, largura de banda e precisão. Escolher uma arquitetura eficiente exige medir o fluxo completo, incluindo dados de entrada, cache, rede e tempo de resposta.
O efeito para desenvolvedores
Para quem desenvolve software, a mudança mais provável não será uma nova configuração no notebook, mas uma infraestrutura mais capaz nos serviços de nuvem. Isso pode permitir modelos maiores ou respostas mais rápidas sem que o usuário precise conhecer todos os detalhes do hardware. Ainda assim, uma aplicação bem projetada deve tratar memória como recurso finito, reduzir transferências desnecessárias e escolher modelos proporcionais à tarefa.
Também vale acompanhar o movimento em computadores pessoais. Se técnicas de maior densidade chegarem a processadores para estações de trabalho, ferramentas de IA local poderão lidar com modelos mais complexos sem enviar dados para servidores externos. Isso pode beneficiar empresas que precisam proteger código, documentos e informações de clientes, desde que a máquina tenha suporte, resfriamento e políticas de acesso adequadas.
Uma corrida que não termina em um anúncio
A proposta da Kepler é interessante porque tenta aliviar o gargalo de memória reaproveitando instalações existentes, mas ainda precisa provar que consegue fabricar em escala. A disputa da IA costuma ser apresentada como uma corrida por modelos e GPUs. A reportagem da WIRED mostra uma camada menos glamourosa e igualmente importante: materiais, wafers, rendimento e a distância física entre cálculo e memória.
Se a arquitetura 3D e os materiais ferroelétricos funcionarem fora do laboratório, a indústria poderá obter mais capacidade sem esperar que cada nova demanda seja resolvida por uma fábrica bilionária. Até lá, a história deve ser acompanhada com cautela. O avanço é uma promessa tecnológica concreta, não uma garantia de que a escassez de memória terminou.
Fonte original: WIRED, A Stealth Startup Thinks It Just Hacked the Memory Shortage.
