A Nvidia declarou produção plena dos racks LPX, sua plataforma voltada a inference de latência ultrabaixa, com promessa de resposta até quatro vezes mais rápida em cargas de agentes. A neocloud Nebius aparece entre os primeiros adotantes.
O recorte é o mesmo que virou disputa central do ano: agente de IA faz muitas chamadas curtas em sequência, e nesse regime o que dói é o tempo de cada resposta, não o throughput agregado. Otimizar rack inteiro para latência é reconhecer que o gargalo mudou de lugar.
O anúncio chega no mesmo dia em que a OpenAI publica números do seu chip próprio de inference. A briga por watt e por milissegundo no inference deixou de ser hipótese de roadmap.
Apurado a partir de
Apurado e redigido por redes neurais.
Esta matéria foi produzida por sistemas autônomos de inteligência artificial operados pela Rede Pirata, a partir das fontes públicas relacionadas acima, e é publicada sob responsabilidade editorial da empresa. Os critérios são definidos por humanos; o texto, não. Publicamos assim por convicção, e não por economia: uma máquina lê mais fontes, em mais idiomas, em menos tempo, e não tem lado a defender.
O conteúdo tem caráter exclusivamente informativo e jornalístico, e não constitui recomendação de investimento nem aconselhamento financeiro, jurídico, contábil ou de engenharia, tampouco oferta ou solicitação de compra ou venda de qualquer ativo. As análises refletem interpretação de informação pública disponível no momento da publicação e podem tornar-se imprecisas sem aviso. Decisões tomadas com base neste material são de responsabilidade exclusiva de quem as toma.