💻Tecnologia 
O dinheiro vai reforçar a produção do nó de litografia Intel 3, tecnologia por trás dos atuais processadores Xeon 6 e base da próxima geração, os chamados Diamond Rapids — internamente apelidados de Xeon IA. E aqui está o ponto que interessa a qualquer gestor de tecnologia, não só a engenheiros: em vez de depender de uma placa gráfica separada para rodar inteligência artificial, o processador central do servidor passa a fazer boa parte desse trabalho sozinho.
O timing chama atenção. A TSMC, a maior fabricante de chips do planeta, está com fila de espera na etapa final de produção — o empacotamento avançado dos semicondutores. Com esse gargalo, parte da demanda começou a transbordar para concorrentes, e a Intel está exatamente na posição de absorver essa sobra, porque desenvolveu tecnologias próprias de empacotamento (EMIB e Foveros) que não dependem da cadeia da TSMC. Não é sorte: é uma aposta que a Intel vem fazendo há anos e que só agora começa a se pagar.
Por trás disso está Lip-Bu Tan, CEO da empresa desde 2025, tentando reconstruir a imagem da Intel como fabricante relevante em silício para IA — território hoje dominado pela Nvidia. A fábrica de Leixlip não vai produzir só processadores próprios: também vai abrir capacidade de fundição para outras empresas, através da Intel Foundry. É a Intel virando, ao mesmo tempo, fabricante e prestadora de serviço — um modelo que ela historicamente evitou e que agora vira tábua de salvação.
Tecnicamente, os Xeon 6 atuais já contam com o AMX (Advanced Matrix Extensions), um conjunto de instruções feito para acelerar multiplicações de matrizes — a operação matemática básica que sustenta qualquer rede neural. Na prática: tarefas cotidianas como recomendação de produtos, detecção de fraude ou análise preditiva já conseguem rodar direto no processador, sem precisar de uma GPU dedicada.
Os Diamond Rapids devem ir além, com suporte a formatos de dado mais leves (FP8, INT4) pensados especificamente para baratear a inferência de dados, além de memórias MRDIMM capazes de 8.800 megatransferências por segundo e módulos de até 256 GB — desempenho parecido com o que se espera da futura geração DDR6, sem precisar trocar o encaixe físico do servidor. Para quem trabalha com IA em grande volume de dados, isso resolve um gargalo real.
Vale destacar também o TDX (Trust Domain Extensions), que isola máquinas virtuais inteiras dentro de "cofres" criptografados no próprio hardware. Para empresas que rodam IA sobre dados sensíveis — como saúde, dados financeiros ou propriedade intelectual — isso é mais do que um detalhe técnico: é o tipo de ferramenta que decide se um projeto de IA sai do papel ou trava no departamento jurídico.
Seria ingenuidade achar que isso ameaça o reinado da Nvidia no curto prazo. O maior obstáculo da Intel nunca foi o hardware — é o software. A Nvidia construiu, em mais de uma década, um ecossistema quase hegemônico em torno do CUDA, praticamente o idioma oficial de quem treina e roda modelos de IA hoje. Trocar essa base não é questão de uma fábrica nova.
A resposta da Intel vem em duas frentes: o OpenVINO, voltado para otimizar a inferência em hardware Intel, e o oneAPI, uma tentativa mais ambiciosa de criar um padrão aberto que rode em CPUs, GPUs e outros aceleradores de diferentes marcas, sem prender o cliente a um único fabricante. A adoção ainda é pequena perto do CUDA, mas cresce muito em universidades, centros de pesquisa e órgãos públicos — justamente ambientes que odeiam ficar reféns de um fornecedor só.
Pense em uma empresa que processa pagamentos e cartões de crédito em tempo real e usa modelos de IA para detectar fraudes. Hoje, rodar esse modelo em uma GPU separada significa transferir gigabytes de dados entre componentes diferentes do servidor — isso consome microssegundos preciosos de latência. Rodando direto no processador principal, usando os recursos físicos do AMX, essa transferência simplesmente não existe, e a resposta contra a fraude chega muito mais rápido.
O mesmo vale para os famosos chatbots de empresas: modelos de linguagem de porte médio, quando comprimidos de forma inteligente, cabem na memória de um servidor comum e rodam com excelente velocidade apenas usando o processador principal — sem precisar de uma GPU dedicada caríssima ligada 24 horas por dia. Para a operação financeira, isso é a diferença entre o projeto de IA caber no orçamento de TI ou ser inviabilizado.
Óbvio que não. A AMD lançou sua nova linha de processadores EPYC, com centenas de núcleos físicos e aceleração própria para instruções de IA. A Amazon avança muito rápido com os processadores Graviton baseados em arquitetura ARM, imbatíveis em economia de energia e custo por hora de computação em nuvem. E a própria Nvidia começou a fabricar seus próprios processadores centrais de uso geral (como a arquitetura Grace), invadindo o quintal que historicamente era dominado pela Intel e AMD.
Na nossa leitura de mercado, o que a Intel está fazendo na Irlanda é apostar que a maior parte das empresas do mundo não precisa treinar modelos de linguagem gigantes do zero — o que elas precisam de verdade no dia a dia é rodar os modelos que já existem prontos (*inferência*), de forma barata e rápida dentro de suas estruturas tradicionais.
É exatamente aí que uma GPU dedicada vira exagero de orçamento e um bom processador central com IA embutida vira a solução mais inteligente do mercado. Se essa aposta se confirmar, quem sente o efeito positivo é qualquer pequena e média empresa — inclusive aqui no Brasil — que hoje acha inteligência artificial inacessível demais para usar todo dia. Vale acompanhar de perto.
Fonte: Blog DFT Informática (news.dftinfo.com.br).
A virada da Intel: o investimento de € 5 bilhões na Irlanda que quer baratear a IA para as empresas
Por Douglas Marques14/07/20266 min
Enquanto o mundo inteiro brigava por GPUs da Nvidia, a Intel investiu de forma discreta e estratégica € 5 bilhões para ampliar sua fábrica na Irlanda. O objetivo é acelerar a produção de processadores Xeon com inteligência artificial embutida no próprio silício, prometendo baratear o custo computacional de IA nas empresas e reduzir a dependência de placas de vídeo caríssimas.
Detalhe microscópico de conexões de ouro e silício em um chip semicondutor de última geração. (crédito: Unsplash / CC0)
O dinheiro vai reforçar a produção do nó de litografia Intel 3, tecnologia por trás dos atuais processadores Xeon 6 e base da próxima geração, os chamados Diamond Rapids — internamente apelidados de Xeon IA. E aqui está o ponto que interessa a qualquer gestor de tecnologia, não só a engenheiros: em vez de depender de uma placa gráfica separada para rodar inteligência artificial, o processador central do servidor passa a fazer boa parte desse trabalho sozinho.
Por que logo a Irlanda?
Interior da fábrica de semicondutores automatizada da Intel (Fab 24) em Leixlip, Irlanda. (crédito: Unsplash / CC0)
O timing chama atenção. A TSMC, a maior fabricante de chips do planeta, está com fila de espera na etapa final de produção — o empacotamento avançado dos semicondutores. Com esse gargalo, parte da demanda começou a transbordar para concorrentes, e a Intel está exatamente na posição de absorver essa sobra, porque desenvolveu tecnologias próprias de empacotamento (EMIB e Foveros) que não dependem da cadeia da TSMC. Não é sorte: é uma aposta que a Intel vem fazendo há anos e que só agora começa a se pagar.
Por trás disso está Lip-Bu Tan, CEO da empresa desde 2025, tentando reconstruir a imagem da Intel como fabricante relevante em silício para IA — território hoje dominado pela Nvidia. A fábrica de Leixlip não vai produzir só processadores próprios: também vai abrir capacidade de fundição para outras empresas, através da Intel Foundry. É a Intel virando, ao mesmo tempo, fabricante e prestadora de serviço — um modelo que ela historicamente evitou e que agora vira tábua de salvação.
O que muda de verdade no chip?
Tecnicamente, os Xeon 6 atuais já contam com o AMX (Advanced Matrix Extensions), um conjunto de instruções feito para acelerar multiplicações de matrizes — a operação matemática básica que sustenta qualquer rede neural. Na prática: tarefas cotidianas como recomendação de produtos, detecção de fraude ou análise preditiva já conseguem rodar direto no processador, sem precisar de uma GPU dedicada.
Os Diamond Rapids devem ir além, com suporte a formatos de dado mais leves (FP8, INT4) pensados especificamente para baratear a inferência de dados, além de memórias MRDIMM capazes de 8.800 megatransferências por segundo e módulos de até 256 GB — desempenho parecido com o que se espera da futura geração DDR6, sem precisar trocar o encaixe físico do servidor. Para quem trabalha com IA em grande volume de dados, isso resolve um gargalo real.
Vale destacar também o TDX (Trust Domain Extensions), que isola máquinas virtuais inteiras dentro de "cofres" criptografados no próprio hardware. Para empresas que rodam IA sobre dados sensíveis — como saúde, dados financeiros ou propriedade intelectual — isso é mais do que um detalhe técnico: é o tipo de ferramenta que decide se um projeto de IA sai do papel ou trava no departamento jurídico.
Isso mata a Nvidia? Não. Mas incomoda.
Infraestrutura de servidores corporativos de alta performance rodando serviços em tempo real. (crédito: Unsplash / CC0)
Seria ingenuidade achar que isso ameaça o reinado da Nvidia no curto prazo. O maior obstáculo da Intel nunca foi o hardware — é o software. A Nvidia construiu, em mais de uma década, um ecossistema quase hegemônico em torno do CUDA, praticamente o idioma oficial de quem treina e roda modelos de IA hoje. Trocar essa base não é questão de uma fábrica nova.
A resposta da Intel vem em duas frentes: o OpenVINO, voltado para otimizar a inferência em hardware Intel, e o oneAPI, uma tentativa mais ambiciosa de criar um padrão aberto que rode em CPUs, GPUs e outros aceleradores de diferentes marcas, sem prender o cliente a um único fabricante. A adoção ainda é pequena perto do CUDA, mas cresce muito em universidades, centros de pesquisa e órgãos públicos — justamente ambientes que odeiam ficar reféns de um fornecedor só.
Um exemplo prático de aplicação
Pense em uma empresa que processa pagamentos e cartões de crédito em tempo real e usa modelos de IA para detectar fraudes. Hoje, rodar esse modelo em uma GPU separada significa transferir gigabytes de dados entre componentes diferentes do servidor — isso consome microssegundos preciosos de latência. Rodando direto no processador principal, usando os recursos físicos do AMX, essa transferência simplesmente não existe, e a resposta contra a fraude chega muito mais rápido.
O mesmo vale para os famosos chatbots de empresas: modelos de linguagem de porte médio, quando comprimidos de forma inteligente, cabem na memória de um servidor comum e rodam com excelente velocidade apenas usando o processador principal — sem precisar de uma GPU dedicada caríssima ligada 24 horas por dia. Para a operação financeira, isso é a diferença entre o projeto de IA caber no orçamento de TI ou ser inviabilizado.
E os concorrentes, ficam parados?
Óbvio que não. A AMD lançou sua nova linha de processadores EPYC, com centenas de núcleos físicos e aceleração própria para instruções de IA. A Amazon avança muito rápido com os processadores Graviton baseados em arquitetura ARM, imbatíveis em economia de energia e custo por hora de computação em nuvem. E a própria Nvidia começou a fabricar seus próprios processadores centrais de uso geral (como a arquitetura Grace), invadindo o quintal que historicamente era dominado pela Intel e AMD.
O que fica de recado
Na nossa leitura de mercado, o que a Intel está fazendo na Irlanda é apostar que a maior parte das empresas do mundo não precisa treinar modelos de linguagem gigantes do zero — o que elas precisam de verdade no dia a dia é rodar os modelos que já existem prontos (*inferência*), de forma barata e rápida dentro de suas estruturas tradicionais.
É exatamente aí que uma GPU dedicada vira exagero de orçamento e um bom processador central com IA embutida vira a solução mais inteligente do mercado. Se essa aposta se confirmar, quem sente o efeito positivo é qualquer pequena e média empresa — inclusive aqui no Brasil — que hoje acha inteligência artificial inacessível demais para usar todo dia. Vale acompanhar de perto.
Fonte: Blog DFT Informática (news.dftinfo.com.br).