Em abril de 2024, o fabricante de chips de IA Nvidia anunciou a aquisição da Run:ai, uma startup israelense que desenvolve software para gerenciar e orquestrar clusters de GPUs. O acordo, avaliado em aproximadamente US$ 700 milhões, foi concluizado na segunda metade de 2024 após aprovações regulatórias. Esta aquisição sublinhou o esforço da Nvidia para estender seu domínio para além do hardware, entrando na camada de software que otimiza como os modelos de IA, particularmente modelos de linguagem de grande escala, são treinados e implantados em infraestrutura baseada em GPU.
Run:ai foi fundada em 2018 por Omri Geller e Dr. Ronen Dar, ambos ex-pesquisadores da Universidade de Tel Aviv. A empresa rapidamente ganou tração entre empresas que executam cargas de trabalho de IA generativa que requerem computação massiva. Sua plataforma principal fornecia uma camada de abstração que permitia às organizações agrupar GPUs, agendar tarefas de forma eficiente e alocar recursos dinamicamente, abordando um gargalo crítico na era do treinamento de modelos e da inferência. Antes da aquisição, Run:ai havia arrecadado cerca de US$ 118 milhões em financiamento de capital de risco, apoiada por investidores como Insight Partners e Tiger Global.
Antecedentes e Caso de Negocio
Nos últimos anos, o treinamento de grandes redes neurais explodiu em demanda computacional. A ascensão da arquitectura transformer, que alimenta sistemas como GPT-4 e os modelos de OpenAI, empujó as taxas de utilização de GPU ao centro da eficiencia operacional. Muitas organizações descobrieram que suas frotas de GPUs caras estavam subutilizadas, às vezes ociosas devido a agendamento de tarefas ineficiente ou fragmentación de recursos. Nvidia, que fabrica o hardware, observó este ponto de dolor e buscou oferecer uma solução completa que atrajera e retuviera clientes.
O negocio de software da Nvidia, incluindo o modelo de programação CUDA e sua suite AI Enterprise em rápido crescimento, se tornou uma fonte de receita significativa. Ao adquirir Run:ai, Nvidia visava integrar um agendador que pudesse federar GPUs entre clusters e até entre diferentes fornecedores, como Azure, Amazon Web Services, Google Cloud e ambientes VMware. A medida posicionó a Nvidia não apenas como fabricante de chips, mas como orquestradora de computação para IA.
Producto e Tecnologia de Run:ai
As ofertas principais de Run:ai incluyen robustez baseada em Kubernetes que maneja particiones de GPU, instancias dinámicas de GPU virtual, e um agendador que suporta a execução de tarefas baseada em políticas. Suporta uma gama de frameworks comumente usados para aprendizado profundo, incluindo PyTorch e TensorFlow, e se integra com herramientas populares como MLflow e Kubeflow. Tecnología que maneja tarefas multi-GPU com normalización por lotes ou outras optimizaciones de modelo teve que ser deshecha, mas a plataforma oferece multiplexação por GPU que aumenta as taxas de utilización de típicos 40% a más de 80% em muitas implementaciones de clientes.
Adicionalmente, Run:ai introdujo uma funcionalidade chamada "AI Control Plane", que permitía a cientistas de dados e engenheiros desacoplar o hardware da carga de trabalho em execução, escalando a computação automaticamente. Isso redujo métricas como o tempo de envio de tarefas de horas a minutos e deu aos principais visibilidade sobre custos e uso entre departamentos.
Detalles Financeiros e Valoración
Inicialmente, informes sugerían que o valor da transacción era de US$ 700 milhões, mas vários meios nas semanas subsequentes reportaron que a cifra era mais próxima de US$ 1 bilhão. Nvidia se negó a comentar sobre números exatos, mas o preço final de liquidação, segundo arquivos regulatórios da Comisión de Valores e Bolsas dos Estados Unidos, foi de US$ 700 milhões, que incluía dinheiro e ações. O acordo foi estruturado de forma que os empregados de Run:ai serían integrados no centro de desenvolvimento de Nvidia em Israel, um dos maiores sites de pesquisa da empresa fora dos EUA; na data de fechamento do acordo, eventualmente centenas de empregados de Run:ai se havian unido.
O acordo foi aprovado sem condições importantes, especialmente dado que nenhuna das empresas detentaba uma posição dominante para retener GPUs no mercado de agendadores de IA. Antes, Run:ai tinha cerca de 100 clientes empresariales, incluindo nomes conhecidos como Nvidia parceiro Etsy e instituciones financeiras.
Implicaciones Estratégicas para a Industria
Na capa de infraestructura de IA, a aquisición señaló uma tendencia de consolidación. Competidores e clientes de Nvidia tomaron nota. AMD e Intel introdujeron contrapartes, como o stack de código aberto ROCm da AMD. A medida intensificó as guerras de plataformas no processamento de IA, onde o software é tão crucial como o hardware. Também empujó a hyperscalers como Amazon Web Services a duplicar em seus silícios personalizados, como AWS Trainium e chips de inferência, para diferenciar suas ofertas.
A aquisición também promovió a discussión sobre a abstracción de recursos de GPU em nubes privadas e públicas. Equipos de TI empresariales acogieron a medida, esperando uma escalabilidad más fluida entre ambientes de nube e on-premises, o que poderia levar a menos dependência de fornecedores se fosse gerida por Nvidia, embora isso permanece por ver.
Escrutinio Regulatorio e Competitivo
Reguladores europeos revisaron a fusión sob reglas estándar de antitrust. Em dezembro de 2024, a Comisión Europea aprovó o acordo sem exigir concessões, notando que a quota de mercado de Run:ai no mercado de orquestación era limitada. Nvidia continuó superando em hardware, mas o mercado de software ainda estava emergiendo. Similarmente, a Comisión Federal de Comercio dos Estados Unidos decidió não desafiar a fusión especificamente, embora gigantes tecnológicos enfrenten um escrutinio más amplio sobre o control do ecosistema de chips e IA.
Competidores como IBM e Graphcore se apresuraron a aprofundar suas próprias capacidades de agendadores. Por exemplo, Graphcore introdujo PopGrid, enquanto o oneAPI de Intel tem estado construindo ecosistemas abertos.
Integración e Camino Futuro
Após cerrar o acordo em novembro de 2024, Nvidia começó o processo de integrar a tecnologia de Run:ai em suas herramientas existentes, como NVIDIA AI Enterprise e NVIDIA Base Command. Uma das primeras releases após a aquisición foi o "Run:AI on Nvidia AI Stack" que unificó funcionalidades de gestión de recursos com o licenciamento vGPU. No primeiro trimestre após o fechamento, Nvidia disse que a plataforma de Run:ai foi oferecida a todos os clientes DGX, permitindo-lhes executar cargas de trabalho com agendamento óptimo de recursos.
Para o futuro, Nvidia anunció planos para abrir a plataforma para suportar aceleradores além de GPU, incluindo ASICs personalizados, para clusters que executam frameworks de pesquisa tipo carnegie-mellon.
Respostas de Competidores
AMD anunció seu próprio software de agendamento "infinite fabric" em finales de 2024. SambaNova Systems expandió sua nube para oferecer seus próprios controles de GPU virtual, e Groq implementó vários agendadores dinámicos nativamente. A competição geral em torno da orquestación de computação de IA se intensifica, forzando a Nvidia a construir um ecosistema más fuerte com terceiros.
A aquisición não só solidificó a presença de Nvidia em Israel (incluindo más de 1.000 empregados lá em 2025), mas também desencadenó vários outros investimentos em startups de capa de software dentro do ecosistema, como deepspeed, que havia sido previamente adquirida por Microsoft (antes de 2024).
Implicaciones para os Clientes de Run:ai
Os clientes de Run:ai inicialmente eram céticos sobre a migración ao stack de nube de Nvidia. No entanto, Nvidia ofereció direitos de longo prazo e planos de continuidade, tranquilizando parceiros sobre o suporte técnico. A partir de mediados de 2025, a plataforma permanece amplamente usada por instalaciones e empresas que entregam serviços de IA em escala, como huggingface e aplicações empresariales.
Em resumen, a aquisición Nvidia-Run:ai é um hito estratégico que cimenta ainda más a posição central de Nvidia não só em GPUs, mas também no software necessário para aproveitar todo o potencial da computação de IA.
Vea También
- NVIDIA-based AI chips
- cloud-computing
- k8s (Kubernetes)