Em abril de 2024, a fabricante de chips de IA Nvidia anunciou a aquisição da Run:ai, uma startup israelense que desenvolve software para gerenciamento e orquestração de clusters de GPU. O negócio, avaliado em aproximadamente US$ 700 milhões, foi concluído no segundo semestre de 2024 após aprovações regulatórias. Essa aquisição destacou o esforço da Nvidia para estender seu domínio além do hardware, até a camada de software que otimiza como modelos de IA, particularmente modelos de linguagem de grande escala, são treinados e implantados em infraestrutura baseada em GPU.
A Run:ai foi fundada em 2018 por Omri Geller e Dr. Ronen Dar, ambos ex-pesquisadores da Universidade de Tel Aviv. A empresa rapidamente ganhou tração entre empresas que executam cargas de trabalho de IA generativa que exigem computação massiva. Sua plataforma principal fornecia uma camada de abstração que permitia às organizações agrupar GPUs, agendar tarefas com eficiência e alocar recursos dinamicamente, abordando um gargalo crítico na era do treinamento de modelos e da inferência. Antes da aquisição, a Run:ai havia levantado cerca de US$ 118 milhões em financiamento de capital de risco, apoiada por investidores como Insight Partners e Tiger Global.
Contexto e Caso de Negócios
Nos últimos anos, o treinamento de grandes redes neurais explodiu em demanda computacional. A ascensão da arquitetura transformer, que alimenta sistemas como GPT-4 e os modelos da OpenAI, elevou as taxas de utilização de GPU ao centro da eficiência operacional. Muitas organizações descobriram que suas frotas caras de GPUs estavam subutilizadas, às vezes ociosas devido a agendamento ineficiente de tarefas ou fragmentação de recursos. A Nvidia, que fabrica o hardware, observou esse ponto problemático e buscou oferecer uma solução completa que atraísse e retivesse clientes.
O negócio de software da Nvidia, incluindo o modelo de programação CUDA e seu pacote AI Enterprise em rápido crescimento, tornou-se uma fonte de receita significativa. Ao adquirir a Run:ai, a Nvidia pretendia integrar um agendador que pudesse federar GPUs entre clusters e até mesmo entre diferentes fornecedores, como Azure, Amazon Web Services, Google Cloud e ambientes VMware. A medida posicionou a Nvidia como mais do que uma fabricante de chips, mas como uma orquestradora de computação para IA.
Produto e Tecnologia da Run:ai
As ofertas principais da Run:ai incluem robustez baseada em Kubernetes que lida com partições de GPU, instâncias virtuais dinâmicas de GPU e um agendador que suporta o acionamento de tarefas com base em políticas. Ela suporta uma variedade de frameworks comumente usados para aprendizado profundo, incluindo PyTorch e TensorFlow, e integra-se com ferramentas populares como MLflow e Kubeflow. A tecnologia que lida com tarefas multi-GPU com normalização em lote ou outras otimizações de modelo teve que ser desfeita, mas a plataforma oferece multiplexação por GPU que aumenta as taxas de utilização de típicos 40% para mais de 80% em muitas implantações de clientes.
Além disso, a Run:ai introduziu um recurso chamado "AI Control Plane", que permitia a cientistas de dados e engenheiros desacoplar o hardware da carga de trabalho em execução, escalando a computação automaticamente. Isso reduziu métricas como o tempo de envio de tarefas de horas para minutos e deu aos principais envolvidos visibilidade sobre custos e uso entre departamentos.
Detalhes Financeiros e Avaliação
Inicialmente, relatórios sugeriam que o valor da transação era de US$ 700 milhões, mas vários veículos nas semanas seguintes relataram que o valor estava mais próximo de US$ 1 bilhão. A Nvidia se recusou a comentar números exatos, mas o preço final de liquidação, conforme arquivamentos regulatórios da Comissão de Valores Mobiliários dos Estados Unidos, foi de US$ 700 milhões, incluindo dinheiro e ações. O negócio foi estruturado de forma que os funcionários da Run:ai fossem integrados ao centro de desenvolvimento da Nvidia em Israel, um dos maiores locais de pesquisa da empresa fora dos EUA; na conclusão do negócio, eventualmente centenas de funcionários da Run:ai se juntaram.
O negócio foi aprovado sem grandes condições, especialmente porque nenhuma das empresas detinha posição dominante para reter GPUs no mercado de agendadores de IA. Antes, a Run:ai tinha cerca de 100 clientes empresariais, incluindo nomes conhecidos como a parceira da Nvidia Etsy e instituições financeiras.
Implicações Estratégicas para a Indústria
Na camada de infraestrutura de IA, a aquisição sinalizou uma tendência de consolidação. Concorrentes e clientes da Nvidia notaram. A AMD e a Intel introduziram contrapartes, como a pilha open-source ROCm da AMD. A medida intensificou as guerras de plataforma no processamento de IA, onde o software é tão crucial quanto o hardware. Também incentivou hiperscalers como a Amazon Web Services a investir em silício personalizado, como AWS Trainium e chips de inferência, para diferenciar suas ofertas.
A aquisição também promoveu a discussão sobre a abstração de recursos de GPU em nuvens privadas e públicas. Equipes de TI empresarial receberam bem a medida, esperando escalonamento mais contínuo entre ambientes de nuvem e locais, o que poderia levar a menos dependência de fornecedor se operado pela Nvidia, embora esse potencial ainda esteja por ser visto.
Escrutínio Regulatório e Competitivo
Reguladores europeus revisaram a fusão sob regras padrão de antitruste. Em dezembro de 2024, a Comissão Europeia aprovou o negócio sem exigir concessões, observando que a participação de mercado da Run:ai no mercado de orquestração era limitada. A Nvidia continuou a superar concorrentes em hardware, mas o mercado de software ainda estava emergindo. Da mesma forma, a Comissão Federal de Comércio dos Estados Unidos decidiu não contestar a fusão especificamente, embora gigantes de tecnologia enfrentem escrutínio mais amplo sobre controle de chips e ecossistema de IA.
Concorrentes como IBM e Graphcore agiram rapidamente para aprofundar suas próprias capacidades de agendamento. Por exemplo, a Graphcore introduziu o PopGrid, enquanto o coletivo oneAPI da Intel tem construído ecossistemas abertos.
A Integração e o Caminho Futuro
Após fechar o negócio em novembro de 2024, a Nvidia começou o processo de integrar a tecnologia da Run:ai em suas ferramentas existentes, como NVIDIA AI Enterprise e NVIDIA Base Command. Um dos primeiros lançamentos após a aquisição foi o "Run:AI on Nvidia AI Stack", que unificou recursos de gerenciamento de recursos com o licenciamento vGPU. No primeiro trimestre após o fechamento, a Nvidia disse que a plataforma da Run:ai foi oferecida a todos os clientes DGX, permitindo que eles executassem cargas de trabalho com agendamento otimizado de recursos.
Para o futuro, a Nvidia anunciou planos de abrir a plataforma para suportar aceleradores além de GPU, incluindo ASICs personalizados, para clusters que executam frameworks de pesquisa do tipo Carnegie Mellon.
Respostas dos Concorrentes
A AMD anunciou seu próprio software de agendamento "infinite fabric" no final de 2024. A SambaNova Systems expandiu sua nuvem para oferecer seus próprios controles virtuais de GPU, e a Groq implementou vários agendadores dinâmicos nativamente. A competição geral em torno da orquestração de computação de IA se intensifica, forçando a Nvidia a construir um ecossistema mais forte com terceiros.
A aquisição não apenas solidificou a presença da Nvidia em Israel (incluindo mais de 1.000 funcionários lá em 2025), mas também desencadeou vários outros investimentos em startups de camada de software dentro do ecossistema, como a DeepSpeed, que havia sido anteriormente adquirida pela Microsoft (antes de 2024).
Implicações para os Clientes da Run:ai
Os clientes da Run:ai estavam inicialmente céticos quanto à migração para a pilha de nuvem da Nvidia. No entanto, a Nvidia ofereceu direitos de longo prazo e planos de continuidade, tranquilizando parceiros sobre suporte técnico. Em meados de 2025, a plataforma permanece amplamente usada por instalações e empresas que fornecem serviços de IA em escala, como Hugging Face e aplicações de negócios.
No geral, a aquisição Nvidia-Run:ai é um marco estratégico que cimenta ainda mais a posição central da Nvidia não apenas em GPUs, mas também no software necessário para aproveitar todo o potencial da computação de IA.
Ver Também
- Chips de IA baseados em Nvidia
- computação em nuvem
- k8s (Kubernetes)