Chris Miglino, CEO da Axe Compute – Série de entrevistas

Chris Miglino é CEO da Axe Compute e traz mais de duas décadas de experiência na criação e expansão de empresas de tecnologia, além de investimentos nesse setor. É cofundador da Social Reality e trabalhou com a DNA Fund, combinando experiência empreendedora com atuação nos mercados de capitais e em investimentos em infraestrutura. Na Axe Compute, concentra-se nos desafios operacionais e financeiros de ampliar a capacidade dedicada de computação com IA para clientes empresariais.

A Axe Compute oferece infraestrutura dedicada de GPUs em bare metal para cargas de trabalho empresariais de IA. Sua oferta Axe Access dá acesso à capacidade disponível de GPUs, enquanto a Axe Build desenvolve infraestrutura com base nas necessidades de longo prazo dos clientes. Nesta entrevista, Miglino aborda a economia das GPUs, as restrições de energia, o desempenho dos clusters, as parcerias para implantação e como a mudança em direção à inferência e aos agentes de IA pode remodelar a demanda por infraestrutura empresarial.

Sua carreira abrange mais de duas décadas de empreendedorismo, desde a cofundação da Social Reality até a liderança da DNA Fund e, agora, sua atuação como CEO da Axe Compute. O que inicialmente o atraiu para o mercado de infraestrutura de IA e que oportunidade você identificou que os provedores tradicionais de nuvem não estavam atendendo adequadamente?

A oportunidade que percebi era simples: a IA avança mais rápido do que a infraestrutura criada para sustentá-la. Passei mais de duas décadas criando e expandindo empresas e investindo nelas, e foi nessa lacuna que encontrei as maiores oportunidades. Da cofundação da Social Reality ao meu trabalho na DNA Fund, sempre me atraíram problemas fundamentais com um caminho claro entre novas tecnologias e valor comercial concreto. As empresas investiam bilhões em IA, mas muitas não conseguiam obter capacidade confiável a um custo comercialmente viável. Os provedores tradicionais de nuvem construíram negócios extraordinários, mas sua infraestrutura foi projetada para ambientes flexíveis e compartilhados, não para cargas de trabalho de IA contínuas e computacionalmente intensas, que funcionam ininterruptamente. Eu mesmo criei empresas, então sei do que elas precisam: custos previsíveis, acesso confiável e espaço para crescer. Vi uma oportunidade de construir infraestrutura dedicada em torno das necessidades reais da IA empresarial, dando às empresas controle sobre sua capacidade computacional sem transformá-las em operadoras de centros de dados. É por isso que estou na Axe Compute. As empresas que constroem a infraestrutura por trás da IA determinarão até onde e com que rapidez essa tecnologia poderá avançar.

À medida que as empresas aceleram a adoção da IA, o acesso à computação de alto desempenho com GPUs tornou-se uma questão fundamental. Quais são os maiores equívocos das empresas sobre suas necessidades computacionais e como devem avaliar a infraestrutura dedicada de GPUs em comparação com os serviços tradicionais de nuvem?

O maior equívoco é pensar que mais GPUs significam automaticamente melhor desempenho de IA. A arquitetura em torno dessas GPUs, a consistência do acesso e o custo de operá-las são igualmente importantes. O segundo é presumir que o modelo de nuvem criado para o software empresarial é o mais adequado para a IA. A nuvem pública é ótima para experimentação, demanda imprevisível e cargas de trabalho que aumentam ou diminuem rapidamente. Mas, quando se passa à produção e se executam cargas de trabalho pesadas ininterruptamente, a economia muda. Você deixa de pagar por computação ocasional e passa a financiar uma operação industrial contínua por meio de um modelo de preços baseado no consumo. Recomendo que as empresas analisem a utilização, a duração das cargas de trabalho, as necessidades de rede e o custo total ao longo de vários anos, em vez de se concentrarem nos preços por hora das GPUs. A infraestrutura dedicada oferece previsibilidade de custos e controle para cargas de trabalho contínuas, mas a escolha certa depende de como a empresa pretende usar a IA na prática.

A Axe Compute oferece dois modelos distintos, Axe Access e Axe Build, que proporcionam tanto disponibilidade imediata de GPUs quanto infraestrutura de IA projetada sob medida. Você pode explicar como esses modelos funcionam, que tipos de clientes atendem e como as organizações podem determinar qual abordagem é mais adequada às suas cargas de trabalho de IA?

Criamos a Axe Access e a Axe Build porque as empresas não chegam todas ao mesmo estágio e não deveriam ser obrigadas a adotar o mesmo modelo de infraestrutura. A Axe Access atende organizações que precisam de capacidade dedicada de GPUs agora, seja para expandir uma operação existente, lançar um novo modelo ou substituir um provedor que já não atende às suas necessidades. A Axe Build atende clientes que precisam de infraestrutura dedicada projetada para suas necessidades de longo prazo, da capacidade à arquitetura e às operações. A escolha depende do prazo, da escala e do grau de personalização. Se você precisa executar cargas de trabalho imediatamente, comece pela capacidade disponível. Se está planejando uma operação de IA para vários anos, construa a infraestrutura para isso. O que importa para mim é oferecer aos clientes um caminho prático entre a demanda e a capacidade operacional, porque a tecnologia só tem valor quando pode ser posta em uso.

A Axe Compute anunciou mais de US$ 3,45 bilhões em projetos contratados de infraestrutura de IA, o que reflete uma demanda significativa por capacidade computacional dedicada. Quais foram os maiores desafios para transformar esses compromissos em clusters de GPUs operacionais e que lições vocês aprenderam sobre expandir a infraestrutura nesse ritmo?

A maior lição é que conquistar demanda e entregar infraestrutura são duas disciplinas muito diferentes, e é preciso ser excepcionalmente bom em ambas. Com mais de US$ 3,45 bilhões em projetos contratados, todas as etapas são importantes: instalações, energia, compras, financiamento, redes e o trabalho técnico necessário para colocar os clusters em operação. Cada etapa segue seu próprio cronograma, e um único atraso pode comprometer toda a implantação. A energia é o principal desafio. É possível ter compromissos, capital e equipamentos alinhados, mas, sem energia, nada disso gera retorno. Aprendemos a crescer com disciplina na sequência dos projetos, na seleção de parceiros e na alocação de capital. E nunca esquecemos que o valor de projetos contratados não é o mesmo que o de infraestrutura já implantada e gerando receita. As empresas vencedoras serão aquelas que transformarem compromissos de forma consistente em capacidade operacional confiável. A execução é o modelo de negócios.

A disponibilidade de GPUs costuma dominar as discussões sobre infraestrutura de IA, mas eletricidade, refrigeração, redes e capacidade dos centros de dados também podem ser limitações igualmente importantes. Qual desses gargalos você acredita que representa a maior ameaça de longo prazo à escalabilidade da IA, e como a Axe Compute está enfrentando esses desafios?

Eletricidade. Quase todos os outros componentes da infraestrutura de IA podem ser ampliados ou atualizados mais rapidamente do que os sistemas de energia que os sustentam. A tecnologia de GPUs avança depressa, o capital pode ser investido e as instalações podem ser construídas, mas as linhas de transmissão, as conexões com as concessionárias e a geração em grande escala têm prazos que muitas vezes ultrapassam em muito os ciclos de planejamento das empresas de IA. Precisamos de uma rede elétrica preparada para absorver concentrações enormes de capacidade computacional, com uma demanda previsível; não é possível resolver isso simplesmente investindo mais em hardware. Na Axe Compute, alinhamos o desenvolvimento da infraestrutura à disponibilidade realista de energia e trabalhamos com parceiros que entendem as implantações de IA de alta densidade. A refrigeração e as redes são essenciais, especialmente à medida que aumenta a densidade dos racks, mas a disponibilidade de energia confiável e acessível determinará onde a infraestrutura de IA será construída e quais operadores poderão crescer de forma rentável.

A construção de um cluster de IA de alto desempenho envolve muito mais do que reunir milhares de GPUs. Como fatores como a arquitetura de rede, a taxa de transferência do armazenamento, a orquestração de cargas de trabalho e a utilização das GPUs influenciam o desempenho no mundo real, e em que aspectos as empresas mais costumam subestimar a complexidade técnica?

A GPU recebe toda a atenção, mas seu desempenho depende de tudo o que a cerca — e é aí que as empresas subestimam a complexidade. É possível implantar processadores extremamente potentes, mas, se a rede não consegue transferir dados entre eles com eficiência ou o armazenamento não consegue alimentá-los com rapidez suficiente, paga-se por uma capacidade que não está sendo usada. Isso é mais importante no treinamento em grande escala, em que a comunicação entre GPUs pode afetar significativamente o tempo necessário para treinar um modelo. A orquestração acrescenta outra camada de complexidade, pois é preciso gerenciar o agendamento, a alocação de recursos, as falhas e as mudanças na demanda sem deixar capacidade ociosa. Penso no desempenho em termos de resultados úteis, não de especificações teóricas, porque um cluster bem utilizado pode oferecer uma economia muito melhor do que um cluster maior operando de forma ineficiente. A infraestrutura de IA exige otimização contínua de hardware, software e operações. Não se trata de uma compra pontual de equipamentos.

A Axe Compute anunciou recentemente uma parceria estratégica com a Penguin Solutions para acelerar implantações de infraestrutura de IA em grande escala. Que capacidades técnicas e operacionais específicas essa parceria oferece, e como ajudará a reduzir os prazos de implantação sem comprometer a confiabilidade e o desempenho?

A Penguin oferece três coisas: serviços de implantação e operação conduzidos por especialistas em locais designados para clusters de GPUs, seu software ClusterWareAI para gerenciar operações de clusters em grande escala e cobertura do centro de operações de rede 24 horas por dia, 7 dias por semana, por uma equipe da Penguin que trabalha ao lado da nossa. Isso é importante porque a próxima etapa do crescimento da infraestrutura de IA dependerá da eficiência com que as empresas conseguem implantar e operar ambientes complexos em grande escala. Implantar um cluster de IA significa integrar computação, redes, armazenamento e sistemas de gerenciamento em um ambiente que funcione com confiabilidade sob cargas de trabalho exigentes. Os especialistas da Penguin ampliam nossa capacidade de entrega, permitindo que façamos implantações mais rápidas, assumamos mais projetos e reduzamos os riscos de execução. O objetivo é tornar as implantações mais repetíveis e previsíveis sem comprometer o desempenho, pois acelerar um projeto só cria valor se a infraestrutura funcionar de forma confiável depois de entrar em operação.

À medida que a IA evolui, deixando para trás o treinamento de modelos em grande escala e avançando para a inferência, os agentes autônomos e as aplicações em tempo real, como você prevê que as necessidades de computação das empresas mudarão? Essa transição alterará fundamentalmente a forma como os clusters de GPUs são projetados, implantados e distribuídos geograficamente?

A inferência acabará sendo uma parte enorme do mercado de infraestrutura comercial de IA, especialmente à medida que as empresas deixarem de criar modelos e passarem a incorporar IA em produtos, operações e serviços voltados ao cliente. O treinamento ocorre em períodos concentrados. A inferência depende de disponibilidade, latência, capacidade de processamento e atendimento contínuo de milhões de solicitações. Os agentes acrescentam outra camada: executam várias tarefas e recorrem repetidamente aos modelos ao longo de um fluxo de trabalho. Cada solicitação pode ser pequena, mas a demanda total cresce rapidamente. Espero que grandes clusters centralizados continuem atendendo às cargas de trabalho mais exigentes, enquanto uma capacidade mais distribuída geograficamente atenda às aplicações em que o tempo de resposta e a localização dos dados são importantes. As empresas também serão mais criteriosas ao associar as cargas de trabalho ao hardware adequado, em vez de presumir que tudo exige a GPU mais potente. O que me entusiasma é que a demanda será muito mais diversificada, o que favorece os provedores capazes de oferecer a capacidade certa, nos locais certos e com a estrutura de custos adequada.

A construção de infraestrutura de IA exige um investimento inicial substancial, enquanto a tecnologia de GPU continua avançando rapidamente. Como a Axe Compute aborda os aspectos econômicos do financiamento e da operação de clusters de GPU dedicados, e como as empresas podem evitar ficar presas a hardware caro que talvez se torne obsoleto antes do fim de sua vida útil?

Tudo começa pela demanda dos clientes, não pelo hardware. Comprar equipamentos caros e torcer para que a utilização venha depois é uma inversão de prioridades. Este não é um negócio de software: envolve ativos físicos pesados, longos prazos de construção e uma tecnologia que melhora drasticamente em pouco tempo. Na Axe Compute, nossa abordagem se baseia em demanda contratada, implantação disciplinada e infraestrutura concebida para clientes que precisam de capacidade sustentada. A obsolescência é real, mas uma GPU que já não é a mais nova não deixa de ter valor comercial. Nem toda aplicação de inferência ou sistema empresarial de IA precisa da geração mais recente de hardware, e é possível prolongar a vida produtiva da infraestrutura existente por meio da alocação inteligente de cargas de trabalho. Os clientes devem avaliar os aspectos econômicos ao longo de todo o contrato: utilização, necessidades de desempenho e flexibilidade à medida que a tecnologia avança. O objetivo é garantir que a vida útil econômica da infraestrutura seja compatível com o capital investido nela, e não criar um modelo de negócios que dependa de o hardware manter para sempre seu valor inicial.

Olhando para os próximos três a cinco anos, onde você vê as maiores oportunidades de inovação e investimento em infraestrutura de IA? Você prevê que o mercado continuará concentrado entre os provedores de hiperescala e os grandes fornecedores de GPUs, ou empresas especializadas em infraestrutura poderão transformar fundamentalmente a forma como as empresas acessam o poder computacional de IA?

Um mercado tão grande e complexo não será atendido com eficiência por um punhado de provedores que operam segundo o mesmo modelo de infraestrutura. Os provedores de hiperescala continuarão sendo extremamente importantes, mas estou muito otimista em relação aos operadores especializados nos próximos três a cinco anos. Ainda estamos no início do processo de transformar os investimentos em IA na infraestrutura da qual as empresas dependem todos os dias. As empresas têm necessidades distintas em termos de desempenho, soberania dos dados, custos, prazos e localização geográfica, o que abre espaço real para operadores como nós. As oportunidades de investimento que considero mais interessantes estão na infraestrutura de energia, em sistemas de refrigeração mais eficientes, em redes avançadas e em software que melhora a utilização das GPUs, pois esses fatores afetam diretamente os aspectos econômicos da IA. O financiamento também vai evoluir, à medida que os investidores se familiarizarem mais com os ativos e os fluxos de caixa provenientes da capacidade contratada. Para a Axe Compute, a oportunidade é ajudar a desenvolver esse mercado, tornando a capacidade dedicada de IA mais acessível, previsível e escalável para organizações comprometidas em colocar a IA em produção. É isso que queremos dizer com computação sem concessões.

Obrigado pela ótima entrevista. Os leitores que quiserem conhecer melhor a capacidade dedicada de GPU e a infraestrutura de IA empresarial podem visitar Axe Compute.