LinkedIn Congela Despesas em Centros de Dados de IA por um Ano Completo
Enquanto rivais investem milhares de milhões em novos chips e servidores, LinkedIn afirma ter duplicado a eficiência do seu hardware existente e poupado 24 milhões de dólares no processo.
Pontos-chave
- LinkedIn manterá a sua infraestrutura informática de IA estável até junho de 2026, não adquirindo qualquer capacidade nova significativa.
- A empresa duplicou a eficiência de GPUs em seis meses, o equivalente a adicionar aproximadamente 1.100 chips em funcionamento contínuo sem comprar um único.
- LinkedIn estima que esses ganhos de eficiência pouparam 24 milhões de dólares nos últimos 12 meses.
- Os preços dos servidores triplicaram recentemente, segundo o responsável de infraestrutura da LinkedIn, tornando o congelamento ainda mais difícil de manter.
- O movimento é um raro contraponto público à corrida de despesas entre OpenAI, Meta e Google.
LinkedIn, a plataforma de redes profissionais detida pela Microsoft, afirma que não expandirá a sua infraestrutura informática de IA este ano fiscal. A empresa informou a Wired AI que planeia manter o seu investimento em GPUs (os chips especializados que realizam o pesado processamento computacional que a IA necessita) completamente estável até junho de 2026, sendo a capacidade de armazenamento também inalterada.
É um compromisso impressionante para uma plataforma com 1,3 mil milhões de utilizadores que está simultaneamente a lançar mais funcionalidades de IA, não menos.
Como é que LinkedIn conseguiu isto?
A resposta breve: a empresa conseguiu muito mais trabalho do hardware que já possui. Nos últimos seis meses, as equipas de engenharia da LinkedIn duplicaram a eficiência da sua utilização de GPUs, extraindo a mesma potência computacional dos mesmos chips físicos ao desperdiçar menos o seu tempo inativo.
LinkedIn é proprietária dos seus próprios centros de dados no Oregon, Texas e Virgínia, tendo-se afastado do serviço em nuvem Azure da Microsoft por volta de 2022. Essa propriedade deu aos engenheiros controlo direto sobre todas as camadas da stack tecnológica.
Utilizaram uma técnica chamada destilação, onde um modelo de IA mais pequeno é treinado para aprender com dois maiores. Para a ferramenta de recomendação de emprego da LinkedIn, um modelo compacto agora lida com o que anteriormente necessitava de dois modelos separados e mais dispendiosos. O resultado é mais barato de executar e, de acordo com Erran Berger, o diretor de tecnologia de engenharia da LinkedIn, não é menos preciso. "As pessoas estão a encontrar e descobrir empregos que anteriormente não conseguiam encontrar com sucesso," disse ele.
A equipa também reescreveu algum software de baixo nível para que certas tarefas funcionem em CPUs padrão (os chips de uso geral encontrados em qualquer computador) em vez de GPUs Nvidia mais caras, reduzindo o consumo de eletricidade e os problemas de aquisição simultaneamente. LinkedIn afirma que a utilização de GPUs nos seus sistemas de treino agora funciona acima de 95 por cento, o que significa que os chips raramente ficam inativos.
No total, essas alterações pouparam cerca de 24 milhões de dólares nos últimos doze meses.
Será que 24 milhões de dólares importam para uma empresa deste tamanho?
Não muito por si só. LinkedIn relata 18 mil milhões de dólares em receita anual, portanto a poupança é aproximadamente 0,1 por cento das vendas. O diretor de infraestrutura da LinkedIn, Raghu Hiremagalur, reconheceu isso diretamente, mas argumentou que o verdadeiro valor é a agilidade: os engenheiros podem iniciar o seu próximo projeto de IA mais cedo sem esperar pela chegada de novo hardware.
O congelamento também chega num momento difícil para comprar servidores. Hiremagalur afirmou que algum hardware triplicou de preço nos últimos meses. LinkedIn bloqueou as compras antes dos preços dispararem, dando-lhe uma almofada de custos que os seus concorrentes talvez não tenham.
| Métrica | Valor |
|---|---|
| Utilizadores LinkedIn | 1,3 mil milhões |
| Ano fiscal coberto | Julho de 2025 a junho de 2026 |
| Poupança estimada (12 meses) | 24 milhões de dólares |
| Equivalente em GPUs poupado | ~1.100 chips, tempo integral |
| Taxa de utilização de GPUs (treino) | acima de 95 por cento |
| Receita anual LinkedIn | 18 mil milhões de dólares |
O que significa isto para os utilizadores comuns?
Para os membros do LinkedIn, a conclusão prática é que as funcionalidades de IA devem continuar a melhorar apesar do limite de despesas. Recomendações de emprego melhores e ferramentas de correspondência de candidatos mais inteligentes já estão em produção. O risco, assinalado pelo analista da Gartner Chirag Dekate, é que um limite de despesas rígido pudesse eventualmente forçar a LinkedIn a abrandar as suas ambições em IA se a procura de computação continuar a aumentar. Por enquanto, porém, os engenheiros estão a apostar que a eficiência pode preencher a lacuna.
Perguntas frequentes
As funcionalidades de IA da LinkedIn piorarão por causa disto?
LinkedIn afirma que não. A empresa argumenta que o seu trabalho de eficiência realmente melhorou os resultados para pessoas à procura de emprego e recrutadores, e planeia continuar a lançar novas ferramentas de IA dentro do mesmo orçamento computacional.
Por que é que outras grandes empresas tecnológicas gastam muito mais?
OpenAI, Meta e Google estão a construir sistemas de IA completamente novos que necessitam de quantidades vastas de potência computacional nova. LinkedIn está a construir em cima de modelos que já existem, o que significa que pode concentrar-se em extrair mais com menos em vez de começar do zero.
Será que LinkedIn pode mudar de ideias a meio do ano?
Sim. Berger e Hiremagalur ambos reconheceram que as exigências de hardware de IA mudam rapidamente, e o aumento dos preços dos chips de memória pode forçar uma reconsideração. A empresa afirma que já considerou esses aumentos de preço, mas o plano não é garantido.
