LinkedIn Congela Gastos com Centros de Dados de IA por um Ano Inteiro
Enquanto os concorrentes investem milhares de milhões em novos chips e servidores, o LinkedIn diz que duplicou a eficiência do seu hardware existente e economizou 24 milhões de dólares nesse processo.
Pontos-chave
- O LinkedIn manterá a sua infraestrutura informática de IA estável até junho de 2026, sem adquirir capacidade nova significativa.
- A empresa duplicou a eficiência das GPUs em seis meses, o equivalente a adicionar cerca de 1.100 chips em funcionamento contínuo sem comprar um único.
- O LinkedIn estima que esses ganhos de eficiência economizaram 24 milhões de dólares nos últimos 12 meses.
- Os preços dos servidores triplicaram nos últimos meses, segundo o diretor de infraestrutura do LinkedIn, tornando o congelamento mais difícil de manter.
- O movimento é um raro contraponto público à corrida de gastos entre OpenAI e Google.
O LinkedIn, o site de networking profissional propriedade da Microsoft, afirma que não expandirá a sua infraestrutura informática de IA neste ano fiscal. A empresa disse à Wired AI que planeia manter o seu investimento em GPUs (os chips especializados que fazem o intenso processamento computacional que a IA necessita) completamente estável até junho de 2026, com 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 o LinkedIn conseguiu isto?
A empresa extraiu muito mais trabalho do hardware que já possui. Nos últimos seis meses, as equipas de engenharia do LinkedIn duplicaram a eficiência da sua utilização de GPUs, conseguindo a mesma potência computacional dos mesmos chips físicos ao desperdiçar menos do seu tempo de inatividade.
O LinkedIn é proprietário dos seus próprios centros de dados no Oregon e no Texas, tendo-se afastado do serviço em nuvem Azure da Microsoft por volta de 2022. Essa propriedade deu aos engenheiros controlo direto sobre cada camada da pilha tecnológica.
Utilizaram uma técnica chamada distilação, onde um modelo de IA mais pequeno é treinado para aprender com modelos maiores. Para a ferramenta de recomendação de emprego do LinkedIn, um modelo compacto agora processa o que anteriormente exigia dois modelos separados e mais caros. É mais barato de executar e, segundo Erran Berger, diretor de tecnologia de engenharia do LinkedIn, não é menos preciso. "As pessoas estão a encontrar e a descobrir empregos que não conseguiam encontrar com sucesso antes", disse ele.
A equipa também reescreveu algum software de baixo nível para que certas tarefas corram em CPUs padrão (os chips de propósito geral encontrados em qualquer computador) em vez de GPUs Nvidia mais caras, reduzindo também o consumo de eletricidade. O LinkedIn diz que a utilização de GPUs nos seus sistemas de treino agora funciona acima de 95 por cento, significando que os chips ficam praticamente nunca inativos.
No total, essas mudanças economizaram um estimado de 24 milhões de dólares nos últimos doze meses.
24 milhões de dólares importam a uma empresa deste tamanho?
Não muito por si só. O LinkedIn tem 18 mil milhões de dólares em receita anual, portanto a economia é uma pequena fração das vendas. O diretor de infraestrutura do LinkedIn Raghu Hiremagalur reconheceu isso diretamente, mas argumentou que o valor real é a agilidade: os engenheiros podem começar 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 disse que algum hardware triplicou de preço nos últimos meses. O LinkedIn fixou compras antes dos preços subirem, dando-lhe um colchão de custos que os seus concorrentes podem não ter. A nossa história de 28 de julho sobre os custos crescentes do Google mostrou como esse tipo de pressão nos preços está a alarmar investidores em toda a indústria.
| Métrica | Valor |
|---|---|
| Utilizadores do LinkedIn | 1,3 mil milhões |
| Ano fiscal coberto | Julho de 2025 a junho de 2026 |
| Economia estimada (12 meses) | 24 milhões de dólares |
| Equivalente em GPUs economizado | ~1.100 chips, tempo inteiro |
| Taxa de utilização de GPUs (treino) | acima de 95% |
| Receita anual do LinkedIn | 18 mil milhões de dólares |
O que significa isto para utilizadores comuns?
Para os membros do LinkedIn, as funcionalidades de IA devem continuar a melhorar apesar do limite de gastos. Melhores recomendações de emprego e ferramentas de correspondência de candidatos mais inteligentes já estão em produção. A preocupação honesta é que um limite de gastos rigoroso poderia eventualmente forçar o LinkedIn a desacelerar as suas ambições de IA se a procura computacional continuar a crescer mais rápido do que os ganhos de eficiência conseguem compensar. Essa é a aposta que os engenheiros estão a fazer, e vale a pena acompanhar de perto.
Perguntas frequentes
As funcionalidades de IA do LinkedIn vão piorar por causa disto?
O LinkedIn diz que não. A empresa argumenta que o seu trabalho de eficiência realmente melhorou os resultados para quem procura emprego e recrutadores, e planeia continuar a lançar novas ferramentas de IA dentro do mesmo orçamento computacional.
Por que é que outras grandes empresas de tecnologia estão a gastar muito mais?
O OpenAI e o Google estão a construir sistemas de IA completamente novos que requerem vastas quantidades de potência computacional nova. O LinkedIn está a construir em cima de modelos que já existem, o que significa que pode focar-se em obter mais com menos em vez de começar do zero.
Poderia o LinkedIn mudar de ideias no meio do ano?
Sim. Tanto Berger como Hiremagalur reconheceram que as exigências de hardware de IA mudam rapidamente, e os preços crescentes dos chips de memória poderiam forçar uma reconsideração. A empresa diz que já factorizou esses aumentos de preço, mas o plano não é garantido.
