O que é um chip de IA e por que as GPUs são tão importantes?
Os chips de IA são processadores especializados que tornam o aprendizado automático possível, e as GPUs tornaram-se o motor predefinido porque o seu design corresponde exatamente ao que o treinamento de IA requer.
Um chip de IA é qualquer processador construído ou adaptado para executar a matemática por trás do aprendizado automático de forma rápida e económica. As GPUs, abreviatura de unidades de processamento gráfico, dominam esse mundo porque conseguem executar milhares de pequenos cálculos simultaneamente, que é precisamente o tipo de trabalho que a IA precisa.
O que é que um chip de IA faz realmente?
Efetua multiplicações de matrizes, que são apenas grelhas de números sendo multiplicados em conjunto à escala gigantesca. Praticamente todas as operações de IA, desde reconhecer um rosto até prever a próxima palavra numa frase, resumem-se a biliões dessas multiplicações acontecendo em sequência.
Um chip de computador normal (uma CPU, ou unidade central de processamento) executa tarefas uma após a outra, como um cirurgião brilhante realizando um procedimento de cada vez. Uma GPU executa milhares de tarefas mais simples em paralelo, como um chão de fábrica com milhares de trabalhadores no mesmo turno. O treinamento de IA é trabalho de fábrica, não cirurgia.
Por que é que as GPUs se tornaram o chip escolhido para IA?
As GPUs foram originalmente construídas para videojogos, onde milhões de píxeis precisam ser redesenhados simultaneamente. Essa mesma estrutura paralela revelou-se uma correspondência perfeita para a matemática de matrizes dentro de redes neurais, que são modelos de IA vagamente inspirados em como as células cerebrais se conectam.
O momento decisivo chegou em 2012, quando os investigadores utilizaram GPUs NVIDIA para vencer uma competição de reconhecimento de imagens por uma margem enorme, um resultado que definiu a direção para a investigação de aprendizado profundo. Depois disso, o campo simplesmente nunca mais olhou para trás.
As GPUs são os únicos chips de IA disponíveis?
Não, surgiram vários outros tipos de chips, cada um com uma abordagem diferente do problema. A Google construiu os seus próprios chips chamados TPUs (unidades de processamento tensorial) especificamente para IA, e eles alimentam muito do trabalho de IA interno da Google. A Apple incorpora um Neural Engine nos seus chips da série M para tarefas de IA no dispositivo como Face ID e autocorreção. Startups como Cerebras e Graphcore projetaram chips que repensam completamente a arquitetura.
| Tipo de chip | Fabricado por | Melhor adequado para | Onde o encontra |
|---|---|---|---|
| GPU | NVIDIA, AMD | Treinar modelos grandes | Servidores em nuvem, laboratórios de investigação |
| TPU | Inferência de IA à escala do Google | Google Search, Google Cloud | |
| Neural Engine | Apple | Tarefas de IA no dispositivo | iPhone, Mac |
| NPU (Unidade de Processamento Neural) | Qualcomm, Intel, outros | IA móvel de baixo consumo | Telemóveis Android, portáteis Windows |
| ASIC personalizado | Várias startups | Cargas de trabalho específicas de IA | Centros de dados |
ASIC significa circuito integrado específico da aplicação, o que apenas significa um chip projetado para um trabalho e nada mais.
Por que é que a oferta de chips é tão importante para a indústria de IA?
Treinar um modelo de IA grande requer executar milhares de chips durante semanas ou meses. Quando a oferta de chips se reduz, o progresso abranda e os custos dispararam. A GPU H100 da NVIDIA tornou-se o produto mais comentado da indústria porque todos os laboratórios de IA precisavam de números elevados delas ao mesmo tempo, e não havia o suficiente.
Essa concentração também é importante geopoliticamente. A maioria dos chips avançados é fabricada pela TSMC em Taiwan, o que tornou a oferta de chips um tema de política comercial e regulações de controlo de exportações.
O que é que isto significa para um utilizador normal?
Para a maioria das pessoas, os chips de IA são infraestrutura invisível, da mesma forma que nunca vê as turbinas por trás da sua eletricidade. Um exemplo da vida real: quando faz uma pergunta a um chatbot, as suas palavras viajam para um centro de dados onde aglomerados de GPU processam o pedido e devolvem uma resposta, normalmente em menos de dois segundos.
A questão do chip torna-se visível quando compra um telemóvel ou portátil novo. Os dispositivos com um NPU dedicado ou Neural Engine conseguem executar funcionalidades de IA localmente, o que significa que os seus dados nunca saem do seu dispositivo, o que é uma vantagem genuína de privacidade. Num telemóvel sem esse chip, a mesma tarefa é enviada para um servidor em nuvem, onde computadores de outra pessoa o processam.
Quanto custam os chips de IA?
Os preços variam enormemente. Um cartão de servidor NVIDIA H100 custa aproximadamente 25.000 a 40.000 dólares americanos por unidade a retalho, e um rack de servidor completo com dezenas deles atinge milhões. As GPUs de nível de consumidor como a NVIDIA RTX 4090 rondam 1.500 a 2.000 dólares e conseguem executar modelos de IA menores em casa.
Os fornecedores em nuvem alugam acesso por hora, para que indivíduos e pequenas empresas conseguissem utilizar hardware de IA de alta gama sem o comprar integralmente. Google, Amazon e Microsoft oferecem todos tempo de GPU e TPU através das suas plataformas em nuvem, com níveis gratuitos ou de avaliação disponíveis para uso leve.
Perguntas comuns
Uma GPU é a mesma coisa que um chip de IA?
Não exatamente. Uma GPU é um tipo de chip de IA, o mais comum, mas chip de IA é uma categoria mais ampla que inclui TPUs, NPUs e processadores personalizados. Todas as GPUs conseguem fazer trabalho de IA, mas nem todos os chips de IA são GPUs.
É que ter um chip de IA melhor torna a IA mais inteligente?
Um chip mais rápido faz com que a IA se treine mais rapidamente e responda mais rápido, mas não torna automaticamente o modelo mais preciso ou inteligente. A qualidade de um modelo de IA depende do seu design, dados de treinamento e ajuste fino, não da velocidade do chip sozinha.
Devo preocupar-me com qual chip está no meu telemóvel ou portátil para tarefas de IA?
Sim, se a privacidade é importante para si. Um dispositivo com um Neural Engine ou NPU dedicado consegue executar muitas funcionalidades de IA localmente sem enviar os seus dados para um servidor, enquanto os dispositivos sem um normalmente dependem de processamento em nuvem para as mesmas tarefas.
