Um tom de alívio e otimismo marcou as últimas teleconferências de divulgação de resultados nas desenvolvedoras de processadores Intel (INTC) e AMD (A1MD34). Depois de assistirem à ascensão de tecnologias de inteligência artificial generativa gerar pouco impacto em seus resultados, as companhias finalmente começaram, neste ano, a ver a repercussão dos investimentos em infraestrutura em seus resultados.
Cada vez mais os tipos de processadores desenvolvidos pela Intel e pela AMD se tornam mais importantes dentro dos data centers responsáveis por sustentar o treinamento e o uso de inteligência artificial. Em grande medida, a adesão aos agentes de IA é o principal elemento por trás desse movimento.
Desde o fim de 2022, com o lançamento do ChatGPT, empresas responsáveis por desenvolver modelos de linguagem, como a própria OpenAI ou suas concorrentes Alphabet (GOGL34) e Meta (M1TA34) gastaram bilhões para construir a capacidade computacional necessária para suportar o uso em massa de suas aplicações. Neste período, os principais gastos da indústria foram focalizados em um tipo específico de placas de processamento: as GPUs.
Graphics Processing Units (ou unidades de processamento gráfico, em português) são chips especializados em manipulações gráficas. Criados há cerca de duas décadas para operar em paralelo à unidade de processamento principal de computadores, essas placas são mais eficientes para executar as operações necessárias para criar objetos tridimensionais vistos em telas, chamadas de matrizes.
É por isso que as GPUs são importantes em placas de vídeo para jogos de videogame, onde há alta necessidade de processamento gráfico em tempo real, mas funcionam ainda para melhorar a qualidade de videochamadas ou transmissões. Foi neste mercado que empresas como a Nvidia (NVDC34) se consolidaram desde sua fundação.
O casamento de GPUs com a IA
Acontece que o princípio por trás da criação de uma forma em três dimensões é muito similar ao tipo de cálculo envolvido em redes neurais — a base da inteligência artificial generativa. “A rede neural é essencialmente um problema matricial de múltiplas dimensões. Por isso GPUs servem para IA”, explica o CTO da Scala Data Centers, Agostinho Villela.
As GPUs são eficientes nas duas principais etapas de construção de uma inteligência artificial generativa: o treinamento de modelos, onde são ajustados os parâmetros para que a IA entenda padrões com base em dados; já a inferência é a capacidade do modelo de dar respostas com base no pedido feito pelo usuário.
Foi essa capacidade que levou os desenvolvedores de modelos de linguagem de IA a lotarem seus data centers de chips da Nvidia e fez com que a companhia se tornasse a primeira da história a alcançar um valor de mercado de US$ 5 trilhões. Desde a explosão do ChatGPT, as ações da empresa valorizaram mais de 1.000%.
Também foi isso que fez muitos analistas apontarem a Nvidia como uma das grandes vencedoras da revolução provocada pela inteligência artificial na indústria de semicondutores. Por boa parte deste período, a capacidade de companhias como Intel e AMD de extrair benefícios do boom da IA foi colocada em xeque.
CPUs ganham relevância para semicondutores
Intel e AMD se consolidaram no setor de processadores desenvolvendo os chamados Central Processing Units (CPUs, ou unidade central de processamento em português), chips com funções mais genéricas no funcionamento de um computador. “A GPU é muito especializada nas operações matriciais. A CPU faz qualquer coisa: desde dar partida no sistema operacional até orquestrar, abrir arquivos e manipulá-los”, aponta Villela.
Nos data centers, é sempre necessária ao menos uma CPU para operar GPUs. Por algum tempo, no entanto, essa proporção foi bem mais desbalanceada.
Durante a videochamada de resultados do primeiro trimestre da AMD, a CEO Lisa Su disse: “certamente vemos uma tendência em direção a algo mais próximo de uma configuração de um para um. Ou até mesmo exatamente de um para um. No passado, essa proporção era de um para quatro ou um para oito”.
Há duas razões principais para a mudança de cenário. Primeiro, o chamado reinforcement learning (aprendizagem por reforço, em português), processo pelo qual uma inteligência artificial é testada com problemas para os quais já se sabe a resposta. A cada resposta correta, ela recebe uma espécie de reforço positivo, indicando que ela está no caminho certo.
- Leia também: OpenAI diz que ChatGPT não é advogado e pede rejeição de ação de seguradora
- Leia também: Empresas de baterias estão de olho em demanda de IA, mas enfrentam obstáculos
“O reinforcement learning é feito muitas vezes por meio de problemas matemáticos. A rede neural precisa modelar de forma não determinística um problema para o qual se sabe secretamente a resposta de forma determinística. Esse treinamento é geralmente comandado por uma CPU”, diz Villela.
A grande expectativa pelo aumento de demanda por CPUs, no entanto, está relacionada à proliferação dos agentes de inteligência artificial generativa — ferramentas capazes de executar tarefas de forma autônoma para seus usuários. Eles conseguem acessar dados em diferentes fontes e, com base neles, realizar uma ação, como enviar e-mails, criar relatórios ou analisar dados.
Enquanto GPUs são mais eficientes para boa parte do treinamento e inferência de IA, elas não conseguem executar todas as tarefas de uma CPU. “Inteligência artificial agêntica envolve muita integração: dialogar com um sistema, abrir arquivos, fazer uma série de integrações com o mundo externo. Quem faz isso é a CPU”, aponta Villela. “A IA agêntica é provavelmente o maior consumidor de energia em inteligência artificial do planeta hoje.”
Em uma projeção recente, o CitiGroup estimou que o mercado de CPUs deve crescer de US$ 29,3 bilhões em 2025 para US$ 131,5 bilhões em 2030, uma taxa de crescimento anual de 35%. O banco elevou as estimativas de venda para Intel e AMD, duas das principais desenvolvedoras do setor.
O Bank of America estima que a AMD detenha cerca de 50% de participação em um mercado de US$ 120 bilhões para CPUs no ano fiscal de 2030 — com o restante dividido entre Intel e concorrentes como a ARM.
Em um movimento recente, a Nvidia aumentou sua participação na Intel após a compra de 214,8 milhões por US$ 9,48 bilhões. No último mês, a Intel anunciou uma projeção de receita entre US$ 13,8 bilhões e US$ 14,8 bilhões no trimestre finalizado em junho, acima das estimativas médias do mercado de US$ 13 bilhões segundo dados compilados pela Bloomberg.
Neste ano, as ações da AMD subiram cerca de 85%, enquanto a Intel valorizou por volta de 170%.
The post Mudança no “cérebro” das IAs está criando mercado superior a US$ 100 bilhões appeared first on InfoMoney.