Blog de IA

Tag: hardware

  • Nvidia lança novo chip específico para inferência de inteligência artificial

    Nvidia lança novo chip específico para inferência de inteligência artificial

    Nvidia lança novo chip específico para inferência de inteligência artificial

    A Nvidia anunciou oficialmente o lançamento do chip Language Processing Unit (LPU), um desenvolvimento que surge após a semi-aquisição da designer de chips Groq. Batizado de Nvidia Groq 3 LPU, o novo processador foi projetado com o objetivo de revolucionar tarefas de inferência de inteligência artificial que demandam latência extremamente baixa. A empresa apresentou a novidade durante um evento para a imprensa especializada, destacando sua capacidade de respostas em frações de segundo.

    Este movimento estratégico da gigante dos chips aconteceu na véspera do Natal de 2025, quando a Nvidia investiu US$ 20 bilhões para licenciar a propriedade intelectual da Groq e integrar sua equipe de liderança, incluindo o CEO e fundador Jonathan Ross. O novo chip será disponibilizado em racks LPX refrigerados a líquido, uma solução de alto desempenho que agrupa 256 LPUs. Cada rack oferece 128 GB de SRAM on-chip e uma largura de banda de escala impressionante de 640 TBps, configurado especificamente para workloads de inferência de IA que exigem respostas quase instantâneas.

    Diferenças arquiteturais entre LPU e GPU

    Ian Buck, que lidera a divisão de data center da Nvidia, detalhou as distinções fundamentais entre a nova arquitetura LPU e as tradicionais GPUs da empresa. “As GPUs, com sua grande memória, desempenho incrível em ponto flutuante e alta taxa de transferência de tokens, são insuperáveis para treinamento”, explicou Buck. Ele contrapôs que “o LPU é otimizado estritamente para a geração de tokens com latência extremamente baixa, oferecendo taxas na casa dos milhares de tokens por segundo.”.

    No entanto, Buck ponderou sobre as características do LPU: “A contrapartida, é claro, é que você precisa de muitos chips para obter esse tipo de desempenho. E a economia, ou os tokens por segundo por chip, é bastante baixa”.

    A visão da Nvidia: o melhor dos dois mundos

    A estratégia da Nvidia é consolidar o poder de processamento das GPUs com a agilidade dos LPUs. “Esses dois processadores combinarão os flops extremos das GPUs e a largura de banda das LPUs em uma só solução”, projetou Buck. A empresa vislumbra um futuro impulsionado por sistemas multiagente de IA, onde a combinação dessas tecnologias será crucial.

    Em termos de capacidade, um LPU possui uma fração da memória de uma GPU. Enquanto uma GPU pode ter 288 GB de memória, um LPU conta com 500 MB de SRAM empilhada. Contudo, a largura de banda do LPU é excepcional, variando de 22 TB a 150 TB por segundo, um fator determinante para a baixa latência em tarefas de inferência.

    Disponibilidade e impacto no mercado

    A Nvidia confirmou que o rack LPX estará disponível na segunda metade de 2026, coincidindo com o lançamento da “arquitetura Vera Rubin”, a próxima geração de plataformas da empresa. A expectativa do mercado é que esta nova solução intensifique a competição no setor de chips especializados para IA, especialmente em nichos que demandam processamento em tempo real, como assistentes virtuais avançados e sistemas autônomos.

  • Meta revela planos para chips de inteligência artificial próprios

    Meta revela planos para chips de inteligência artificial próprios

    Meta revela planos para chips de inteligência artificial próprios

    A Meta Platforms anunciou nesta quarta-feira (11) um ambicioso roteiro para o desenvolvimento de quatro novos chips de inteligência artificial (IA) projetados internamente. A iniciativa visa expandir rapidamente a infraestrutura de seus centros de dados e otimizar o processamento de dados para suas diversas plataformas, como Instagram e Facebook. A empresa segue um movimento de outras gigantes de tecnologia, como Alphabet e Microsoft, que também investem pesadamente em equipes para o design de hardware customizado.

    O programa, denominado Meta Training and Inference Accelerator (MTIA), já conta com o primeiro chip em operação, o MTIA 300, que atualmente impulsiona os sistemas de recomendação da Meta. A meta é ter projetos que não apenas atendam às demandas específicas da empresa, mas também resultem em menor consumo de energia e custos mais eficientes em comparação com soluções prontas do mercado, como as adquiridas da Nvidia e da Advanced Micro Devices (AMD).

    Um roteiro de quatro chips em desenvolvimento

    O plano da Meta inclui o lançamento de mais três chips nos próximos anos. O MTIA 400 está em desenvolvimento para uso em data centers, e os modelos MTIA 450 e MTIA 500, previstos para 2027, são focados especificamente em inferência. Este é o processo crucial pelo qual modelos de IA, como os que operam o ChatGPT, processam consultas e geram respostas para usuários.

    Yee Jiun Song, vice-presidente de engenharia da Meta, destacou a urgência e o foco atual da empresa: “Estamos vendo a demanda por inferência explodir no momento e é nisso que estamos focados atualmente”. Embora a Meta tenha obtido sucesso com chips de inferência, a jornada para criar um chip de treinamento de IA generativa robusto, capaz de construir os grandes modelos que alimentam aplicações de IA, tem apresentado desafios.

    Expansão da infraestrutura e parcerias estratégicas

    A expansão acelerada dos centros de dados da Meta para suportar o crescimento de suas aplicações exige um ritmo constante de inovação em hardware. A empresa planeja lançar seus novos chips em intervalos de seis meses, refletindo a necessidade de acompanhar a velocidade de construção de sua infraestrutura. Um exemplo da escala de investimento é o desenvolvimento de um sistema completo em torno do MTIA 400, que ocupa o espaço de vários racks de servidores e conta com um sistema de resfriamento líquido.

    Em janeiro de 2026, a Meta projetou investimentos entre US$ 115 bilhões e US$ 135 bilhões. Para viabilizar seus projetos de semicondutores, a empresa conta com a colaboração da Broadcom em elementos específicos do design e com a Taiwan Semiconductor Manufacturing Co. (TSMC) para a fabricação dos processadores. Paralelamente, para suprir a demanda imediata, a Meta fechou acordos multibilionários com a Nvidia e a AMD.

  • O novo chip que pode mudar a corrida da inteligência artificial

    O novo chip que pode mudar a corrida da inteligência artificial

    A corrida pela inteligência artificial (IA) é frequentemente vista como uma batalha de software, focada em modelos maiores e algoritmos aprimorados. No entanto, uma camada fundamental dessa revolução reside nos chips que viabilizam a IA. Pesquisadores em Sydney, Austrália, apresentaram um avanço significativo nessa área: um novo tipo de chip que integra componentes eletrônicos e fotônicos.

    Essa inovação promete maior controle sobre o fluxo de informação dentro do hardware, ampliando drasticamente a capacidade de processamento. Essencialmente, sem novas arquiteturas de chips, a expansão da IA pode encontrar limites intransponíveis. O desenvolvimento apresentado em Sydney aborda diretamente esse gargalo computacional.

    O gargalo da inteligência artificial: infraestrutura sob pressão

    A ascensão meteórica da IA generativa impôs uma demanda sem precedentes sobre a infraestrutura computacional global. Treinar e operar modelos de IA avançados requer centros de dados massivos, consome quantidades elevadas de energia e depende de chips especializados cada vez mais caros.

    Atualmente, um pequeno grupo de empresas, como Nvidia e AMD, domina esse mercado, criando uma dependência tecnológica significativa. Em resposta a essa realidade, laboratórios e universidades ao redor do mundo buscam reinventar o hardware da IA. O chip de Sydney, ao consolidar diferentes tecnologias em um único circuito, visa aumentar a largura de banda e a eficiência do processamento, permitindo mais capacidade de IA com menos limitações.

    Chips como epicentro da geopolítica tecnológica

    Enquanto a disputa tecnológica da década passada se concentrava em aplicativos e plataformas, o foco atual deslocou-se para a infraestrutura de computação. Os chips estão no centro dessa nova dinâmica.

    Diversos países e blocos econômicos estão investindo pesadamente. Os Estados Unidos, por exemplo, subsidiam sua indústria de semicondutores com bilhões de dólares. A China busca autonomia tecnológica com investimentos agressivos, a Europa tenta reestruturar sua cadeia produtiva, e a Austrália, junto a universidades globais, acelera pesquisas em novas arquiteturas de hardware. A razão é clara: quem detém o controle dos chips, dita o ritmo da inovação em IA.

    Hardware e software: a dança da evolução em IA

    Há uma percepção equivocada de que a evolução da inteligência artificial depende unicamente do software. Contudo, a história da computação demonstra que os saltos tecnológicos mais significativos ocorrem quando hardware e software avançam em conjunto.

    Exemplos históricos incluem as GPUs, que viabilizaram o deep learning; os chips móveis, que impulsionaram a economia dos smartphones; e os processadores especializados para data centers. Agora, a IA entra em uma nova fase onde inovações em chips podem redefinir o escopo do que é tecnologicamente possível construir.

    O impacto imensurável das novas arquiteturas de chips

    A consolidação de novas arquiteturas de chips trará consequências profundas para o avanço da IA. Espera-se um processamento mais rápido, um menor consumo de energia e a possibilidade de aplicações em escalas muito maiores.

    Isso abre caminho para o surgimento de novos dispositivos inteligentes em nosso cotidiano. A próxima geração de produtos digitais, de carros autônomos a robôs industriais, poderá depender diretamente de avanços como o chip desenvolvido em Sydney. A disputa, portanto, transcenderá as empresas de software, englobando também aquelas que constroem a infraestrutura tecnológica subjacente.

    O que líderes precisam compreender sobre a base da IA

    Atualmente, muitas empresas discutem IA focando apenas no nível da aplicação: chatbots, automação e assistentes virtuais. No entanto, a transformação mais profunda está ocorrendo na base tecnológica. Compreender essa mudança precocemente permite a tomada de decisões estratégicas mais assertivas em relação a investimentos, parcerias com fornecedores, desenvolvimento de produtos e adaptação de modelos de negócio.

    A inteligência artificial não é apenas uma ferramenta; está se consolidando como a infraestrutura fundamental da próxima economia. Quem entender a evolução dessa base tecnológica, como a apresentada no desenvolvimento de novos chips, estará mais preparado para os desafios e oportunidades futuras.