Recentemente dei uma palestra para os alunos de MBA do Babson College, nos Estados Unidos, e quando fui apresentado, me surpreendeu que foi dado bastante destaque ao fato que eu sou host do Podcast da NVIDIA Brasil, o “Vem AI”, sobre Inteligência Artificial. O apresentador até brincou: “Espero que você tenha ações da NVIDIA”, logicamente apontando ao forte crescimento na Bolsa que a empresa teve, ao ponto que ela se consolidou entre as únicas 8 empresas na história a superar o marco de 1 trilhão de dólares de market cap.
Por que isso me surpreendeu? Porque normalmente quando eu mencionava a NVIDIA, ninguém nem sabia do que se tratava. Os poucos que a conheciam eram principalmente gamers, que sempre associaram a NVIDIA a placas de vídeo, o que é certo: afinal é assim que cresceu, com GPUs. Porém hoje essas GPUs não estão atrás apenas de videogames, mas sim de todo esse mundo de inteligência artificial. E é sobre o poder da aceleração graças às GPUs, e o impacto da aceleração nos negócios, que irei abordar neste artigo.
Vamos começar ouvindo uma frase do Jensen Huang, fundador e CEO da NVIDIA, que nos fala de como a aceleração da computação representa o futuro. Ouça e não se esqueça de ativar as legendas do YouTube.
“Se você for atrás 30 anos no tempo, naquela época a revolução dos PCs estava apenas começando, e tinha bastante debates sobre o futuro da computação e sobre como o software deveria ser gerenciado. Tinha um grande grupo, que justamente acreditava que CPU e software para propósitos gerais fosse o melhor caminho a se seguir. E por muito tempo foi o melhor caminho a se seguir. Mas nós percebemos, porém, que tinha uma classe de aplicações que não seriam possíveis sem aceleração."
Vamos começar entendendo o que é essa tal de aceleração na computação: A computação acelerada é o uso de hardware especializado para acelerar drasticamente o trabalho, geralmente com processamento paralelo que agrupa tarefas que ocorrem com frequência. Ele tira um pouco do trabalho exigente que pode sobrecarregar as CPUs, processadores que normalmente executam tarefas em série, de forma automatizada (diferente das GPUs).
Nascida no PC, a computação acelerada amadureceu nos supercomputadores. Ele vive hoje em seu smartphone e em todos os serviços de nuvem. E agora empresas de todos os tipos estão adotando-o para transformar seus negócios com dados.
Os computadores acelerados combinam CPUs e outros tipos de processadores como iguais em uma arquitetura às vezes chamada de computação heterogênea.
E quais são os aceleradores mais importantes? Bom, as velhas conhecidas da NVIDIA GPUs. As GPUs são os aceleradores mais usados. As unidades de processamento de dados (DPUs) são uma classe emergente que permite uma rede aprimorada e acelerada. Cada um tem um papel a desempenhar junto com a CPU do host para criar um sistema unificado e equilibrado.
Tudo nasceu na época dos PCs mesmo, como o Jensen descreve acima: Hardware especializado chamado coprocessador há muito tempo apareceu em computadores para acelerar o trabalho de uma CPU. Eles ganharam destaque por volta de 1980.
Na década seguinte, a ascensão dos videogames e das interfaces gráficas do usuário criou uma demanda por aceleradores gráficos. Em 1993, cerca de 50 empresas fabricavam chips ou placas gráficas. Em 1999, a NVIDIA lançou o GeForce 256, o primeiro chip a usar as principais tarefas da CPU para renderizar imagens 3D. Também foi o primeiro a usar quatro pipelines gráficos para processamento paralelo. A NVIDIA o chamou de unidade de processamento gráfico (GPU), abrindo caminho para uma nova categoria de aceleradores de computação. ‘
Em 2006, a NVIDIA vendeu 500 milhões de GPUs. Ele liderou um campo de apenas três fornecedores de GPUs gráficos e viu a próxima grande novidade no horizonte.
Alguns pesquisadores já estavam desenvolvendo seu próprio código para aplicar o poder das GPUs a tarefas além do alcance das CPUs. Por exemplo, uma equipe em Stanford liderada por Ian Buck revelou o Brook, o primeiro modelo de programação amplamente adotado para estender a popular linguagem C para processamento paralelo.
Buck começou na NVIDIA como estagiário e agora atua como vice-presidente de computação acelerada. Em 2006, ele liderou o lançamento do CUDA, um modelo de programação para aproveitar os mecanismos de processamento paralelo dentro da GPU para qualquer tarefa.
Juntamente com um processador G80 em 2007, a CUDA alimentou uma nova linha de GPUs NVIDIA que trouxe a computação acelerada para uma gama crescente de aplicações industriais e científicas.
Onde pode ser aplicada a aceleração computacional? Vamos olhar para o exemplo de uma empresa de manufatura de peças automotivas. Imagine que eles têm uma linha de produção complexa com várias etapas que envolvem máquinas de alta precisão e uma grande quantidade de dados sendo gerados.
Como a aceleração computacional pode ajudar:
- - Simulação de Processos: A aceleração computacional pode ser usada para executar simulações de processos de produção em modelos virtuais. Isso permite que os engenheiros testem diferentes configurações e parâmetros sem interromper a produção real. Ao executar essas simulações em GPUs (unidades de processamento gráfico) ou outras tecnologias de aceleração, os resultados são obtidos de forma mais rápida, possibilitando análises em tempo real e ajustes precisos no processo.
- - Otimização de Produção: Ao utilizar a aceleração computacional em algoritmos de otimização, a empresa pode encontrar o equilíbrio ideal entre velocidade de produção, custos de energia e uso de recursos. Isso ajuda a maximizar a produção sem comprometer a qualidade e minimiza os tempos de parada da linha de produção.
- - Previsão de Demanda: A aceleração computacional pode ser aplicada em algoritmos de previsão de demanda com base em dados históricos e informações de mercado. Isso permite que a empresa antecipe as flutuações na demanda e ajuste a produção de forma mais eficiente, evitando estoques excessivos ou escassez de produtos.
Ou seja, inúmeras aplicações!
Resultado dessa habilidade da NVIDIA de fomentar a aceleração computacional? Em junho de 2021, 342 dos 500 supercomputadores mais rápidos do mundo estavam usando tecnologias NVIDIA, incluindo 70% de todos os novos sistemas e oito dos 10 primeiros.
Mas aqui a mensagem para os líderes não é para se usar IA só por usar. Só porque é uma moda. A mensagem aqui é de começar fazendo um diagnóstico sobre quais são as dores dentro da sua empresa, e como a IA pode resolvê-la. É aí que identificamos o poder da supercomputação, e falando nela, que é fundamentalmente uma computação muito superior à de qualquer computador normal, que nós notamos as seguintes tendências:
- - Exascale Computing: Atualmente, os supercomputadores mais poderosos operam em escala de petaflop (um quatrilhão de operações de ponto flutuante por segundo). A próxima fronteira é alcançar o exaflop, que representa um quintilhão de operações por segundo. Vários países e organizações estão trabalhando para construir supercomputadores exascala, que permitirão realizar simulações complexas, análises de big data e aplicações de IA em escalas sem precedentes.
- - Arquiteturas Heterogêneas: Para atingir níveis exascala, os supercomputadores estão se voltando para arquiteturas heterogêneas que combinam CPUs tradicionais com aceleradores, como GPUs (unidades de processamento gráfico) e TPUs (unidades de processamento tensorial). Essas abordagens permitem um aumento significativo na capacidade de processamento, reduzindo ao mesmo tempo o consumo de energia.
- - Computação Quântica: A computação quântica é uma área de pesquisa em rápido crescimento, buscando aproveitar as propriedades quânticas da matéria para realizar cálculos de forma revolucionária. Embora ainda esteja em seus estágios iniciais e enfrente desafios significativos, a computação quântica promete resolver problemas complexos de forma exponencialmente mais rápida do que os computadores clássicos. Lembra do episodio sobre os aprendizados do Febraban, e de como falei dos projetos da IBM no Cloud Computing?
Bom, juntas essas frentes de inovação em computação estão revolucionando o mundo da computação, e empresas como a NVIDIA estão desempenhando um papel importantíssimo. Por isso quero que você reflita: a sua empresa está preparada hoje para essa revolução da IA em termos de infraestrutura tecnológica? O que pode ser feito a mais para poder aproveitar do poder da supercomputação?
