Poder computacional avança exponencialmente e transforma o futuro da inteligência artificial

O poder computacional deu um salto gigantesco nas últimas décadas, impulsionando avanços incríveis na inteligência artificial. Recentemente, na conferência Nvidia GTC, foi apresentado um sistema de servidor capaz de realizar um exaflop – um quintilhão de operações de ponto flutuante por segundo. Essa evolução, baseada nas GPUs Blackwell da Nvidia, promete transformar o futuro da IA.

A incrível evolução do poder computacional para IA

O anúncio da Nvidia revela o quão rápido a tecnologia tem avançado. Em 2022, o primeiro computador capaz de realizar um exaflop foi instalado no Oak Ridge National Laboratory. O supercomputador “Frontier“, construído pela HPE com GPUs e CPUs da AMD, ocupava 74 racks de servidores. O novo sistema da Nvidia alcança um desempenho 73 vezes maior em apenas três anos, triplicando o desempenho anualmente. Essa evolução demonstra um progresso notável na densidade de computação, eficiência energética e design arquitetônico.

É importante notar que, embora ambos os sistemas atinjam a marca de exaflop, eles são projetados para desafios diferentes. O sistema da Nvidia prioriza a velocidade, utilizando operações de ponto flutuante de 4 e 8 bits, ideais para cargas de trabalho de IA, como treinamento de modelos de linguagem. Já o “Frontier” alcançou o exaflop utilizando matemática de dupla precisão de 64 bits, essencial para simulações científicas que exigem alta precisão.

Essa evolução parece quase inacreditável, especialmente para quem acompanhou o início da indústria da computação. No primeiro emprego do autor do artigo original, ele programava no DEC KL 1090, um mainframe que oferecia 1,8 milhão de instruções por segundo (MIPS). As telas eram conectadas por cabos, sem recursos gráficos e sem internet. Usuários remotos se conectavam por linhas telefônicas com modems de até 1.200 bits por segundo.

Embora comparar MIPS com FLOPS ofereça uma ideia geral do progresso, é crucial lembrar que essas métricas medem diferentes cargas de trabalho. MIPS reflete a velocidade de processamento de inteiros, útil para computação de propósito geral. FLOPS mede o desempenho de ponto flutuante, essencial para tarefas científicas e para a complexa matemática por trás da IA moderna. Nesse cenário, algoritmos de aprendizado de máquina ajudam a identificar doenças degenerativas com precisão.

A diferença entre o sistema da Nvidia e o DEC é impressionante: o sistema atual é aproximadamente 500 bilhões de vezes mais poderoso que a máquina antiga. Esse salto exponencial levanta a questão: o que esperar nos próximos cinco anos?

O futuro do poder computacional para IA e a visão da Nvidia

A Nvidia já deu algumas pistas. Na GTC, a empresa apresentou um roteiro que prevê que seu sistema de próxima geração, baseado na arquitetura “Vera Rubin“, oferecerá um desempenho 14 vezes superior ao rack Blackwell Ultra, atingindo entre 14 e 15 exaflops em tarefas otimizadas para IA nos próximos anos.

Outro ponto notável é a eficiência. Alcançar esse nível de desempenho em um único rack significa menos espaço físico por unidade de trabalho, menos materiais e menor consumo de energia por operação, embora as demandas de energia desses sistemas ainda sejam enormes.

Com os avanços exponenciais no poder computacional para IA, surge uma questão fundamental: quanta capacidade computacional é realmente necessária e a que custo? A corrida para construir novos data centers de IA está sendo impulsionada pelas demandas da computação em exaescala e por modelos de IA cada vez mais poderosos. Um esforço ambicioso é o Project Stargate, com um investimento de 500 bilhões de dólares para a construção de 20 data centers nos EUA, cada um com cerca de 46 mil metros quadrados. Há uma onda de projetos em andamento em todo o mundo, com empresas e países buscando garantir a infraestrutura necessária para suportar as cargas de trabalho de IA do futuro.

Alguns analistas temem que estejamos superestimando a capacidade necessária para os data centers de IA. Essa preocupação aumentou após o lançamento do R1, um modelo de raciocínio da DeepSeek que exige menos poder computacional. A Microsoft cancelou contratos de aluguel com provedores de data centers, levantando dúvidas sobre suas expectativas para a demanda futura de infraestrutura de IA. O papel dos data centers no avanço da inteligência artificial é inegável.

O The Register sugeriu que essa retração pode estar relacionada à falta de capacidade dos data centers planejados para suportar as necessidades de energia e refrigeração dos sistemas de IA de próxima geração. Os modelos de IA estão exigindo mais do que a infraestrutura atual pode suportar. A MIT Technology Review reportou que essa pode ser a razão pela qual muitos data centers na China estão falhando, por terem sido construídos com especificações não otimizadas para as necessidades atuais e futuras.

Os modelos de raciocínio realizam a maior parte do trabalho em tempo de execução, por meio de um processo chamado inferência. Esses modelos alimentam aplicações avançadas, como assistentes de pesquisa e sistemas de IA generativos.

Embora o DeepSeek-R1 tenha inicialmente gerado a impressão de que a IA futura exigiria menos poder computacional, o CEO da Nvidia, Jensen Huang, contestou essa visão. Ele afirmou que a IA de raciocínio consome 100 vezes mais computação do que a IA sem raciocínio. À medida que a IA evolui, a demanda por computação deve aumentar novamente. Os próximos avanços podem surgir na coordenação de agentes de IA, simulações de fusão ou até mesmo em digital twins em larga escala, impulsionados pelos saltos na capacidade computacional.

A OpenAI anunciou um novo financiamento de 40 bilhões de dólares, o maior da história da tecnologia privada. A empresa afirmou que o financiamento permitirá “expandir os limites da pesquisa em IA, escalar nossa infraestrutura de computação e fornecer ferramentas cada vez mais poderosas para os 500 milhões de usuários do ChatGPT.”

O futuro da IA e o impacto no mundo

O grande volume de capital investido em IA reflete a competitividade e a importância da segurança nacional. Um fator crucial é o potencial de aumento nos lucros corporativos. A consultoria McKinsey estima que “a IA pode aumentar os lucros corporativos em US$ 4,4 trilhões por ano”.

No fundo, os sistemas de informação visam simplificar a complexidade, seja por meio de um sistema de roteamento de veículos de emergência ou de sistemas modernos de IA que aceleram a descoberta de medicamentos. O objetivo sempre foi o mesmo: entender melhor o mundo. Agora, com a ascensão da IA, estamos cruzando um novo limiar. Pela primeira vez, podemos ter o poder computacional e a inteligência para resolver problemas que antes estavam além do nosso alcance. Assim, podemos analisar como reduzir erros em modelos de linguagem como LLMs.

O colunista do New York Times, Kevin Roose, capturou esse momento ao afirmar que “a grande transformação que nunca vimos antes está chegando”. Nos últimos dias, o GPT-4o da OpenAI gerou imagens quase perfeitas a partir de texto, o Gemini 2.5 Pro do Google surgiu como um modelo de raciocínio avançado e a Runway apresentou um modelo de vídeo com consistência de personagens e cenas.

O futuro é incerto. Não sabemos se a IA será uma grande inovação ou um colapso, se ajudará a resolver a energia de fusão ou se trará novos riscos biológicos. Mas, com o aumento contínuo do poder computacional, uma coisa é certa: a inovação será rápida e intensa. É fundamental que, à medida que a capacidade computacional aumenta, nossas discussões sobre responsabilidade, regulamentação e moderação também evoluam.

Este conteúdo foi auxiliado por Inteligência Artificial, mas escrito e revisado por um humano.

Via VentureBeat

André Luiz

André atua como jornalista de tecnologia desde 2009 quando fundou o Tekimobile. Também trabalhou na implantação do portal Tudocelular.com no Brasil e já escreveu para outros portais como AndroidPIT e Techtudo. É formado em eletrônica e automação, trabalhando com tecnologia há 26 anos.