A História Não Contada da Nvidia e seu Império de Chips
A Nvidia passou despercebida durante muitos anos até que ela se revelou a queridinha de todo os analistas. Saiba como.
Muitos investidores ficaram de cabelo em pé ao se depararem recentemente com a performance da Nvidia na bolsa. Como uma empresa de games poderia ter apresentado performance tão surpreendente? A falta de conhecimento fez com que muitos analistas perdessem essa oportunidade e hoje você entender como isso aconteceu.
Para muitas pessoas, por muito tempo, a Nvidia era apenas uma empresa de placas gráficas que existia para atender um mercado de crianças e adolescentes. Empresas como Intel e AMD era os únicos nomes que se ouviam falar quando o assunto era microprocessadores. Tudo isso por uma tecnicalidade que você irá descobrir hoje.
Uma empresa de Nerds
As placas gráficas, originalmente projetadas para renderizar imagens e vídeos em alta qualidade, começaram a ganhar notoriedade no mundo acadêmico por um motivo surpreendente: sua habilidade em realizar cálculos pesados de forma eficiente. Pesquisadores e cientistas perceberam que as Unidades de Processamento Gráfico (GPUs) eram excepcionalmente boas em lidar com operações matemáticas complexas, algo que é frequentemente necessário em campos como física quântica, genômica e aprendizado de máquina. A arquitetura paralela das GPUs permitia que elas processassem grandes volumes de dados muito mais rapidamente do que as CPUs tradicionais, tornando-as uma ferramenta valiosa para pesquisa e simulações.
Esse "desvio de carreira" das GPUs foi tão significativo que empresas como a Nvidia começaram a desenvolver placas gráficas especificamente para aplicações científicas e de pesquisa. Essas GPUs de "alto desempenho" foram otimizadas para cálculos de ponto flutuante e outras operações matemáticas avançadas, tornando-as ideais para tarefas que vão desde a modelagem climática até a descoberta de novos medicamentos. Universidades e institutos de pesquisa rapidamente adotaram essas GPUs especializadas, e muitos laboratórios hoje são equipados com clusters de GPUs para acelerar suas simulações e análises de dados.
O impacto dessa transição foi monumental. A adoção de GPUs no mundo acadêmico não apenas acelerou o ritmo da pesquisa científica, mas também abriu portas para novas áreas de estudo que anteriormente eram consideradas muito computacionalmente intensivas para serem exploradas. Além disso, essa mudança também teve um efeito cascata em outras indústrias, como a financeira e a de saúde, onde a análise de dados em grande escala e os cálculos complexos são cruciais. Em resumo, as GPUs transcenderam seu propósito original e se tornaram uma força motriz na inovação e no avanço do conhecimento humano.
O Poder das Comunidades
Com suas placas gráficas inseridas fortemente dentro das universidade, a Nvidia conseguiu o que todas as grandes empresas de tecnologia: virar a plataforma base para uma comunidade de criadores. Não entendeu? Te explico.
Naveen Rao, um neurocientista que virou empreendedor de tecnologia, tentou uma vez competir com a Nvidia. A sua startup foi comprada pela Intel tempos depois, com o objetivo de colocar Rao na construção de chips que pudessem substituir os da Nvidia para processamento gráfico. Porém, a Nvidia já nadava de braçada criando chips que pudessem realizar tarefas específicas para inteligência artificial.
Tempos depois, ao sair da Intel, Rao fez um estudo comparando os chips da Nvidia com demais concorrentes e percebeu que na verdade a Nvidia criou um diferencial gigantesco investindo em criar uma comunidade de desenvolvedores que realizavam suas invenções usando como base tecnológica a arquitetura da Nvidia. Historicamente a gente viu a diferença que isso faz comparando iOS e Windows Phone, quem tem os apps, tem tudo.
Jensen Huang, o cara que cofundou a Nvidia e ainda manda na parada como CEO, não para de elevar o nível. Pra garantir que a Nvidia continue sendo a rainha do baile, ele não só oferece placas gráficas monstras, mas também dá acesso a computadores especializados, serviços de computação e outras ferramentas que são o pão com manteiga do mundo da IA. Resumindo, a Nvidia virou o "tudo em um" quando o assunto é desenvolvimento de Inteligência Artificial.
A Cabeça por Detrás da Empresa
Jensen Huang, o cara de 60 anos que você sempre vê de jaqueta de couro preta, já falava de IA muito antes de virar um dos rostos mais conhecidos desse movimento. Ele já mandou a real: a computação tá passando pela maior transformação desde que a IBM definiu a parada toda há 60 anos. Agora, segundo ele, as GPUs e outros chips especializados tão tomando o lugar dos microprocessadores padrão, e os chatbots de IA tão substituindo aquele monte de código complexo.
"O que a gente sacou é que isso é uma reinvenção total de como a computação é feita", disse Huang. "E a gente construiu tudo do zero, desde o processador até o produto final."
Huang ajudou a fundar a Nvidia em 1993 pra fazer chips que mandam bem em gráficos de games. Enquanto os microprocessadores padrão são bons em cálculos complexos, as GPUs da empresa fazem várias tarefas simples ao mesmo tempo. Em 2006, ele levou isso adiante e anunciou a tecnologia CUDA, que ajudou a programar as GPUs pra novas funções, tornando-as chips mais versáteis que podem ser usados em outras áreas, como física e simulações químicas.
O grande pulo do gato veio em 2012, quando pesquisadores usaram GPUs pra alcançar precisão quase humana em tarefas como reconhecer um gato numa foto. Isso foi o começo de coisas mais loucas que vieram depois, como gerar imagens a partir de texto.
"A gente virou cada aspecto da nossa empresa pra avançar nesse novo campo", disse Huang recentemente num discurso de formatura na Universidade Nacional de Taiwan. O esforço, que a empresa estima ter custado mais de $30 bilhões em uma década, fez da Nvidia muito mais que um fornecedor de componentes. Além de colaborar com cientistas fodas e startups, a empresa montou um time que participa diretamente em atividades de IA, como criar e treinar modelos de linguagem.
E não para por aí. A Nvidia desenvolveu várias camadas de software além do CUDA, incluindo centenas de pedaços de código pré-construídos que economizam tempo pros programadores. Em hardware, a empresa tem a fama de entregar chips mais rápidos a cada dois anos. Em 2017, começou a ajustar as GPUs pra lidar com cálculos específicos de IA.
Nesse mesmo ano, a Nvidia, que normalmente vendia chips ou placas de circuito pra sistemas de outras empresas, também começou a vender computadores completos pra realizar tarefas de IA de forma mais eficiente. Alguns dos seus sistemas agora têm o tamanho de supercomputadores, que ela monta e opera usando tecnologia de rede proprietária e milhares de GPUs. Esse hardware pode levar semanas pra treinar os modelos de IA mais recentes.
"Esse tipo de computação não permite que você só construa um chip e os clientes usem", disse Huang. "Você tem que construir o data center inteiro."
A Rainha da Oferta e Demanda do Novo Ouro
Quem já está aqui sabe de tudo que está rolando na nova corrida do ouro: criar uma empresa que usa ou cria inteligência artificial. E sendo a principal plataforma para esse propósito, a Nvidia criou para si um tamanho de demanda que a posiciona como a empresa com o ativo mais importante do momento.
Entendendo a dinâmica de que novas empresas só se mantém a dianteira inovando e que toda a inovação não irá nascer dentro da própria Nvidia, Jensen botou pra quebrar e investiu em startups e ecossistemas de inteligência artificial. E quando falamos de investir estamos falando na casa dos bilhões de recurso alocados para isso.
Mas, com um diferencial, com o controle da produção desses chips, a Nvidia também escolhe para quem vai direcionar a venda e distribuição desses chips. Ou seja, não são apenas mais uma investidora buscando startups de inteligência artificial, eles são de fato A Investidora mais cobiçada por empreendedores que precisam do que ela cria para poder evoluir seus negócios.
Com essa demanda, e pouca oferta, a Nvidia conseguiu ver o preço das suas placas chegarem a variar de $15.000 a $40.000. E o Huang não deita a cabeça não, ele justifica o preço pelo valor entregue: “se você consegue reduzir o tempo de treinamento pela metade em um data center de $5 bilhões, só a economia é maior do que o custo de todos os chips”, e ele complementa: “somos o melhor custo benefício no mundo“.
Acontecendo no Mundo
A China continua comprando chips da Nvidia
As principais empresas de tecnologia da China fizeram encomendas de chips da Nvidia no valor de 5 mil milhões de dólares, apesar de os chips terem sido deliberadamente prejudicados para limitar as suas capacidades para o mercado chinês. As preocupações de que os EUA possam reforçar ainda mais os seus controlos de exportação levaram a mais encomendas. Os requisitos de formação para os sistemas de IA mais avançados duplicam a cada seis a 12 meses, pelo que a diferença entre os chips vendidos na China e os disponíveis noutros locais aumentará rapidamente.
A Microsoft está chutando a bunda de todo mundo em AI. Inquestionável. Como eles fizeram isso depois de tanto tempo sendo a empresa com o carimbo de “os mais parados no tempo da história de tech”? Tá no artigo.
A Wharton organizou um concurso de geração de ideias, colocando a IA contra um grupo de estudantes. Juízes humanos avaliaram a qualidade da ideia. Das 40 melhores ideias, 35 foram criadas pelo ChatGPT-4. Oh garoto. Dois outros artigos abordados neste artigo mencionam que os humanos que usam ferramentas de IA podem criar resultados ainda mais poderosos.
Como andam o ânimo para investimentos em AI?
Saiu o relatório “State of AI” do Segundo Semestre de 2023 da CB Insights. O relatório traz um resumo do panorama geral de mercado desse setor em específico tão querido aqui em nossa newsletter. E aí? Acha que o nível de investimentos subiu ou diminuiu?
Ferramenta da Semana
Uma ferramenta que você consegue subir uma gravação e receber de volta um áudio limpo, sem tanto espaço vazio de silêncio, sem cliques e barulhos da boca e outras coisinhas mais é de querer amar ou não? Ta aí a Cleanvoice AI.