O ambiente de nuvem está passando por uma transformação significativa. No último ano, hiperescaladores como Amazon Web Services (AWS), Google Cloud e Microsoft Azure aumentaram drasticamente seus investimentos em silício personalizado. O número crescente de empresas de IA entrando no mercado de chips continua a se expandir.
Esse aumento no desenvolvimento de chips está remodelando os data centers, prometendo novos níveis de desempenho, eficiência e diferenciação. Enquanto os fabricantes tradicionais de chips criam processadores e aceleradores para as massas, esses novos players projetam chips especificamente para cargas de trabalho de IA exigentes.
Projeto de Chip
A motivação para desenvolver silício personalizado advém da incapacidade de CPUs e aceleradores prontos para uso em acompanhar as demandas das cargas de trabalho em nuvem em hiperescala. A IA e o aprendizado de máquina, em particular, geram maior densidade computacional, menor latência e maiores requisitos de eficiência energética. Os hiperescaladores respondem construindo chips sob medida para sua infraestrutura e as necessidades dos clientes. Novos players entram no mercado em ritmo crescente, com processadores e aceleradores anunciados como os "mais rápidos", "mais baratos" ou "os melhores" que o setor tem a oferecer.
Claro, isso não é um fenômeno novo. Provedores de nuvem criam hardware de rede, dispositivos de armazenamento e servidores personalizados há muitos anos. No entanto, a engenharia de processadores é outra história.
Quem são os jogadores?
Esta não é uma lista completa. Atualmente, estes são os principais players neste setor. Também incluímos novos fornecedores, que trazem seu toque especial à prestação de serviços com foco em IA.
AWS
Agora em sua quarta geração, a série Graviton da Amazon ditou o ritmo para CPUs baseadas em Arm na nuvem, oferecendo ganhos significativos de desempenho por watt em comparação com as ofertas x86 tradicionais. A AWS também lançou aceleradores de IA personalizados, como o Inferentia e o Trainium , voltados para cargas de trabalho de inferência e treinamento em grande escala.
De acordo com o site da AWS, a Anthropic indicou que a AWS seria sua principal parceira de treinamento e usaria o AWS Trainium para treinar e implantar seus maiores modelos de base. A Amazon também investirá US$ 4 bilhões adicionais na Anthropic.
Enquanto isso, o Google continua a inovar com suas Unidades de Processamento de Tensores (TPUs), que agora alimentam alguns dos maiores modelos de IA em produção. As arquiteturas TPU v5 e Ironwood mais recentes da empresa são projetadas para paralelismo massivo e estão totalmente integradas à infraestrutura de data centers do Google.
Azul
A Microsoft não fica muito atrás, tendo recentemente apresentado seus chips de IA personalizados, o Azure Maia e o Azure Cobalt , otimizados para IA e cargas de trabalho de uso geral. Esses chips já estão sendo implementados nos data centers da Microsoft, dando suporte a tudo, desde grandes modelos de linguagem até serviços essenciais em nuvem.
Os CSPs não estão sozinhos
Embora não sejam necessariamente provedores de nuvem, outros players atuam no mercado de desenvolvimento de chips. Essas empresas também percebem os benefícios do design de chips: menor custo, desempenho, gerenciamento e propriedade.
Groq
A Groq oferece uma plataforma de inferência de IA centrada em sua Unidade de Processamento de Linguagem (LPU) personalizada e infraestrutura em nuvem. Ela oferece alto desempenho a baixo custo para modelos de IA populares.
Ao contrário das GPUs projetadas para gráficos, a LPU é otimizada para inferência de IA e tarefas de linguagem. A Groq oferece a LPU por meio do GroqCloud™ e de soluções locais, em vez de chips individuais.
Sistemas SambaNova
A SambaNova Systems criou uma plataforma de IA personalizada para cargas de trabalho complexas. Ela é centrada no sistema DataScale® e em chips de Unidade de Fluxo de Dados Reconfigurável (RDU) personalizados, otimizados para computação de fluxo de dados.
A empresa oferece modelos básicos pré-treinados e o SambaNova Suite, que combina hardware, software e modelos para permitir a rápida implantação de IA, especialmente em finanças e saúde.
Cerebras
A Cerebras é conhecida por sua plataforma de inferência e treinamento de IA, que apresenta o Wafer-Scale Engine (WSE) . Com seus inúmeros núcleos otimizados para IA e memória integrada, este chip de grandes dimensões permite que os sistemas da Cerebras lidem com modelos complexos que o hardware tradicional considera desafiadores.
Organizações nos setores de pesquisa médica e energia usam sistemas Cerebras para supercomputadores locais, enquanto os desenvolvedores podem acessar seus recursos por meio do Cerebras Cloud.
Tentorrent
A Tensorrent está desenvolvendo hardware avançado de IA e computação de alto desempenho, liderada por uma equipe especializada em arquitetura de computadores e design de ASICs. Sua abordagem se assemelha à das TPUs do Google, com foco em hardware e software abertos, e atraiu investimentos de figuras como Jeff Bezos.
As placas PCIe Blackhole™ da empresa são projetadas para processamento de IA escalável, com núcleos RISC-V e memória GDDR6. O modelo Blackhole p100a inclui o processador Blackhole Tensix e foi desenvolvido para estações de trabalho desktop.
Os benefícios: desempenho, eficiência e controle
O silício personalizado oferece aos CSPs e outros players um conjunto robusto de alavancas. Os provedores podem otimizar suas cargas de trabalho, arquiteturas de data center e restrições de energia/resfriamento projetando chips internamente. Isso resulta em melhor desempenho por dólar, maior eficiência energética e a capacidade de oferecer serviços diferenciados aos clientes. Estrategicamente, possuir a pilha de silício reduz a dependência de fornecedores terceirizados, mitiga os riscos da cadeia de suprimentos e permite ciclos de inovação mais rápidos. Essa agilidade é uma vantagem competitiva em um mundo onde os modelos de IA evoluem em alta velocidade.
Construir chips não é para os fracos. Exige profundo conhecimento em engenharia, investimento substancial de capital e colaboração próxima com fundições e parceiros de design. Os CSPs também investem significativamente em pilhas de software, compiladores e ferramentas de desenvolvimento para garantir que seu hardware personalizado seja acessível e fácil de usar. Os efeitos cascata estão sendo sentidos em toda a indústria. Fabricantes tradicionais de chips como Intel, AMD e NVIDIA enfrentam nova concorrência, enquanto startups e fornecedores de propriedade intelectual encontram novas oportunidades de colaboração com os CSPs. O movimento de hardware de código aberto, caracterizado pelo RISC-V, está ganhando força à medida que os provedores buscam arquiteturas mais flexíveis e personalizáveis.
O futuro do silício em nuvem
O ritmo de inovação não mostra sinais de desaceleração. À medida que a IA, a análise de dados e a computação de ponta evoluem, espera-se que CSPs e hiperescaladores invistam fortemente em silício personalizado, ao mesmo tempo em que se expandem para novas áreas de rede, armazenamento e segurança. A próxima geração de infraestrutura em nuvem será moldada tanto pelo hardware interno quanto pelo software e serviços sobrepostos.
Esse avanço oferece mais opções, melhor desempenho e a capacidade de lidar com cargas de trabalho antes consideradas impossíveis para empresas e desenvolvedores. Para o setor, isso marca o início de uma nova era, na qual os maiores provedores de nuvem também se tornam alguns dos designers de chips mais influentes.
Amazon