De acordo com um novo relatório dos analistas da Bloomberg Intelligence no início deste ano, a indústria da IA poderá expandir-se a uma taxa de 42% dentro de uma década, começando pelos fundamentos necessários para treinar sistemas de IA. Isso é impulsionado pela procura de instalações e, em seguida, pela procura para dispositivos subsequentes usando modelos de IA, publicidade e outros serviços. O lançamento de ferramentas de IA focadas no consumidor, como ChatGPT e Bard do Google, alimentará um boom de uma década que aumentará a receita do mercado AIGC de US$ 40 bilhões no ano passado para cerca de US$ 1,3 trilhão até 2032.
Fonte da imagem: gerada por Unbounded AI
A IA generativa (AIGC) está a ganhar uma adoção mais ampla, especialmente no setor empresarial.
Por exemplo, recentemente, o Walmart anunciou que iria lançar um aplicativo AIGC para 50.000 associados não-lojas. De acordo com a Axios, o aplicativo combina dados do Walmart com grandes modelos de linguagem (LLMs) de terceiros para ajudar os funcionários a concluir uma série de tarefas, desde acelerar o processo de redação até atuar como parceiro criativo, resumir documentos grandes e muito mais.
Essas implantações ajudam a impulsionar a demanda por placas gráficas (GPUs) necessárias para treinar modelos poderosos de aprendizado profundo. As GPUs de placas gráficas são processadores de computação especializados que executam instruções de programação em paralelo, em vez de sequencialmente, como uma unidade de processamento central (CPU) tradicional.
De acordo com o Wall Street Journal, o treinamento desses modelos “poderia custar bilhões às empresas devido às enormes quantidades de dados que elas precisam ingerir e analisar”.
01.* Aproveitando a onda da IA generativa*
A tendência AIGC está dando um forte impulso à Nvidia, o principal fornecedor de GPUs: a empresa registrou lucros de cair o queixo no último trimestre. É uma época de boom, pelo menos para a Nvidia, já que quase todas as grandes empresas de tecnologia estão tentando obter placas gráficas de IA de última geração.
Erin Griffiths escreve no New York Times que startups e investidores estão tomando medidas extraordinárias para colocar as mãos nesses chips: “O que as empresas de tecnologia estão desesperadas este ano não é dinheiro, talento de engenharia, hype ou mesmo lucro, mas desejo por GPUs .”
Ben Thompson chama isso de “Nvidia no topo da montanha” no boletim informativo Stratechery desta semana. O impulso foi ainda mais impulsionado pelo anúncio de uma parceria entre o Google e a Nvidia que dará aos clientes da nuvem do Google maior acesso à tecnologia alimentada por GPUs da Nvidia. Tudo isto aponta para a atual escassez destes chips face ao aumento da procura.
As exigências atuais marcam o culminar de uma nova geração de IA ou talvez prenunciem o início da próxima onda de desenvolvimentos?
02.Como as tecnologias generativas estão moldando o futuro da computação
O CEO da Nvidia, Jensen Huang, disse na recente teleconferência de resultados da empresa que essa demanda sinaliza o surgimento da “computação acelerada”. Ele acrescentou que seria sensato que as empresas “desviassem os investimentos de capital da computação de uso geral e se concentrassem na geração de inteligência artificial e na aceleração da computação”.
A computação de uso geral refere-se a CPUs projetadas para uma variedade de tarefas, desde planilhas até bancos de dados relacionais e ERP. A Nvidia acredita que as CPUs agora são uma infraestrutura legada e os desenvolvedores devem otimizar o código da GPU para executar tarefas com mais eficiência do que as CPUs tradicionais.
As GPUs podem realizar muitos cálculos simultaneamente, tornando-as ideais para tarefas como aprendizado de máquina (ML), que realizam milhões de cálculos em paralelo. As GPUs também são particularmente boas em certos tipos de cálculos matemáticos, como álgebra linear e tarefas de manipulação de matrizes, que são a base do aprendizado profundo e da inteligência artificial.
03. GPUs oferecem poucos benefícios para certos tipos de software
No entanto, outras categorias de software, incluindo a maioria das aplicações empresariais existentes, são otimizadas para serem executadas em CPUs e beneficiam pouco da execução paralela de instruções das GPUs.
Thompson parece ter uma visão semelhante: "Minha interpretação do argumento de Jensen Huang é que todas essas GPUs serão usadas para muitas das mesmas atividades que atualmente são executadas em CPUs; qualquer excesso de capacidade que a IA generativa possa criar será preenchido pela atual computação em nuvem cargas de trabalho."
Ele continuou: "Dito isto, duvido: humanos e empresas são preguiçosos, e os aplicativos baseados em CPU não são apenas mais fáceis de desenvolver, mas em sua maioria já construídos. Tenho dificuldade em imaginar quais empresas gastariam tempo e esforço para portar algo que já está rodando na CPU para a GPU."
04.A história se repete
Matt Assay, da InfoWorld, nos lembra que já vimos isso antes. "Quando o aprendizado de máquina surgiu, os cientistas de dados o aplicaram a tudo, mesmo que houvesse ferramentas mais simples. Como observou certa vez o cientista de dados Noah Lorang: "Apenas um pequeno subconjunto de problemas de negócios é melhor resolvido pelo aprendizado de máquina; a maioria das pessoas quer apenas bons resultados. dados e entender o que isso significa. "
A questão é que a computação acelerada e as GPUs não são suficientes para todas as necessidades de software.
A Nvidia teve um trimestre forte, impulsionada pela corrida atual para desenvolver uma nova geração de aplicativos de IA. A empresa está naturalmente entusiasmada com isso. No entanto, como vimos no recente Ciclo de Hype do Gartner para Tecnologias Emergentes, uma nova geração de IA está passando por um momento e está no auge das expectativas inflacionadas.
O fundador da Singularity University e XPRIZE, Peter Diamandis, disse que as expectativas eram ver o potencial do futuro sem qualquer desvantagem. "Naquele momento, o hype começou a gerar excitação injustificada e expectativas inflacionadas."
05.Limitações Atuais
Neste ponto, em breve atingiremos os limites da atual mania do AIGC. Como escreveram os capitalistas de risco da SK Ventures, Paul Kedrosky e Eric Norlin, no Substack de sua empresa: "Nossa visão é que estamos no final da primeira onda de inteligência artificial baseada em grandes modelos de linguagem. Essa onda começou em 2017. ano, com [Google] Com o lançamento do artigo do Transformer (“Atenção é tudo que você precisa”) e sua conclusão em algum momento no próximo ano ou dois, as pessoas enfrentam várias limitações. "
Estas limitações incluem “uma tendência para alucinações, dados de treino insuficientes num domínio restrito, corpora de treino de anos atrás que estão desactualizados, ou uma miríade de outras razões”. Onda de IA."
Para ser claro, Kedrosky e Norlin não acham que a IA tenha chegado a um beco sem saída. Em vez disso, argumentam que são necessárias melhorias tecnológicas substanciais para alcançar algo melhor do que uma "automação moderada" e ganhos de produtividade limitados. Eles acreditam que a próxima onda incluirá novos modelos, mais código aberto e especialmente “GPUs onipresentes/baratas”, o que, se correto, pode não ser um bom presságio para a Nvidia, mas permitirá que aqueles que precisam da tecnologia beneficiem as pessoas.
Como observou a Fortune, a Amazon deixou claras suas intenções de desafiar diretamente o domínio da Nvidia na fabricação de chips. Eles não estão sozinhos, e muitas startups estão disputando participação de mercado – assim como os gigantes dos chips, incluindo a AMD. Desafiar um titular dominante é extremamente difícil. Pelo menos neste caso, expandir a fonte destes chips e reduzir o preço da escassa tecnologia será fundamental para desenvolver e disseminar a onda de inovações AIGC.
06 A próxima onda de IA
Apesar das limitações da atual geração de modelos e aplicações, o futuro do AIGC parece brilhante. Existem provavelmente várias razões por detrás deste compromisso, mas talvez a mais importante seja a escassez geracional de trabalhadores em toda a economia, o que continuará a impulsionar a procura de níveis mais elevados de automação.
Embora a IA e a automação tenham sido historicamente vistas como separadas, com o advento do AIGC, esta visão está a mudar. A tecnologia está se tornando cada vez mais um impulsionador da automação e da produtividade. Mike Knoop, cofundador da empresa de fluxo de trabalho Zapier, mencionou esse fenômeno em um recente podcast Eye on AI, dizendo: “A inteligência artificial e a automação estão entrando em colapso na mesma coisa”.
Claro, a McKinsey acredita nisso. “A AIGC está preparada para desencadear a próxima onda de produtividade”, afirmaram num relatório recente.E não estão sozinhos. Por exemplo, o Goldman Sachs disse que uma nova geração de inteligência artificial poderia aumentar o PIB global em 7%.
Estejamos ou não no auge da geração atual de IA, é claramente uma área que continuará a evoluir e a gerar debate em toda a empresa. Por maiores que sejam os desafios, também o são as oportunidades – especialmente num mundo sedento de inovação e eficiência. A corrida pelo domínio da GPU é apenas um instantâneo nesta narrativa em desenvolvimento, o prólogo para um capítulo futuro na inteligência artificial e na computação.
Referências:
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
O AIGC está em um ponto de inflexão: o que vem a seguir para adoção no mundo real?
De acordo com um novo relatório dos analistas da Bloomberg Intelligence no início deste ano, a indústria da IA poderá expandir-se a uma taxa de 42% dentro de uma década, começando pelos fundamentos necessários para treinar sistemas de IA. Isso é impulsionado pela procura de instalações e, em seguida, pela procura para dispositivos subsequentes usando modelos de IA, publicidade e outros serviços. O lançamento de ferramentas de IA focadas no consumidor, como ChatGPT e Bard do Google, alimentará um boom de uma década que aumentará a receita do mercado AIGC de US$ 40 bilhões no ano passado para cerca de US$ 1,3 trilhão até 2032.
Fonte da imagem: gerada por Unbounded AI
A IA generativa (AIGC) está a ganhar uma adoção mais ampla, especialmente no setor empresarial.
Por exemplo, recentemente, o Walmart anunciou que iria lançar um aplicativo AIGC para 50.000 associados não-lojas. De acordo com a Axios, o aplicativo combina dados do Walmart com grandes modelos de linguagem (LLMs) de terceiros para ajudar os funcionários a concluir uma série de tarefas, desde acelerar o processo de redação até atuar como parceiro criativo, resumir documentos grandes e muito mais.
Essas implantações ajudam a impulsionar a demanda por placas gráficas (GPUs) necessárias para treinar modelos poderosos de aprendizado profundo. As GPUs de placas gráficas são processadores de computação especializados que executam instruções de programação em paralelo, em vez de sequencialmente, como uma unidade de processamento central (CPU) tradicional.
De acordo com o Wall Street Journal, o treinamento desses modelos “poderia custar bilhões às empresas devido às enormes quantidades de dados que elas precisam ingerir e analisar”.
01.* Aproveitando a onda da IA generativa*
A tendência AIGC está dando um forte impulso à Nvidia, o principal fornecedor de GPUs: a empresa registrou lucros de cair o queixo no último trimestre. É uma época de boom, pelo menos para a Nvidia, já que quase todas as grandes empresas de tecnologia estão tentando obter placas gráficas de IA de última geração.
Erin Griffiths escreve no New York Times que startups e investidores estão tomando medidas extraordinárias para colocar as mãos nesses chips: “O que as empresas de tecnologia estão desesperadas este ano não é dinheiro, talento de engenharia, hype ou mesmo lucro, mas desejo por GPUs .”
Ben Thompson chama isso de “Nvidia no topo da montanha” no boletim informativo Stratechery desta semana. O impulso foi ainda mais impulsionado pelo anúncio de uma parceria entre o Google e a Nvidia que dará aos clientes da nuvem do Google maior acesso à tecnologia alimentada por GPUs da Nvidia. Tudo isto aponta para a atual escassez destes chips face ao aumento da procura.
As exigências atuais marcam o culminar de uma nova geração de IA ou talvez prenunciem o início da próxima onda de desenvolvimentos?
02. Como as tecnologias generativas estão moldando o futuro da computação
O CEO da Nvidia, Jensen Huang, disse na recente teleconferência de resultados da empresa que essa demanda sinaliza o surgimento da “computação acelerada”. Ele acrescentou que seria sensato que as empresas “desviassem os investimentos de capital da computação de uso geral e se concentrassem na geração de inteligência artificial e na aceleração da computação”.
A computação de uso geral refere-se a CPUs projetadas para uma variedade de tarefas, desde planilhas até bancos de dados relacionais e ERP. A Nvidia acredita que as CPUs agora são uma infraestrutura legada e os desenvolvedores devem otimizar o código da GPU para executar tarefas com mais eficiência do que as CPUs tradicionais.
As GPUs podem realizar muitos cálculos simultaneamente, tornando-as ideais para tarefas como aprendizado de máquina (ML), que realizam milhões de cálculos em paralelo. As GPUs também são particularmente boas em certos tipos de cálculos matemáticos, como álgebra linear e tarefas de manipulação de matrizes, que são a base do aprendizado profundo e da inteligência artificial.
03. GPUs oferecem poucos benefícios para certos tipos de software
No entanto, outras categorias de software, incluindo a maioria das aplicações empresariais existentes, são otimizadas para serem executadas em CPUs e beneficiam pouco da execução paralela de instruções das GPUs.
Thompson parece ter uma visão semelhante: "Minha interpretação do argumento de Jensen Huang é que todas essas GPUs serão usadas para muitas das mesmas atividades que atualmente são executadas em CPUs; qualquer excesso de capacidade que a IA generativa possa criar será preenchido pela atual computação em nuvem cargas de trabalho."
Ele continuou: "Dito isto, duvido: humanos e empresas são preguiçosos, e os aplicativos baseados em CPU não são apenas mais fáceis de desenvolver, mas em sua maioria já construídos. Tenho dificuldade em imaginar quais empresas gastariam tempo e esforço para portar algo que já está rodando na CPU para a GPU."
04. A história se repete
Matt Assay, da InfoWorld, nos lembra que já vimos isso antes. "Quando o aprendizado de máquina surgiu, os cientistas de dados o aplicaram a tudo, mesmo que houvesse ferramentas mais simples. Como observou certa vez o cientista de dados Noah Lorang: "Apenas um pequeno subconjunto de problemas de negócios é melhor resolvido pelo aprendizado de máquina; a maioria das pessoas quer apenas bons resultados. dados e entender o que isso significa. "
A questão é que a computação acelerada e as GPUs não são suficientes para todas as necessidades de software.
A Nvidia teve um trimestre forte, impulsionada pela corrida atual para desenvolver uma nova geração de aplicativos de IA. A empresa está naturalmente entusiasmada com isso. No entanto, como vimos no recente Ciclo de Hype do Gartner para Tecnologias Emergentes, uma nova geração de IA está passando por um momento e está no auge das expectativas inflacionadas.
O fundador da Singularity University e XPRIZE, Peter Diamandis, disse que as expectativas eram ver o potencial do futuro sem qualquer desvantagem. "Naquele momento, o hype começou a gerar excitação injustificada e expectativas inflacionadas."
05. Limitações Atuais
Neste ponto, em breve atingiremos os limites da atual mania do AIGC. Como escreveram os capitalistas de risco da SK Ventures, Paul Kedrosky e Eric Norlin, no Substack de sua empresa: "Nossa visão é que estamos no final da primeira onda de inteligência artificial baseada em grandes modelos de linguagem. Essa onda começou em 2017. ano, com [Google] Com o lançamento do artigo do Transformer (“Atenção é tudo que você precisa”) e sua conclusão em algum momento no próximo ano ou dois, as pessoas enfrentam várias limitações. "
Estas limitações incluem “uma tendência para alucinações, dados de treino insuficientes num domínio restrito, corpora de treino de anos atrás que estão desactualizados, ou uma miríade de outras razões”. Onda de IA."
Para ser claro, Kedrosky e Norlin não acham que a IA tenha chegado a um beco sem saída. Em vez disso, argumentam que são necessárias melhorias tecnológicas substanciais para alcançar algo melhor do que uma "automação moderada" e ganhos de produtividade limitados. Eles acreditam que a próxima onda incluirá novos modelos, mais código aberto e especialmente “GPUs onipresentes/baratas”, o que, se correto, pode não ser um bom presságio para a Nvidia, mas permitirá que aqueles que precisam da tecnologia beneficiem as pessoas.
Como observou a Fortune, a Amazon deixou claras suas intenções de desafiar diretamente o domínio da Nvidia na fabricação de chips. Eles não estão sozinhos, e muitas startups estão disputando participação de mercado – assim como os gigantes dos chips, incluindo a AMD. Desafiar um titular dominante é extremamente difícil. Pelo menos neste caso, expandir a fonte destes chips e reduzir o preço da escassa tecnologia será fundamental para desenvolver e disseminar a onda de inovações AIGC.
06 A próxima onda de IA
Apesar das limitações da atual geração de modelos e aplicações, o futuro do AIGC parece brilhante. Existem provavelmente várias razões por detrás deste compromisso, mas talvez a mais importante seja a escassez geracional de trabalhadores em toda a economia, o que continuará a impulsionar a procura de níveis mais elevados de automação.
Embora a IA e a automação tenham sido historicamente vistas como separadas, com o advento do AIGC, esta visão está a mudar. A tecnologia está se tornando cada vez mais um impulsionador da automação e da produtividade. Mike Knoop, cofundador da empresa de fluxo de trabalho Zapier, mencionou esse fenômeno em um recente podcast Eye on AI, dizendo: “A inteligência artificial e a automação estão entrando em colapso na mesma coisa”.
Claro, a McKinsey acredita nisso. “A AIGC está preparada para desencadear a próxima onda de produtividade”, afirmaram num relatório recente.E não estão sozinhos. Por exemplo, o Goldman Sachs disse que uma nova geração de inteligência artificial poderia aumentar o PIB global em 7%.
Estejamos ou não no auge da geração atual de IA, é claramente uma área que continuará a evoluir e a gerar debate em toda a empresa. Por maiores que sejam os desafios, também o são as oportunidades – especialmente num mundo sedento de inovação e eficiência. A corrida pelo domínio da GPU é apenas um instantâneo nesta narrativa em desenvolvimento, o prólogo para um capítulo futuro na inteligência artificial e na computação.
Referências: