De acordo com um novo relatório divulgado no início deste ano por analistas da Bloomberg Intelligence, a indústria de IA poderá expandir-se a uma taxa de 42% dentro de uma década, impulsionada primeiro pelas fundações necessárias para treinar sistemas de IA. demanda por equipamentos de acompanhamento que utilizem modelos de inteligência artificial, 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 fará o mercado AIGC crescer de US$ 40 bilhões em receitas no ano passado para cerca de US$ 1,3 trilhão em 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 programadas em paralelo, em vez de sequencialmente, como as unidades de processamento central (CPUs) tradicionais.
De acordo com o Wall Street Journal, o treinamento desses modelos “pode custar bilhões de dólares às empresas devido às enormes quantidades de dados que elas precisam ingerir e analisar”. suporte para aplicativos ChatGPT e Bard chatbot.
01. Aproveitando a onda da IA generativa
A tendência AIGC deu ao principal fornecedor de GPU Nvidia um impulso poderoso: a empresa relatou ganhos surpreendentes no trimestre mais recente. É uma época de boom, pelo menos para a Nvidia, já que quase todas as grandes empresas de tecnologia estão tentando colocar as mãos em placas gráficas de IA de última geração.
Erin Griffiths escreveu no The New York Times que as start-ups e os investidores estão a tomar medidas extraordinárias para colocar as mãos nestes chips: "Não é dinheiro, talento de engenharia, exagero ou mesmo dinheiro que as empresas tecnológicas anseiam desesperadamente este ano. Lucro, mas desejo para GPUs.”
Ben Thompson chama isso de “Nvidia no topo da colina” 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.
Será que a necessidade atual marca o auge de uma nova geração de IA ou talvez prenuncie o início da próxima onda de desenvolvimento?
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 Huang é que todas essas GPUs serão usadas para muitas das mesmas atividades que estão atualmente em execução nas CPUs; esta é certamente uma visão otimista para a Nvidia porque significa buscar qualquer excesso a capacidade que a IA generativa pode criar será preenchida pelas atuais cargas de trabalho de computação em nuvem.”
Ele continuou: "Dito isto, duvido: tanto os humanos quanto as empresas são preguiçosos, e os aplicativos baseados em CPU não são apenas mais fáceis de desenvolver, mas em sua maioria já estão construídos. Tenho dificuldade em imaginar quais empresas gastariam tempo e esforço 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 só precisa de bons 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 de Tecnologia Emergente do Gartner, esta nova geração de IA está passando por um momento e está no auge das expectativas inflacionadas.
Peter Diamandis, fundador da Singularity University e XPRIZE, disse que essas expectativas são sobre ver o potencial futuro sem quaisquer consequências negativas. “Nesse ponto, o hype começa a gerar entusiasmo infundado e expectativas inflacionadas”.
05. Limitações atuais
Neste ponto, em breve atingiremos os limites da atual mania do AIGC. Como escreveram os capitalistas de risco Paul Kedrosky e Eric Norlin da SK Ventures no Substack de sua empresa: "Nossa visão é que estamos no final da primeira onda de IA baseada em grandes modelos de linguagem. Essa onda começou no ano 2017, 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. "
Essas limitações incluem “uma tendência a alucinações, dados de treinamento insuficientes para um domínio restrito, corpora de treinamento desatualizados de muitos anos atrás ou uma infinidade de outras razões”.
Para ser claro, Kedrosky e Norlin não acham que a IA chegou a um beco sem saída. Em vez disso, argumentam que são necessárias melhorias tecnológicas substanciais para alcançar algo melhor do que a “automação moderada” e o crescimento limitado da produtividade. Eles acreditam que a próxima onda incluirá novos modelos, mais código aberto e especialmente “GPUs onipresentes/baratas” que, se corretas, podem não ser um bom presságio para a Nvidia, mas permitirão que aqueles que precisam de pessoas se beneficiem da tecnologia.
Como observa a Fortune, a Amazon deixou clara sua intenção de desafiar diretamente o domínio da Nvidia na fabricação de chips. Eles não estão sozinhos, pois 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 as fontes destes chips e reduzir o preço da tecnologia escassa será fundamental para desenvolver e difundir a onda de inovação AIGC.
06 A próxima onda de IA
Apesar das limitações dos modelos e aplicações da geração atual, o futuro do AIGC é 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 necessidade de níveis mais elevados de automação.
Embora a IA e a automação tenham sido historicamente vistas como separadas, esta visão está a mudar com o surgimento do AIGC. 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. Embora os desafios sejam grandes, as oportunidades também o são – especialmente num mundo ávido por inovação e eficiência. A batalha pelo domínio da GPU é apenas um instantâneo nesta narrativa em desenvolvimento, um prólogo para o futuro capítulo da inteligência artificial e da computação.
Referências:
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
O AIGC está em um ponto de inflexão: o que vem a seguir para adoção no mundo real?
Fonte original: Laboratório de Inovação AGI
De acordo com um novo relatório divulgado no início deste ano por analistas da Bloomberg Intelligence, a indústria de IA poderá expandir-se a uma taxa de 42% dentro de uma década, impulsionada primeiro pelas fundações necessárias para treinar sistemas de IA. demanda por equipamentos de acompanhamento que utilizem modelos de inteligência artificial, 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 fará o mercado AIGC crescer de US$ 40 bilhões em receitas no ano passado para cerca de US$ 1,3 trilhão em 2032.
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 programadas em paralelo, em vez de sequencialmente, como as unidades de processamento central (CPUs) tradicionais.
De acordo com o Wall Street Journal, o treinamento desses modelos “pode custar bilhões de dólares às empresas devido às enormes quantidades de dados que elas precisam ingerir e analisar”. suporte para aplicativos ChatGPT e Bard chatbot.
01. Aproveitando a onda da IA generativa
A tendência AIGC deu ao principal fornecedor de GPU Nvidia um impulso poderoso: a empresa relatou ganhos surpreendentes no trimestre mais recente. É uma época de boom, pelo menos para a Nvidia, já que quase todas as grandes empresas de tecnologia estão tentando colocar as mãos em placas gráficas de IA de última geração.
Erin Griffiths escreveu no The New York Times que as start-ups e os investidores estão a tomar medidas extraordinárias para colocar as mãos nestes chips: "Não é dinheiro, talento de engenharia, exagero ou mesmo dinheiro que as empresas tecnológicas anseiam desesperadamente este ano. Lucro, mas desejo para GPUs.”
Ben Thompson chama isso de “Nvidia no topo da colina” 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.
Será que a necessidade atual marca o auge de uma nova geração de IA ou talvez prenuncie o início da próxima onda de desenvolvimento?
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 Huang é que todas essas GPUs serão usadas para muitas das mesmas atividades que estão atualmente em execução nas CPUs; esta é certamente uma visão otimista para a Nvidia porque significa buscar qualquer excesso a capacidade que a IA generativa pode criar será preenchida pelas atuais cargas de trabalho de computação em nuvem.”
Ele continuou: "Dito isto, duvido: tanto os humanos quanto as empresas são preguiçosos, e os aplicativos baseados em CPU não são apenas mais fáceis de desenvolver, mas em sua maioria já estão construídos. Tenho dificuldade em imaginar quais empresas gastariam tempo e esforço 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 só precisa de bons 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 de Tecnologia Emergente do Gartner, esta nova geração de IA está passando por um momento e está no auge das expectativas inflacionadas.
Peter Diamandis, fundador da Singularity University e XPRIZE, disse que essas expectativas são sobre ver o potencial futuro sem quaisquer consequências negativas. “Nesse ponto, o hype começa a gerar entusiasmo infundado e expectativas inflacionadas”.
05. Limitações atuais
Neste ponto, em breve atingiremos os limites da atual mania do AIGC. Como escreveram os capitalistas de risco Paul Kedrosky e Eric Norlin da SK Ventures no Substack de sua empresa: "Nossa visão é que estamos no final da primeira onda de IA baseada em grandes modelos de linguagem. Essa onda começou no ano 2017, 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. "
Essas limitações incluem “uma tendência a alucinações, dados de treinamento insuficientes para um domínio restrito, corpora de treinamento desatualizados de muitos anos atrás ou uma infinidade de outras razões”.
Para ser claro, Kedrosky e Norlin não acham que a IA chegou a um beco sem saída. Em vez disso, argumentam que são necessárias melhorias tecnológicas substanciais para alcançar algo melhor do que a “automação moderada” e o crescimento limitado da produtividade. Eles acreditam que a próxima onda incluirá novos modelos, mais código aberto e especialmente “GPUs onipresentes/baratas” que, se corretas, podem não ser um bom presságio para a Nvidia, mas permitirão que aqueles que precisam de pessoas se beneficiem da tecnologia.
Como observa a Fortune, a Amazon deixou clara sua intenção de desafiar diretamente o domínio da Nvidia na fabricação de chips. Eles não estão sozinhos, pois 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 as fontes destes chips e reduzir o preço da tecnologia escassa será fundamental para desenvolver e difundir a onda de inovação AIGC.
06 A próxima onda de IA
Apesar das limitações dos modelos e aplicações da geração atual, o futuro do AIGC é 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 necessidade de níveis mais elevados de automação.
Embora a IA e a automação tenham sido historicamente vistas como separadas, esta visão está a mudar com o surgimento do AIGC. 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. Embora os desafios sejam grandes, as oportunidades também o são – especialmente num mundo ávido por inovação e eficiência. A batalha pelo domínio da GPU é apenas um instantâneo nesta narrativa em desenvolvimento, um prólogo para o futuro capítulo da inteligência artificial e da computação.
Referências: