Essa é a empresa de chips que a OpenAI está apostando para reduzir sua dependência da NVIDIA

Quando pensamos em soluções personalizadas de chips para o mercado de IA, aceleradores que alimentam os supercomputadores responsáveis por fazer serviços como o ChatGPT funcionar, um nome surge de imediato: NVIDIA. A empresa comandada por Jensen Huang cresceu tão rápido quanto o interesse global por inteligência artificial. No entanto, os próprios grandes players do mercado estão buscando alternativas a essa supremacia da NVIDIA. A OpenAI, por exemplo, já investe numa empresa de semicondutores que tenta desafiar esse protagonismo da gigante conhecida por suas GPUs.

Essa empresa é a norte-americana Cerebra Systems, fundada em 2015. Como ela mesmo autoproclama em seu site, “Cerebras está revolucionando a computação para Deep Learning”.

Fazer um contraponto a NVIDIA, sob o ponto de vista tecnológico, não é uma tarefa fácil, mas a companhia, que vem conseguindo levantar investimentos vultuosos – como em 2021, quando conseguiu US$ 250 milhões – promete ser capaz, e apostando numa abordagem diferente. Outras startups promissoras também estão conseguindo ascender nessa busca de tomar uma parte desse bolo da NVIDIA, como a Etched, que conseguiu recentemente levantar US$ 120 milhões em financiamento de risco.

A Cerebras destaca que é a primeira empresa a utilizar sistemas de IA que não dependem de GPUs para treinar LLMs. O uso de GPUs para o treinamento está totalmente ligado a esse boom das IA Generativas. Com o ChatGPT, por exemplo, a OpenAI teria utilizado cerca de 10.000 GPUs da NVIDIA para treinar a IA. Mas a Cerebras não vai por esse caminho, ela aposta em chips colossais como o WS-3, apresentado em março.

As credenciais desse chip para IA chamam a atenção:

• 4 trilhões de transistores;
• 900.000 núcleos otimizados para IA
• Capaz de treinar modelos de IA com até 24 trilhões de parãmetros.

O chip também chama atenção pelo tamanho. No site oficial do produto, a empresa faz uma comparação entre uma GPU, por exemplo, o H100 da NVIDIA, que tem 826 milímetros quadrados , e o WS-3 com seus impressionantes 46.225 milímetros quadrados.

Alimentando um supercomputador

Esse processador foi construído para alimentar o supercomputador Cerebras CS-3. Segundo a empresa, único CS-3 normalmente oferece desempenho de computação de alta qualidade de dezenas a centenas de unidades de processamento quando comparado GPU.

“Ocupando menos espaço que um rack de servidores, o CS-3 pode realizar tarefas em minutos ou horas que normalmente levariam dias ou semanas em clusters grandes compostos por processadores tradicionais e de uso geral”, diz a empresa. Com um consumo de energia sustentada de 23 kW, e uma altura de 16 unidades de rack (RU), a Cerebras associa o CS-3 ao tamanho de um frigobar.

Segundo a Cerebras, o CS-3 pode ser facilmente integrado a uma estrutura de datacenter já ativa, e que a entrega do equipamento até a sua disponibilidade para uso pelos usuários, acontece em poucos dias, contrastando com uma implementação mais lenta, que pode levar semanas ou meses. A conexão com a estrutura já ativa pode ser feita através de 12 links Ethernet padrão de 100 Gigabits.

É possível concorrer com a NVIDIA?

Além da questão da tecnologia, concorrer com a NVIDIA hoje implica em esbarrar numa empresa que já é muito bem aceita pelos grandes players, o que representa um conhecimento pleno do mercado, e uma maior maleabilidade nas negociações. E fora a esmagadora quota de mercado da empresa no segmento de IA. A NVIDIA é responsável por 88% do mercado

Por outro lado, a Cerebras tem apoio de parte desse próprios players, que buscam reduzir a dependência das soluções fornecidas pela NVIDIA. Dentre os investidores da Cerebras está a Y Combinator, que tem como presidente Sam Altman, o CEO da OpenAI.

Poder de barganha

Não é só a OpenAI que projeta um futuro em que a dependência do hardware da NVIDIA fique menor ao longos dos próximos anos, Outras Big Techs, como Amazon, Google e Microsoft  estão investindo em alternativas, e até mesmo buscando a criação dos seus próprios chips. O Google, por exemplo, já investiu entre US$ 2 e U$ 3 bilhões para a construção de 1 milhão de chips de IA.

A criação de chips personalizados pode significar um alinhamento cada maior com as pretensões daquela empresa, e também pode ser um amortizador na hora de negociar com a própria NVIDIA, um mercado de chips mais plural pode criar ainda mais oportunidades para o avanço da IA.