Amazon lança ferramenta para desafiar domínio da Nvidia em chips de IA

Tudo sobre Inteligência Artificial

A Amazon lançou nova ferramenta para facilitar a execução de aplicações de inteligência artificial (IA) em seus próprios chips e desafiar a posição da Nvidia no mercado. Batizado de TorchNeuron, o recurso permite que desenvolvedores transfiram aplicações criadas com PyTorch para os processadores Trainium, da Amazon Web Services (AWS), com apenas uma alteração de configuração, sem precisar reescrever o código.Continua após a publicidadeA iniciativa mira uma das principais vantagens competitivas da Nvidia: o ecossistema de software que ajuda a manter seus chips como escolha padrão de muitas empresas que desenvolvem IA.O PyTorch é uma ferramenta gratuita e de código aberto usada para desenvolver, treinar e executar modelos de IA. Segundo a Amazon, aproximadamente 85% das aplicações de IA são desenvolvidas com o framework.A Nvidia consolidou sua presença nesse mercado ao longo de anos de investimentos no CUDA, sua plataforma de software que permite executar aplicações de IA em seus processadores gráficos. Como consequência, boa parte dos programas desenvolvidos com PyTorch já está adaptada para funcionar com o hardware da companhia. O TorchNeuron pretende diminuir essa dependência e tornar a migração para os chips da Amazon mais simples.Amazon quer facilitar a troca de chips de IA
A ferramenta foi adaptada do PyTorch e aproveita os conhecimentos que os desenvolvedores já possuem sobre o framework. Na prática, a proposta é permitir que aplicações existentes sejam executadas nos chips Trainium sem exigir reformulação do código;

A Amazon não é a primeira empresa a tentar facilitar a utilização de hardware alternativo. Desenvolvedores também podem adaptar aplicações do PyTorch para processadores gráficos da AMD e chips da Apple com mudanças relativamente simples na configuração;

O diferencial defendido pela companhia é a integração com toda a infraestrutura de computação em nuvem da AWS. Dessa forma, startups poderiam desenvolver protótipos, treinar modelos e colocar aplicações em produção dentro do mesmo ecossistema;

Colin Brace, vice-presidente de software da Annapurna Labs, unidade da Amazon responsável pelo desenvolvimento de chips próprios, argumenta que essa integração oferece vantagens em relação a provedores especializados em infraestrutura de IA;

“Você está construindo na AWS. Não está apostando em um provedor de computação de finalidade única e correndo para construir todo o resto ao redor dele”, afirmou o executivo ao TechCrunch;

A Amazon também sustenta que utilizar o mesmo tipo de chip para treinamento e inferência pode melhorar a economia das operações. O treinamento é a etapa em que o modelo aprende a partir dos dados, enquanto a inferência corresponde à utilização do modelo já treinado para realizar tarefas, como responder a perguntas ou processar áudio.
Leia mais:A Amazon cita a Deepgram, empresa especializada em IA para processamento de voz, como exemplo dos possíveis benefícios da mudança. Segundo Brace, a companhia passou a utilizar os chips Trainium e conseguiu processar 70% mais áudio por dólar, mantendo a precisão necessária para operações de produção.O relato é utilizado pela Amazon para defender que a escolha da infraestrutura de IA não deve depender apenas do preço individual dos chips ou do custo por unidade de processamento. A empresa argumenta que a combinação de desempenho, treinamento, inferência e serviços de nuvem precisa ser considerada no custo total da operação.

Ainda assim, a proposta da AWS terá de competir com um ecossistema consolidado. A Nvidia não depende apenas do desempenho de seus processadores: seu software, as ferramentas disponíveis e a familiaridade dos desenvolvedores também ajudam a sustentar sua posição no mercado.Amazon quer tornar o PyTorch menos dependente da NvidiaO plano da empresa vai além de facilitar a migração para seus próprios chips. A Amazon também pretende contribuir com mudanças no projeto principal do PyTorch para reduzir a associação automática do framework a determinados fabricantes de hardware.A ideia é tornar o ambiente de desenvolvimento mais independente dos chips utilizados, permitindo que diferentes empresas ofereçam alternativas sem exigir adaptações complexas de software.A estratégia pode ampliar as opções disponíveis para desenvolvedores e empresas que precisam de grande capacidade computacional para treinar e executar modelos de IA. Ao mesmo tempo, a Nvidia poderá enfrentar uma concorrência maior não apenas de fabricantes de processadores, mas também de provedores de nuvem que desenvolvem seus próprios chips.Continua após a publicidadeA Amazon, porém, ainda precisa demonstrar que a facilidade prometida pelo TorchNeuron se traduz em vantagens práticas para diferentes aplicações. A abstração das diferenças entre os chips é justamente uma das funções de frameworks como o PyTorch, e mudanças nessa camada podem trazer desafios de configuração e compatibilidade.Se a iniciativa conseguir reduzir significativamente a dependência dos desenvolvedores em relação ao ecossistema da Nvidia, seus efeitos poderão ultrapassar a disputa direta entre fabricantes de chips.“A verdadeira história é eliminar o aprisionamento que impedia os desenvolvedores de ter uma escolha real”, afirmou Brace.

Rodrigo Mozelli

Rodrigo Mozelli é jornalista formado pela Universidade Metodista de São Paulo (UMESP) e, atualmente, é redator do Olhar Digital.

Ver todos os artigos →

Assista a filmes e séries

Assine Amazon Prime para assistir a filmes e séries populares, incluindo Amazon Originals premiados.
O Amazon Prime também inclui a entrega GRÁTIS e rápida de milhares de itens elegíveis,
mais de 2 milhões de músicas sem anúncios e muito mais. Clique aqui e comece seu teste GRÁTIS por 30 dias!