Por que os Autocratas de IA Devem Ser Desafiados a Fazer Melhor

Se aprendemos algo com a Era da IA, é que a indústria está lidando com desafios de poder significativos. Esses desafios são tanto literais – como encontrar maneiras de atender às vorazes demandas de energia que os centros de dados de IA exigem – quanto figurativos – como a concentração de riqueza de IA em poucas mãos com base em interesses comerciais estreitos, em vez de benefícios sociais mais amplos.

O Paradoxo de Poder de IA: Altos Custos, Controle Concentrado

Para que a IA seja bem-sucedida e beneficie a humanidade, ela deve se tornar onipresente. Para se tornar onipresente, ela deve ser economicamente e ambientalmente sustentável. Essa não é a trajetória que estamos seguindo agora. A batalha obsessiva por IA maior e mais rápida é impulsionada mais por ganhos de desempenho de curto prazo e domínio do mercado do que pelo que é melhor para IA sustentável e acessível.

A corrida para construir sistemas de IA cada vez mais poderosos está acelerando, mas isso vem com um alto custo ambiental. Chips de IA de ponta, como o H100 da Nvidia (até 700 watts), já consomem quantidades significativas de energia. Essa tendência deve continuar, com especialistas da indústria prevendo que a próxima arquitetura Blackwell da Nvidia (NVDA ) pode impulsionar o consumo de energia por chip para o intervalo de kilowatt, potencialmente excedendo 1.200 watts. Com líderes da indústria antecipando milhões desses chips sendo implantados em centros de dados em todo o mundo, as demandas de energia de IA estão prestes a decolar.

O Custo Ambiental da Corrida Armamentista de IA

Vamos colocar isso em um contexto do dia a dia. A eletricidade que alimenta sua casa inteira poderia executar todos os seus aparelhos ao mesmo tempo – não que alguém faria isso. Agora, imagine apenas um rack Nvidia de 120kw exigindo a mesma quantidade de energia – especialmente quando pode haver centenas ou milhares em grandes centros de dados! Agora, 1.200 watts equivalente a 1,2 kw. Então, estamos falando sobre um bairro de tamanho médio. Um rack Nvidia de 120kW – essencialmente 100 daqueles chips que consomem muita energia – precisa de eletricidade suficiente para alimentar cerca de 100 casas.

Essa trajetória é preocupante, dado os constrangimentos de energia que muitas comunidades enfrentam. Especialistas em centros de dados preveem que os Estados Unidos precisarão de 18 a 30 gigawatts de nova capacidade nos próximos cinco a sete anos, o que tem empresas correndo para encontrar maneiras de lidar com esse aumento. Enquanto isso, a minha indústria continua criando mais aplicações de IA gerativas que consomem energia muito além do que é teoricamente necessário para a aplicação ou o que é viável para a maioria das empresas, quanto mais desejável para o planeta.

Equilibrando Segurança e Acessibilidade: Soluções de Centro de Dados Híbrido

Essa autocracia de IA e “corrida armamentista”, obcecada com velocidade e poder brutos, ignora as necessidades práticas de centros de dados do mundo real – nomeadamente, o tipo de soluções acessíveis que diminuem as barreiras de mercado para os 75 por cento das organizações dos EUA que não adotaram IA. E vamos encarar a realidade, à medida que mais regulamentações de IA são implementadas em torno de privacidade, segurança e proteção ambiental, mais organizações exigirão uma abordagem de centro de dados híbrida, protegendo seus dados mais preciosos, privados e sensíveis em áreas altamente protegidas no local, longe dos ataques cibernéticos e de IA. Seja para registros de saúde, dados financeiros, segredos de defesa nacional ou integridade eleitoral, o futuro da IA empresarial exige um equilíbrio entre segurança no local e agilidade na nuvem.

Isso é um desafio sistêmico significativo e que requer hipercolaboração em vez de hiperconcorrência. Com um foco avassalador em GPUs e outros chips de aceleração de IA com capacidade bruta, velocidade e métricas de desempenho, estamos perdendo consideração suficiente para a infraestrutura acessível e sustentável necessária para que governos e empresas adotem capacidades de IA. É como construir uma nave espacial sem lugar para lançá-la ou colocar um Lamborghini em uma estrada de país.

Democratizando IA: Colaboração da Indústria

Embora seja animador que os governos estejam começando a considerar regulamentações – garantindo que a IA beneficie todos, não apenas a elite – nossa indústria precisa de mais do que regras governamentais.

Por exemplo, o Reino Unido está utilizando IA para melhorar as capacidades de aplicação da lei, melhorando o compartilhamento de dados entre agências de aplicação da lei para melhorar a previsão e prevenção de crimes impulsionados por IA. Eles se concentram em transparência, responsabilidade e equidade no uso de IA para policiamento, garantindo confiança pública e adesão aos direitos humanos – com ferramentas como reconhecimento facial e policiamento preditivo para ajudar na detecção e gerenciamento de crimes.

Em indústrias altamente regulamentadas, como biotecnologia e saúde, colaborações notáveis incluem Johnson & Johnson (JNJ ) MedTech e Nvidia trabalhando juntos para melhorar a IA para procedimentos cirúrgicos. Sua colaboração visa desenvolver análise e capacidades de tomada de decisão em tempo real, impulsionadas por IA, na sala de operação. Essa parceria aproveita as plataformas de IA da NVIDIA para permitir a implantação escalável, segura e eficiente de aplicações de IA em ambientes de saúde.

Enquanto isso, na Alemanha, Merck formou alianças estratégicas com Exscientia e BenevolentAI para avançar na descoberta de medicamentos impulsionada por IA. Eles estão utilizando IA para acelerar o desenvolvimento de novos candidatos a medicamentos, particularmente em oncologia, neurologia e imunologia. O objetivo é melhorar a taxa de sucesso e a velocidade do desenvolvimento de medicamentos por meio das poderosas capacidades de design e descoberta da IA.

O primeiro passo é reduzir os custos de implantação de IA para empresas além de BigPharma e Big Tech, particularmente na fase de inferência de IA – quando as empresas instalam e executam um modelo de IA treinado, como Chat GPT, Llama 3 ou Claude, em um centro de dados real todos os dias. Estimativas recentes sugerem que o custo para desenvolver os maiores desses sistemas de próxima geração pode ser de cerca de US$ 1 bilhão, com custos de inferência potencialmente 8 a 10 vezes mais altos.

O custo crescente de implementar IA na produção diária mantém muitas empresas longe de adotar totalmente a IA – os “desprovidos”. Uma pesquisa recente encontrou que apenas uma em cada quatro empresas lançou iniciativas de IA nos últimos 12 meses e que 42% das empresas ainda não viram um benefício significativo das iniciativas de IA gerativa.

Para verdadeiramente democratizar a IA e torná-la onipresente – significando adoção empresarial generalizada – nossa indústria de IA deve mudar de foco. Em vez de uma corrida pelos maiores e mais rápidos modelos e chips de IA, precisamos de mais esforços colaborativos para melhorar a acessibilidade, reduzir o consumo de energia e abrir o mercado de IA para compartilhar seu potencial pleno e positivo de forma mais ampla. Uma mudança sistêmica elevaria todos os barcos, tornando a IA mais lucrativa para todos, com tremendo benefício para os consumidores.

Há sinais promissores de que é possível reduzir os custos de IA – diminuindo a barreira financeira para fortalecer as grandes iniciativas nacionais e globais de IA. Minha empresa, NeuReality, está colaborando com a Qualcomm (QCOM ) para alcançar até 90% de redução de custos e 15 vezes mais eficiência energética para várias aplicações de IA em texto, linguagem, som e imagens – os blocos de construção básicos da IA. Você sabe aqueles modelos de IA sob buzzwords da indústria, como visão computacional, IA conversacional, reconhecimento de fala, processamento de linguagem natural, IA gerativa e grandes modelos de linguagem. Ao colaborar com mais fornecedores de software e serviços, podemos continuar personalizando a IA na prática para melhorar o desempenho e reduzir os custos.

Na verdade, conseguimos diminuir o custo e o consumo de energia por consulta de IA em comparação com a infraestrutura centrada em CPU tradicional, na qual todos os chips de aceleração de IA, incluindo GPUs da Nvidia, dependem hoje. Nosso aparelho de inferência de IA NR1-S começou a ser enviado no verão com aceleradores Qualcomm Cloud AI 100 Ultra emparelhados com NAPUs NR1. O resultado é uma arquitetura alternativa da NeuReality que substitui a CPU tradicional nos centros de dados de IA – o maior gargalo no processamento de dados de IA hoje. Essa mudança evolutiva é profunda e altamente necessária.

Além do Hype: Construindo um Futuro de IA Economicamente e Sustentável

Vamos além do hype de IA e nos tornar sérios sobre abordar nossos desafios sistêmicos. O trabalho árduo está à frente, no nível do sistema, exigindo que toda a indústria de IA trabalhe juntos – e não contra – uns aos outros. Ao nos concentrarmos em acessibilidade, sustentabilidade e acessibilidade, podemos criar uma indústria de IA e uma base de clientes mais ampla que beneficie a sociedade de maneiras mais significativas. Isso significa oferecer escolhas de infraestrutura sustentáveis sem riqueza de IA concentrada nas mãos de poucos, conhecida como os Big 7.

O futuro da IA depende de nossos esforços coletivos hoje. Ao priorizar a eficiência energética e a acessibilidade, podemos evitar um futuro dominado por infraestrutura de IA que consome muita energia e uma oligarquia de IA focada no desempenho bruto às expensas de benefícios generalizados. Simultaneamente, devemos abordar o consumo de energia insustentável que impede o potencial da IA de revolucionar a segurança pública, a saúde e o serviço ao cliente.

Assim, criamos um ciclo poderoso de investimento e lucratividade de IA impulsionado por inovação generalizada.

Quem está conosco?