Durante a palestra principal do GTC 2023, o CEO da Nvidia, Jensen Huang, destacou uma nova geração de avanços que visam levar a IA a todos os setores. Em parceria com gigantes da tecnologia como Google, Microsoft e Oracle, a Nvidia está fazendo avanços em treinamento de IA, implantação, semicondutores, bibliotecas de software, sistemas e serviços em nuvem. Outras parcerias e desenvolvimentos anunciados incluem empresas como Adobe, AT&T e a fabricante de veículos BYD.
Huang observou vários exemplos do ecossistema da Nvidia em ação, incluindo usuários do Microsoft 365 e do Azure obtendo acesso a uma plataforma para construir mundos virtuais e a Amazon usando recursos de simulação para treinar robôs autônomos de armazém.
Ele também mencionou o rápido aumento de serviços generativos de IA como o ChatGPT, referindo-se ao seu sucesso como o “momento iPhone da IA”.
Com base na arquitetura Hopper da Nvidia, Huang anunciou uma nova GPU H100 NVL que funciona em uma configuração de GPU dupla com NVLink, para atender à crescente demanda por IA e inferência de modelo de linguagem grande (LLM). A GPU possui um Transformer Engine projetado para processar modelos como GPT, reduzindo os custos de processamento LLM.
Comparado ao HGX A100 para processamento GPT-3, um servidor com quatro pares de H100 NVL pode ser até 10 vezes mais rápido, afirma a empresa.
Com a computação em nuvem se tornando uma indústria de US$ 1 trilhão, a Nvidia desenvolveu a CPU Grace baseada em Arm para IA e cargas de trabalho em nuvem. A empresa reivindica desempenho 2x superior aos processadores x86 com o mesmo envelope de energia nos principais aplicativos de data center. Em seguida, o superchip Grace Hopper combina a CPU Grace e a GPU Hopper, para processar conjuntos de dados gigantes comumente encontrados em bancos de dados de IA e grandes modelos de linguagem.
Além disso, o CEO da Nvidia afirma que sua plataforma DGX H100, com oito GPUs Nvidia H100, tornou-se o modelo para a construção de infraestrutura de IA. Vários grandes provedores de nuvem, incluindo Oracle Cloud, AWS e Microsoft Azure, anunciaram planos para adotar GPUs H100 em suas ofertas. Fabricantes de servidores como Dell, Cisco e Lenovo também estão fabricando sistemas com GPUs Nvidia H100.
Como claramente os modelos de IA generativa estão na moda, a Nvidia também está oferecendo novos produtos de hardware com casos de uso específicos para executar plataformas de inferência com mais eficiência. A nova GPU L4 Tensor Core é um acelerador universal otimizado para vídeo, oferecendo desempenho de vídeo com IA 120 vezes melhor e eficiência de energia 99% melhor em comparação com CPUs, enquanto o L40 para geração de imagens é otimizado para gráficos e 2D habilitado para IA , vídeo e geração de imagens 3D.
O Omniverse da Nvidia também está presente na modernização da indústria automobilística. Até 2030, a indústria marcará uma mudança para veículos elétricos, novas fábricas e megafábricas de baterias. A Nvidia diz que o Omniverse está sendo adotado pelas principais marcas de automóveis para várias tarefas: a Lotus o usa para montagem de estação de soldagem virtual, a Mercedes-Benz para planejamento e otimização da linha de montagem e a Lucid Motors para a construção de lojas digitais com dados de projeto precisos.
A BMW colabora com a idealworks para treinamento de robôs de fábrica e para planejar uma fábrica de veículos elétricos inteiramente no Omniverse.
Ao todo, houve muitos anúncios e parcerias para mencionar, mas sem dúvida o último grande marco veio do lado da fabricação. A Nvidia anunciou um avanço na velocidade de produção de chips e eficiência energética com a introdução do “cuLitho”, uma biblioteca de software projetada para acelerar a litografia computacional em até 40 vezes.
Jensen explicou que cuLitho pode reduzir drasticamente os extensos cálculos e processamento de dados necessários no projeto e fabricação de chips. Isso resultaria em um consumo significativamente menor de eletricidade e recursos. A TSMC e o fornecedor de equipamentos de semicondutores ASML planejam incorporar o cuLitho em seus processos de produção.
Leia também: TSMC pode cortar preços de 3 nm para atrair Nvidia e outros
