Pesquisadores do Lincoln Laboratory mapeiam evolução dos aceleradores de IA em survey contínuo
Equipe do Lincoln Laboratory, do MIT, documenta em série de papers o avanço dos aceleradores de IA, comparando desempenho e consumo de mais de 120 chips.
Resumo: Pesquisadores do Lincoln Laboratory, ligado ao MIT, mantêm desde 2018 o Lincoln AI Computing Survey (LAICS), que cataloga e compara aceleradores comerciais de IA por desempenho de pico e potência. A série, que já analisou mais de 120 aceleradores, ajuda governos e instituições a entender o cenário de hardware e a tomar decisões de pesquisa e compra.
Pontos-chave
- O Lincoln AI Computing Survey (LAICS) documenta aceleradores de IA comerciais desde 2018 e já passou de 120 modelos analisados.
- O levantamento compara desempenho de pico e potência de pico de CPUs, GPUs, ASICs, FPGAs e dataflow accelerators.
- Dados vêm apenas de fontes públicas, o que limita a análise quando empresas não divulgam números de desempenho e consumo.
- O paper de 2022 apontou transistores menores e menor precisão numérica como fontes de ganho de desempenho.
- O survey orienta decisões de pesquisa e compra de tecnologia por patrocinadores governamentais e pelo próprio laboratório.
Nesta matéria
O que é o Lincoln AI Computing Survey?#
O Lincoln AI Computing Survey (LAICS) é uma série de levantamentos técnicos conduzida pelo Lincoln Laboratory Supercomputing Center (LLSC), do MIT, desde 2018. O objetivo é resumir os aceleradores de IA disponíveis comercialmente e comparar seus desempenho de pico e potência de pico.
O levantamento nasceu quando a equipe percebeu um crescimento acentuado no número de aceleradores de IA anunciados, tanto em artigos científicos quanto no mercado. Patrocinadores governamentais do laboratório passaram a pedir orientação sobre essas tecnologias.
A série já rendeu seis papers. O primeiro analisou 57 aceleradores; o mais recente passou de 120.
Por que aceleradores de IA importam além do machine learning?#
Aceleradores de IA são sistemas especializados em tarefas como redes neurais, deep learning e machine learning. Mas a notícia destaca que eles também servem a outras aplicações paralelas intensivas, como modelagem de funções de moléculas e simulações de dinâmica de fluidos.
Esses usos são computacionalmente caros, e por isso a escolha do acelerador certo afeta custo, tempo de processamento e consumo de energia em projetos científicos e de defesa.
Quais tipos de aceleradores a equipe compara?#
O survey considera cinco grandes categorias de hardware, cada uma com características próprias de flexibilidade, desempenho e eficiência.
A comparação ajuda a identificar qual tipo de acelerador se encaixa melhor em cada necessidade — de tarefas de propósito geral a cargas altamente especializadas.
- CPUs (unidades centrais de processamento), voltadas a computação de propósito geral
- GPUs (unidades de processamento gráfico), mais flexíveis para diferentes cargas de trabalho
- ASICs (circuitos integrados de aplicação específica), dedicados a tarefas muito específicas
- FPGAs (arranjos de portas programáveis em campo), configuráveis para variados workloads
- Dataflow accelerators, também flexíveis e ajustáveis a diferentes aplicações
Como os pesquisadores medem e organizam os dados?#
As métricas centrais do LAICS são desempenho de pico e potência de pico. A partir delas, a equipe classifica os aceleradores conforme estejam em formato de chip, placa ou sistema completo.
Todos os dados vêm de fontes públicas, o que traz desafios: algumas empresas preferem não divulgar números de desempenho e potência. Para acompanhar o setor, o pesquisador Albert Reuther faz buscas diárias de notícias e citações, monitorando artigos técnicos, anúncios corporativos e apresentações da indústria.
O que os papers revelam sobre a evolução do hardware?#
Cada edição do survey investiga um aspecto novo do campo. O paper de 2022 examinou as fontes de ganho de desempenho e apontou dois fatores principais: transistores menores e mais densos e o uso de precisão numérica mais baixa, com menos dígitos significativos nos cálculos.
O levantamento mais recente analisou escolhas de arquitetura, avaliando como a inclusão de componentes — como mais núcleos por processador ou recursos de desempenho paralelo — altera o sistema.
Reuther afirma que o ritmo de novidades continua a surpreendê-lo: a cada ano, de cinco a dez startups são financiadas e anunciadas e depois lançam novos aceleradores de IA. Só nos últimos meses, segundo ele, seis novas empresas anunciaram seus primeiros aceleradores.
Quem usa o survey e para quê?#
O LAICS é conduzido por Reuther com os colegas do LLSC Michael Jones, Peter Michaleas, Jeremy Kepner e Vijay Gadepally, em colaboração com outras divisões do Lincoln Laboratory.
Os levantamentos têm ajudado patrocinadores e colegas de governo a compreender melhor o cenário de aceleradores e a tomar decisões de pesquisa e aquisição. Internamente, o survey também orienta quais GPUs considerar nas compras de sistemas do LLSC.
A equipe planeja continuar a série por tempo indeterminado. Os papers e os conjuntos de dados associados estão disponíveis publicamente, segundo a notícia.
O que isso muda para quem usa IA#
Para quem desenvolve com IA, a lição prática é que o cenário de hardware segue fragmentado e em rápida expansão: novos chips aparecem com frequência, e comparar desempenho e consumo de forma criteriosa virou parte do trabalho de arquitetura de sistemas.
Plataformas que reúnem vários modelos de IA por uma única chave, como a Invision, permitem que times foquem em escolher o modelo certo para cada tarefa sem se prender a um único fornecedor de infraestrutura. Não foi informado qualquer preço ou condição comercial específica na notícia.
Perguntas frequentes
O que é o Lincoln AI Computing Survey (LAICS)?
É uma série de papers do Lincoln Laboratory Supercomputing Center, do MIT, que cataloga aceleradores de IA comerciais e compara desempenho de pico e potência de pico. Começou em 2018 e já analisou mais de 120 aceleradores.
Quais tipos de aceleradores de IA o survey compara?
O levantamento considera CPUs, GPUs, ASICs, FPGAs e dataflow accelerators, cada um com diferentes níveis de flexibilidade, eficiência e especialização.
Quem conduz a pesquisa?
A equipe é liderada por Albert Reuther e inclui Michael Jones, Peter Michaleas, Jeremy Kepner e Vijay Gadepally, do LLSC, com colaboração de outras divisões do Lincoln Laboratory.
Para que serve o survey na prática?
Ele apoia decisões de pesquisa e aquisição de tecnologia por patrocinadores governamentais e ajuda o próprio laboratório a escolher GPUs para seus sistemas de supercomputação.
O survey continua sendo atualizado?
Sim. A equipe planeja manter a série, e o pesquisador relata que seis startups anunciaram seus primeiros aceleradores de IA nos últimos meses.
Fonte original: Supercomputing researchers document evolution of AI hardware (MIT News). Matéria escrita pela redação da Invision a partir dessa notícia. Versão em texto.