Pesquisa· atualizado em · 3 min de leitura· Redação Invision

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.

aceleradores de iahardwaresupercomputaçãomitpesquisa

Fonte original: Supercomputing researchers document evolution of AI hardware (MIT News). Matéria escrita pela redação da Invision a partir dessa notícia. Versão em texto.