A inteligência artificial (IA) está se tornando parte da vida diária de muitas pessoas em todo o mundo. No nível individual, as pessoas usam cada vez mais modelos de IA para consultas de pesquisa. Embora o Google ainda domine o mercado de buscas, o ChatGPT representa a ameaça mais significativa ao seu domínio.
A nível empresarial, nenhuma indústria fica de fora, da agricultura à saúde, das finanças ao entretenimento, organizações em todo o mundo estão a integrar a IA nas suas operações diárias.
Espera-se que a procura e a utilização mundial de IA cresçam exponencialmente nos próximos anos, pelo que as empresas tecnológicas estão a responder a este desenvolvimento através da construção de centros de dados massivos. Mas este crescimento tem um custo: consumo de energia, custos económicos e impacto ambiental. A computação tradicional simplesmente não consegue acompanhar as crescentes demandas de computação e energia. Para sustentar a revolução da IA, devemos repensar a física da computação moderna.
Questões energéticas
Mesmo sem considerar a IA, a computação eletrónica encontra-se num momento crítico. A Lei de Moore está falhando, a escala de Dennard foi quebrada e o resultado é a proliferação do “silício escuro”, as partes dos transistores em um chip que devem permanecer sem energia ou ociosos para evitar o superaquecimento.
Treinar um grande modelo de IA não é uma tarefa fácil. Grandes modelos de linguagem (LLMs) são treinados em grandes quantidades de dados e possuem trilhões de parâmetros. Eles prevêem, medem, ajustam e repetem o processo bilhões de vezes. Estima-se que o poder computacional necessário para treinar modelos de IA dobrará a cada seis meses.
Processar e mover grandes quantidades de dados requer paralelismo e poder massivos. Na computação tradicional, maior potência requer sistemas de maior densidade. Maior densidade significa mais resistência e mais resistência significa mais calor. Isto força os data centers a transferir grande parte da energia da computação para o resfriamento, com até 40% do consumo total de energia do data center sendo usado para evitar colapsos de servidores.
A infra-estrutura que suporta a IA já está em dificuldades e é evidente que a computação tradicional já não pode suportar o desenvolvimento futuro.
Questões econômicas
Os operadores de centros de dados enfrentam um dilema financeiro: ou limitam a densidade computacional ao que as suas actuais instalações de refrigeração podem suportar, prejudicando as suas capacidades empresariais, ou ultrapassam os limites térmicos, causando o envelhecimento acelerado do hardware e dos componentes, aumentando as despesas operacionais e o desperdício.
Além disso, o custo de construção de novos centros de dados também é muito elevado - A McKinsey prevê que serão necessários 5,2 biliões de dólares em investimentos até 2030. Se os centros de dados continuarem a depender da computação tradicional, investir em infra-estruturas ineficientes será um enorme risco financeiro. Os consumidores comuns também são afectados por más condições económicas; à medida que a IA exerce uma pressão sem precedentes sobre a rede e a procura de energia nos centros de dados aumenta, os preços da eletricidade aumentam. Estes custos são transferidos para as famílias vizinhas sob a forma de um rápido aumento nas contas de electricidade.
