Criar uma enorme capacidade adicional de produção de chips de memória não resolverá os gargalos na cadeia de suprimentos que estão freando a expansão da infraestrutura de inteligência artificial (IA), segundo uma executiva sênior da Microsoft.
Em vez disso, é necessário um esforço de toda a indústria para otimizar os sistemas como um todo, afirmou Rani Borkar, presidente de Sistemas de Hardware e Infraestrutura do Azure na Microsoft, durante uma palestra no evento do setor Semicon Taiwan, na quarta-feira.
"A memória é vista como um problema de suprimento ou de componentes, mas, francamente, na realidade, é um problema de sistemas", disse ela.
"A resposta não é simplesmente fabricar mais memória, mas usá-la de forma mais eficaz", disse a executiva a repórteres após o CEO Summit realizado durante o evento.
"Não se trata apenas de memória, pois não podemos continuar expandindo a capacidade indefinidamente."
Borkar afirmou que a indústria precisará pensar em nível de sistema e desenvolver novas tecnologias ou inovações para solucionar as restrições de oferta.
"Não se pode permitir que qualquer bit de memória fique ocioso ou seja desperdiçado", acrescentou.
O setor de tecnologia vive uma demanda sem precedentes por chips de memória devido à rápida expansão global da infraestrutura de IA, o que está pressionando a oferta para outros segmentos, como smartphones e PCs.
Principais fabricantes de chips de memória — como Micron, Samsung e SK Hynix — e empresas menores, como a chinesa ChangXin Memory Technologies (CXMT) e as taiwanesas Winbond e Nanya Technology, estão expandindo agressivamente sua capacidade de produção.
Ao mesmo tempo, o boom da infraestrutura de IA impulsionou drasticamente a demanda por quase todos os tipos de chips.
A previsão é que o mercado global de semicondutores ultrapasse US$ 1,5 trilhão este ano, segundo a World Semiconductor Trade Statistics — um marco que deve ser atingido muito antes da estimativa anterior de US$ 1 trilhão até 2030.
No entanto, devido a esse crescimento acelerado pela IA, a indústria enfrenta enormes restrições no fornecimento de diversos tipos de componentes.
Outra tendência emergente no segmento de chips para IA é a divisão entre soluções desenvolvidas internamente pelas empresas e aquelas criadas por desenvolvedores terceirizados.
Chips de terceiros, segundo Borkar, são "feitos para uma solução única que serve para todos, mas essa abordagem não funciona para todos os casos.
Por isso, vemos hoje muitas empresas desenvolvendo suas próprias soluções internas, o que não significa que não haja espaço para terceiros", disse ela.
Assim como o Google — que projetou o Maia para executar tarefas em data centers de IA e a CPU Cobalt para lidar com cargas de trabalho gerais e de inferência —, a Microsoft também está desenvolvendo seus próprios chips.
Borkar afirmou que contar com chips personalizados é fundamental para a Microsoft e que a empresa está comprometida em entregar "geração após geração" dos chips Maia e Cobalt.
No entanto, diferentemente do Google, a Microsoft não planeja, no momento, vender esses chips personalizados para clientes externos, como operadores de data centers e empresas.
"Enxergamos a abordagem 'full stack' [solução completa e integrada] como algo de grande valor para o sistema; se você começa a isolar apenas um componente, perde o valor do conjunto", disse Borkar.
A Nvidia, líder no mercado de chips para IA, está mudando sua estratégia para vender CPUs avulsas, além de sistemas de servidores completos.
Ao mesmo tempo, acrescentou Borkar, a Microsoft busca uma estratégia de ecossistema diversificado que inclui o uso não apenas de seus próprios chips internos, mas também de chips de outros fabricantes, oferecendo uma ampla gama de opções aos clientes.
Isso incluirá o uso de CPUs da Intel e da AMD em seus data centers.
A Microsoft prevê que seus investimentos em 2026 chegarão a US$ 190 bilhões, um aumento de mais de 60% em relação ao ano passado.
Para o futuro, disse Borkar, existem dois caminhos possíveis para a infraestrutura de IA: um consiste em aprimorar a infraestrutura atual, buscando maior eficiência, melhor utilização e melhores condições econômicas; o segundo caminho é "transformacional".
"Trata-se de mudar a própria curva de evolução.
Novas arquiteturas, novos materiais, novas abordagens sobre como os modelos são construídos", disse Borkar.
"Temos a oportunidade de repensar os fundamentos, pois o próximo capítulo da IA não será definido simplesmente pela quantidade de infraestrutura que construímos, mas sim pela quantidade de inteligência que conseguiremos gerar a partir dela."