À medida que a inteligência artificial transforma indústrias e a segurança nacional, compreender as capacidades de hardware mais recentes é importante para manter a vantagem tecnológica.
Aceleradores de AI — sistemas especializados projetados para acelerar capacidades como redes neurais, deep learning e machine learning — têm sido uma grande área de desenvolvimento por quase uma década. Desde 2018, uma equipe do Lincoln Laboratory Supercomputing Center (LLSC) tem conduzido a Lincoln AI Computing Survey (LAICS, pronunciado "leice"). Seis artigos depois, o LAICS continua a resumir os aceleradores de AI comerciais atuais e a comparar seu desempenho e consumo de energia de pico.
"Cerca de oito anos atrás, vimos um aumento acentuado no número de aceleradores de AI de pesquisa descritos em artigos e aceleradores comerciais sendo anunciados, e começamos a receber perguntas sobre eles de patrocinadores governamentais do trabalho do laboratório. Essa foi motivação suficiente para iniciar a pesquisa", diz Albert Reuther, membro da equipe do LLSC, que opera e otimiza os sistemas de computação de alto desempenho usados por milhares de pesquisadores do laboratório.
Embora os aceleradores de AI sejam frequentemente usados para processos como machine learning, eles também podem possibilitar outras aplicações paralelas, como modelar as funções de moléculas e acelerar simulações de dinâmica de fluidos — processos que são muito caros computacionalmente.
A tecnologia de acelerador de AI pode vir em diversas formas: unidades centrais de processamento (CPUs), unidades de processamento gráfico (GPUs), circuitos integrados de aplicação específica (ASICs), field-programmable gate arrays (FPGAs) e aceleradores de fluxo de dados. Cada tipo de acelerador tem um pouco diferente
Fonte: MIT News - AI
Publicado em 2026-10-06