A AMD está perdendo a batalha da IA ​​e é hora de começar a se preocupar

Tanto a AMD quanto a Nvidia fabricam algumas das melhores placas gráficas do mercado, mas é difícil negar que a Nvidia geralmente está na liderança. Não me refiro apenas à grande diferença na participação de mercado. Nesta geração, é a Nvidia que tem a GPU gigante que é melhor do que todas as outras placas, enquanto a AMD ainda não tem uma resposta para a RTX 4090 .

Outra coisa para a qual a AMD não tem uma resposta forte no momento é a inteligência artificial. Embora eu esteja mudando para AMD para uso pessoal , é difícil ignorar os fatos: a Nvidia está vencendo a batalha da IA. Por que existe uma diferença tão marcante e isso se tornará mais um problema para a AMD no futuro?

Não é tudo sobre jogos

A maioria de nós compra placas gráficas com base em duas coisas – orçamento e recursos de jogos. A AMD e a Nvidia sabem que a grande maioria de seus cartões de consumo de última geração acaba em algum tipo de plataforma de jogos, embora os profissionais também os comprem. Ainda assim, gamers e usuários casuais compõem a maior parte desse segmento do mercado.

Durante anos, o cenário da GPU foi todo sobre a Nvidia, mas nas últimas gerações, a AMD fez grandes progressos – tanto que agora troca golpes com a Nvidia. Embora a Nvidia lidere o mercado com o RTX 4090, os dois carros-chefe RDNA 3 da AMD (o RX 7900 XTX e o RX 7900 XT ) são placas gráficas poderosas que geralmente superam ofertas semelhantes da Nvidia, embora sejam mais baratas que o RTX 4080 .

Se fingirmos que o RTX 4090 não existe, comparar o RTX 4080 e 4070 Ti com o RX 7900 XTX e XT nos diz que as coisas estão bem equilibradas agora; pelo menos no que diz respeito aos jogos.

E então, chegamos ao rastreamento de raios e cargas de trabalho de IA, e é aqui que a AMD cai de um penhasco.

Não há como adoçar isso – a Nvidia é simplesmente melhor na execução de tarefas geradas por IA do que a AMD no momento. Não é bem uma opinião, é mais um fato. Este também não é o único ás na manga.

A Tom's Hardware testou recentemente a inferência de IA em placas Nvidia, AMD e Intel, e os resultados não foram nada favoráveis ​​à AMD.

Para comparar as GPUs, o testador as comparou no Stable Diffusion, que é uma ferramenta de criação de imagem AI. Leia o artigo de origem se quiser saber todos os detalhes técnicos necessários para configurar os benchmarks, mas, para encurtar a história, a Nvidia superou a AMD e o Intel Arc A770 se saiu tão mal que mal merece uma menção.

Mesmo fazer o Stable Diffusion rodar fora de uma GPU Nvidia parece ser um grande desafio, mas depois de algumas tentativas e erros, o testador conseguiu encontrar projetos que eram adequados para cada GPU.

Após o teste, o resultado final foi que as séries RTX 30 e RTX 40 da Nvidia se saíram muito bem (embora depois de alguns ajustes para o último). A linha RDNA 3 da AMD também se manteve bem, mas as placas RDNA 2 de última geração eram bastante medíocres. No entanto, mesmo a melhor placa da AMD ficou muito atrás da Nvidia nesses benchmarks, mostrando que a Nvidia é simplesmente mais rápida e melhor em lidar com tarefas relacionadas à IA.

As placas Nvidia são ideais para profissionais que precisam de uma GPU para IA ou cargas de trabalho de aprendizado de máquina. Algumas pessoas podem comprar uma das placas de consumidor e outras podem escolher um modelo de estação de trabalho, como o confundidamente chamado RTX 6000 , mas o fato é que a AMD muitas vezes nem está no radar quando essas plataformas estão sendo construídas.

Não vamos ignorar o fato de que a Nvidia também tem uma forte vantagem sobre a AMD em coisas como rastreamento de raios e Deep Learning Super Sampling (DLSS) . Em nossos próprios benchmarks, descobrimos que a Nvidia ainda lidera o ray tracing sobre a AMD, mas pelo menos o Team Red parece estar dando passos na direção certa.

Esta geração de GPUs é a primeira em que a lacuna do traçado de raios está fechando. Na verdade, o RX 7900 XTX da AMD supera o RTX 4070 Ti da Nvidia nesse aspecto. No entanto, as GPUs Ada Lovelace da Nvidia têm outra vantagem na forma de DLSS 3 , uma tecnologia que copia quadros inteiros, em vez de apenas pixels, usando IA. Mais uma vez, a AMD está ficando para trás.

A Nvidia tem uma longa história de IA

As placas gráficas AMD e Nvidia são muito diferentes em nível de arquitetura, por isso é impossível compará-las completamente. No entanto, uma coisa que sabemos é que as placas da Nvidia são otimizadas para IA em termos de sua própria estrutura, e esse é o caso há anos.

As GPUs mais recentes da Nvidia são equipadas com núcleos Compute Unified Device Architecture (CUDA), enquanto as placas AMD têm unidades de computação (CUs) e processadores de fluxo (SPs). A Nvidia também possui Tensor Cores que auxiliam no desempenho de algoritmos de aprendizado profundo e, com o Tensor Core Sparsity, eles também ajudam a GPU a pular cálculos desnecessários. Isso reduz o tempo que a GPU precisa para executar determinadas tarefas, como treinar redes neurais profundas.

Os núcleos CUDA são uma coisa, mas a Nvidia também criou uma plataforma de computação paralela com o mesmo nome, acessível apenas às placas gráficas da Nvidia. As bibliotecas CUDA permitem que os programadores aproveitem o poder das GPUs Nvidia para executar algoritmos de aprendizado de máquina com muito mais rapidez.

O desenvolvimento do CUDA é o que realmente diferencia a Nvidia da AMD. Embora a AMD realmente não tivesse uma boa alternativa, a Nvidia investiu pesadamente em CUDA e, por sua vez, a maior parte do progresso da IA ​​nos últimos anos foi feita usando bibliotecas CUDA.

A AMD fez algum trabalho em suas próprias alternativas, mas é bastante recente quando você compara com os anos de experiência que a Nvidia teve. A plataforma Radeon Open Compute (ROCm) da AMD permite que os desenvolvedores acelerem as cargas de trabalho de computação e aprendizado de máquina. Dentro desse ecossistema, lançou um projeto chamado GPUFORT .

GPUFORT é o esforço da AMD para ajudar os desenvolvedores a fazer a transição das placas Nvidia para as próprias GPUs da AMD. Infelizmente para a AMD, as bibliotecas CUDA da Nvidia são muito mais amplamente suportadas por algumas das estruturas de aprendizado profundo mais populares, como TensorFlow e PyTorch.

Apesar das tentativas da AMD de alcançá-la, a diferença só aumenta a cada ano, pois a Nvidia continua a dominar o cenário de IA e ML.

O tempo está se esgotando

O investimento da Nvidia em IA certamente foi sólido. Isso deixou a Nvidia com uma linha de GPU de jogos em expansão, juntamente com uma poderosa variedade de placas capazes de tarefas relacionadas a IA e ML. A AMD ainda não chegou lá.

Embora a AMD pareça estar tentando otimizar suas placas no lado do software com núcleos AI ainda não utilizados em suas GPUs mais recentes, ela não possui o ecossistema de software que a Nvidia construiu.

A AMD desempenha um papel crucial como o único concorrente sério da Nvidia. Não posso negar que a AMD fez grandes progressos nos mercados de GPU e CPU nos últimos anos. Ele conseguiu sair da irrelevância e se tornar uma forte alternativa à Intel, tornando alguns dos melhores processadores disponíveis no momento. Suas placas gráficas agora também são competitivas, mesmo que seja apenas para jogos. Em um nível pessoal, tenho me inclinado para a AMD em vez da Nvidia porque sou contra a abordagem de preços da Nvidia nas últimas gerações. Ainda assim, isso não compensa a falta de presença de IA da AMD.

É bem visível em programas como o ChatGPT que a IA está aqui para dizer , mas também está presente em inúmeras outras coisas que passam despercebidas pela maioria dos usuários de PC. Em um PC para jogos, a IA trabalha em segundo plano, executando tarefas como otimização em tempo real e medidas antitrapaça nos jogos. Os não jogadores também veem muita IA diariamente, porque a IA é encontrada em chatbots sempre presentes, assistentes pessoais baseados em voz, aplicativos de navegação e dispositivos domésticos inteligentes.

À medida que a IA permeia cada vez mais nossas vidas diárias e os computadores são necessários para executar tarefas que só aumentam em complexidade, as GPUs também devem acompanhar. A AMD tem uma tarefa difícil pela frente, mas se não levar a sério a IA, pode estar condenada a nunca alcançá-la.