Quer um melhor projeto de IA? Se inspire em quem faz PCs Gamers
Com mais memória e melhor aproveitamento das GPUs, máquinas montadas para jogos expõem os erros das empresas ao investir em infraestrutura para IA
Os gastos globais com infraestrutura de inteligência artificial chegaram a US$ 318 bilhões em 2025, mais que o dobro do ano anterior, e a IDC projeta outros US$ 487 bilhões em 2026.
Ainda assim, muitas implementações corporativas de unidades de processamento gráfico (GPUs, na sigla em inglês) são mal aproveitadas. Algumas estimativas do setor indicam que a utilização média fica em torno de 5%.
Compare a GPU de um PC gamer de ponta com o desempenho das GPUs presentes na maioria das estações de trabalho de engenharia que as empresas usam atualmente, e o hardware gamer vence no quesito mais importante para a IA.
Passei boa parte dos últimos três anos trabalhando com minha equipe na construção de uma infraestrutura de nuvem virtualizada voltada às pesadas demandas de processamento de dados e gráficos típicas dos gamers. Isso quer dizer que passei muito tempo analisando como a capacidade computacional é comprada, implementada e utilizada.
Conversas com líderes de engenharia e as estruturas que eu estava desenvolvendo apontavam, de forma consistente, para o mesmo problema estrutural: a tecnologia da informação corporativa compra hardware para as cargas de trabalho existentes no momento da aquisição e depois o opera por três a cinco anos.
Quando as cargas de trabalho mudam mais rápido que esse ciclo, o hardware se torna um gargalo antes mesmo de ficar obsoleto.
GPUs EVOLUÍRAM PARA ATENDER O SETOR DE JOGOS
A demanda era por resoluções mais altas, texturas mais complexas e renderização em tempo real mais detalhada. Para competir, era preciso ampliar ano após ano a memória das GPUs, mantendo custos compatíveis para consumidores individuais.
Enquanto isso, os clientes corporativos adquiriam produtos com base em outros critérios. GPUs profissionais eram valorizadas por drivers certificados, suporte a aplicativos, memória com código de correção de erros (ECC), projetos térmicos validados e garantias para estações de trabalho, e não pelo desempenho bruto em jogos por dólar gasto.
Leia mais: Para CEO da Nvidia, engenharia é base da revolução da IA
Essas prioridades faziam sentido para fluxos de trabalho de projeto assistido por computador (CAD), visualização, modelagem e design. Mas também significavam que algumas placas para estações de trabalho de categorias básica e intermediária ofereciam menos VRAM do que placas gamers de ponta, por preços de mercado semelhantes ou menores.
Em gerações recentes, por exemplo, várias placas profissionais foram lançadas com 8 GB a 16 GB de GDDR6, enquanto placas gamers de alto desempenho, como a GeForce RTX 4090 e a Radeon RX 7900 XTX, chegaram a 24 GB.
A IA MUDOU AS EXIGÊNCIAS DOS SOFTWARES DE ENGENHARIA
Mais de 90% dos engenheiros de software agora afirmam usar ferramentas assistidas por IA, mas a demanda por infraestrutura não se limita a assistentes de programação hospedados na nuvem.
À medida que as empresas aproximam fluxos de trabalho como inferência de IA, testes de modelos, simulação e design generativo das equipes de engenharia, a memória da GPU passa a ser uma limitação frequente no trabalho técnico do dia a dia.
A engenharia de software passa por uma mudança dramática, acompanhando a ampla adoção de IA. O hardware projetado antes do início da revolução da IA muitas vezes está em desvantagem.
Uma estação de trabalho comprada em 2021 para CAD, visualização, modelagem ou desenvolvimento de software pode continuar funcional, mas não foi adquirida para os fluxos de trabalho intensivos em IA que agora chegam a essas mesmas equipes.
A adoção de ferramentas de programação com IA passou de insignificante para 90% entre desenvolvedores profissionais num período de três anos, dentro de um único ciclo de renovação. Como resultado, o sistema de compra de hardware tem dificuldade para acompanhar.
É aqui que o PC gamer de um adolescente se torna instrutivo. A comparação mais reveladora diz respeito à utilização, e não às especificações.
estimativas do setor indicam que a utilização média de GPUs no ambiente corporativo fica em torno de 5%
Cargas de trabalho de IA e simulação são irregulares: um engenheiro pode precisar de uma capacidade substancial de GPU por 45 minutos para inferência de modelos e, depois, não precisar de nada intensivo em GPU durante o restante do dia.
A utilização média de GPUs corporativas gira em torno de 5%, o que significa que as empresas pagam por hardware que fica ocioso 95% do tempo. Um PC gamer é exigido quase em sua capacidade máxima sempre que está em uso.
Em outras palavras, o setup gamer vence duas vezes. Ele tem mais da memória que importa e usa a capacidade que possui.
O QUE CONSIDERAR ANTES DAS PRÓXIMAS COMPRAS
Antes de aprovar a próxima compra de hardware, vale fazer três perguntas à sua equipe de tecnologia da informação.
- Quais cargas de trabalho de GPU seus engenheiros executam hoje e com que frequência?
- Como essas cargas vão mudar nos próximos 18 meses, à medida que ferramentas de IA se tornarem padrão nos fluxos de trabalho de engenharia?
- A capacidade computacional sob demanda na nuvem, dimensionada de acordo com as necessidades reais das equipes (em vez de máquinas que se depreciam após três anos) atenderia melhor a essa nova realidade das cargas de trabalho da era da IA?
Os US$ 487 bilhões previstos para gastos com infraestrutura de inteligência artificial este ano correm o risco de seguir a mesma lógica de compras que criou o desalinhamento atual.
A lição não é que as empresas deveriam comprar PCs gamers para engenheiros. É que a estratégia de GPUs precisa deixar de tratar a demanda como uma especificação fixa de estações de trabalho.
Leia mais: Vai montar um PC? Evite estes erros comuns de iniciantes
As cargas de trabalho de IA são intermitentes, intensivas em memória e se disseminam mais rapidamente do que os ciclos de renovação conseguem absorver.
As empresas que continuarem comprando hardware para os fluxos de trabalho de ontem poderão continuar descobrindo que a máquina mais preparada para IA no prédio pertence ao filho adolescente de alguém.
