Proibição do Nvidia H20: avaliando o impacto na IA e desenvolvimento de software na China

Investing.com — A decisão dos EUA de apertar os controles de exportação dos chips H20 da Nvidia trouxe novas complicações para o setor de IA da China, mas a interrupção de curto prazo parece limitada, já que empresas locais estão se voltando para alternativas e aprofundando seus investimentos em ecossistemas domésticos.

Analistas da Bernstein afirmam que a proibição pode até acelerar a transição da China para reduzir a dependência de semicondutores americanos, uma mudança já em andamento tanto no hardware quanto no software.

O chip Nvidia (NASDAQ:NVDA) H20, considerado um dos aceleradores de nível inferior adaptados para o mercado chinês, oferecia poder computacional significativamente menor em comparação com outras ofertas de alta performance da Nvidia.

Analistas argumentam que sua proibição é amplamente simbólica, já que comparações de desempenho mostravam que ele já estava ficando atrás de alternativas chinesas como o Ascend 910C da Huawei.

A plataforma AI CloudMatrix 384 da Huawei, recentemente revelada, por exemplo, oferece 1,7 vezes o poder de computação do nó NVL72 da Nvidia, embora com quase quatro vezes o consumo de energia.

Os analistas da Bernstein acreditam que o maior impacto está no sinal que a proibição envia e na dinâmica de oferta que intensifica.

Empresas com modelos de IA fundamentais em seu núcleo, especialmente aquelas no setor de tecnologia focada em mídia, sentirão as restrições de forma mais aguda.

No entanto, grande parte da indústria chinesa de IA diversificou proativamente suas estratégias computacionais para reduzir a dependência da Nvidia, empregando uma combinação de substitutos para inferência, modelos menores treinados em dispositivos de borda e plataformas híbridas que interligam chips domésticos com o hardware da Nvidia.

Espera-se que as operações de curto prazo permaneçam amplamente inalteradas. A maioria das empresas de IA pesquisadas pela Bernstein relatou que poderia continuar usando chips de gerações anteriores, como o Nvidia 3090 ou V30, ou mudar para a Huawei e outras alternativas locais.

O setor de nuvem, no entanto, pode enfrentar pressões crescentes. À medida que o poder computacional se torna mais escasso e a demanda persiste, os preços para aceleração GPU baseada em nuvem estão subindo.

A Bernstein observa que os preços de aluguel de GPUs em vários provedores têm aumentado constantemente desde o início de 2023.

Em termos de perspectivas de longo prazo, a proibição do H20 provavelmente catalisará um impulso doméstico mais profundo em direção à independência em IA.

Espera-se que a Huawei reduza ainda mais a diferença de desempenho, ajudada por inovações em software que melhoram a largura de banda do cluster e técnicas de destilação de modelos.

Uma iniciativa doméstica de código aberto, a Deepseek, demonstrou resultados promissores no desenvolvimento de modelos eficientes de pequena escala otimizados para desempenho sem exigir poder computacional massivo.

A Bernstein destaca três abordagens técnicas principais que a China está aproveitando para reduzir a dependência da Nvidia.

Primeiro, a reengenharia manual de modelos treinados em CUDA para rodar em chips da Huawei, um esforço que, embora intensivo em recursos, alcançou até 90% de paridade de desempenho em alguns casos, como a adaptação do modelo iSpark da iFlytek.

Segundo, a portabilidade baseada em compiladores de modelos pré-treinados oferece um caminho automatizado, mas ainda imperfeito.

Terceiro, uma abordagem de harmonização computacional de camada intermediária está sendo buscada para permitir treinamento e inferência em ambientes de chips heterogêneos.

Espera-se também que empresas de TMT e software migrem da infraestrutura de nuvem privada para pública, segundo a corretora.

Empresas estatais são favorecidas no setor de nuvem devido aos seus estreitos laços com fornecedores de chips domésticos como a Huawei.

Essa notícia foi traduzida com a ajuda de inteligência artificial. Para mais informação, veja nossos Termos de Uso.