Ex-CEO da Intel critica preço de GPUs da NVIDIA para IA: "tiveram sorte"

O ex-CEO da Intel, Pat Gelsinger, lançou críticas contundentes à estratégia de preços da NVIDIA durante sua participação no podcast Acquired, realizado durante a NVIDIA GTC 2025. Em declarações que repercutiram na indústria, o executivo afirmou que as GPUs da empresa para inteligência artificial são "10.000 vezes mais caras do que o necessário" para workloads de inferência e, novamente, sugeriu que o CEO Jensen Huang "teve sorte" com o boom da IA.

• IA se recusa a gerar código e pede que desenvolvedor faça sozinho
• Desempenho médio de CPUs parou de crescer nos últimos anos

Enquanto a NVIDIA se consolida como uma das empresas mais valiosas do mundo, com suas ações atingindo novos recordes e seus chips Blackwell esgotando antes mesmo de chegarem ao mercado, outras gigantes da tecnologia lutam para encontrar seu lugar nessa nova era impulsionada pela IA. A companhia liderada por Jensen Huang detém atualmente mais de 80% do mercado de aceleradores de IA para data centers, com uma receita que pode chegar a US$ 1 trilhão até 2027, segundo projeções.

Para a Intel, a história tem sido bem diferente. A empresa, que já foi sinônimo de inovação e liderança na indústria de semicondutores, agora corre atrás do prejuízo tentando estabelecer relevância no lucrativo mercado de IA. Após uma série de tropeços estratégicos, cancelamento de projetos e mudanças em sua liderança – com a recente saída do próprio Gelsinger e a chegada de Lip-Bu Tan como novo CEO –, o Time Azul busca desesperadamente um caminho para competir com a NVIDIA e a AMD, que também avança rapidamente no setor.

-
Entre no Canal do WhatsApp do Canaltech e fique por dentro das últimas notícias sobre tecnologia, lançamentos, dicas e tutoriais incríveis.
-

Intel perdeu timing da IA com Larrabee

Uma das revelações mais interessantes feitas por Gelsinger durante o podcast foi a menção ao projeto Larrabee, uma iniciativa ambiciosa da Intel que poderia ter colocado a empresa na vanguarda do que hoje conhecemos como computação acelerada para IA. Idealizado pelo próprio Gelsinger quando ainda era CTO da Intel no final dos anos 2000, o Larrabee pretendia criar uma GPU utilizando a arquitetura x86 dos processadores da companhia.

"Eu tinha um projeto bem conhecido na indústria chamado Larrabee, que tentava unir a programabilidade da CPU com uma arquitetura orientada a throughput [de uma GPU], e acredito que se a Intel tivesse permanecido nesse caminho, o futuro poderia ter sido diferente", afirmou Gelsinger durante a transmissão. "Dou muito crédito a Jensen por ele simplesmente ter se mantido fiel à sua visão de computação acelerada."

O Larrabee foi concebido para trazer o melhor dos dois mundos: a flexibilidade da programação de CPUs com o processamento paralelo massivo das GPUs. Ao contrário das soluções da AMD e NVIDIA, que usam arquiteturas de instruções proprietárias, o Larrabee utilizava a arquitetura x86 com extensões específicas. Isso poderia ter dado à Intel uma vantagem significativa em cargas de trabalho de computação de propósito geral, que mais tarde se tornariam essenciais para IA e aprendizado de máquina.

Contudo, o projeto acabou sendo cancelado como GPU em 2009 por não conseguir competir em desempenho com as soluções gráficas da AMD e NVIDIA da época — uma decisão classificada pelo próprio Gelsinger como um dos maiores erros da história da Intel. Um dos principais problemas foi o foco excessivo da Intel na programabilidade, que levou à ausência de unidades de funções fixas cruciais para processamento gráfico, afetando o desempenho e aumentando a complexidade do desenvolvimento de software.

Posteriormente, o Larrabee foi reapresentado como processador Xeon Phi, voltado para cargas de trabalho de supercomputação, mas ganhou pouca tração enquanto as arquiteturas tradicionais de GPU desenvolviam capacidades de computação de propósito geral através das plataformas CUDA, OpenCL e DirectCompute, que eram mais fáceis de escalar em termos de desempenho.

"A CPU era a rainha da colina, e eu aplaudo Jensen por sua tenacidade em simplesmente dizer 'Não, eu não estou tentando construir uma dessas; estou tentando entregar contra a carga de trabalho começando em gráficos'", comentou Gelsinger. "E então ele teve sorte com a IA, e uma vez eu estava debatendo com ele, ele disse: 'Não, eu tive muita sorte com a carga de trabalho de IA porque ela simplesmente exigia esse tipo de arquitetura'. É aí que está o centro do desenvolvimento de aplicações agora".

Executivo critica preço das GPUs da NVIDIA

Durante sua participação no podcast, Gelsinger não se limitou a refletir sobre o passado. Ele também criticou duramente a estratégia atual de preços da NVIDIA para suas GPUs de IA, especialmente quando se trata de cargas de trabalho de inferência.

"Hoje, se pensarmos sobre a carga de trabalho de treinamento, tudo bem, mas você precisa de algo muito mais otimizado para inferência. Você sabe que uma GPU é muito cara e eu digo qu [a GPU da NVIDIA] e é 10.000 vezes mais cara do que o necessário para realizar completamente o que queremos fazer com a implantação de inferência para IA e, claro, o que está além disso", afirmou o executivo.

Esta não é a primeira vez que Gelsinger critica publicamente a dominância da NVIDIA no mercado de IA. Em eventos anteriores, ele já havia descrito a plataforma CUDA da NVIDIA como um "fosso raso e pequeno", sugerindo que sua dominância de mercado seria temporária. "Sabe, a indústria inteira está motivada para eliminar o mercado CUDA. Pensamos no fosso CUDA como raso e pequeno. Porque a indústria está motivada a trazer um conjunto mais amplo de tecnologias para treinamento amplo, inovação, ciência de dados, etc.", disse Gelsinger em um evento da Intel no final de 2024.

Para entender melhor a crítica de Gelsinger, é importante diferenciar os dois principais tipos de cargas de trabalho de IA: treinamento e inferência. O treinamento envolve a criação de modelos de IA a partir de grandes conjuntos de dados, exigindo enorme poder computacional e sendo dominado pelas GPUs da NVIDIA. Já a inferência é a aplicação desses modelos treinados para realizar tarefas específicas, como reconhecimento de imagens ou processamento de linguagem natural, e geralmente requer menos recursos.

O ex-CEO da Intel acredita que o futuro do mercado de IA está na inferência, não no treinamento, argumentando que "fundamentalmente, o mercado de inferência é onde o jogo estará". Essa abordagem faz sentido estratégico para a Intel, já que a empresa tem lutado para competir diretamente com a NVIDIA no lucrativo segmento de GPUs para treinamento de IA.

Apesar das fortes críticas e da visão para o futuro, a realidade atual é que a Intel tem enfrentado grandes dificuldades para se estabelecer no mercado de IA. Seus aceleradores Gaudi, adquiridos com a compra da Habana Labs por US$ 2 bilhões em 2019, têm apresentado desempenho significativamente inferior quando comparados aos concorrentes como o AMD Instinct MI300X ou os NVIDIA Hopper H100.

A situação ficou ainda mais complicada com o recente cancelamento da linha de GPUs de IA Falcon Shores, que havia sido apresentada como uma solução revolucionária para o mercado. Em um anúncio que surpreendeu analistas e investidores, a companhia decidiu utilizar o Falcon Shores apenas como "chip de teste interno" e redirecionou seus esforços para o desenvolvimento do Jaguar Shores, prometido para 2026. "Com base no feedback da indústria, decidimos aproveitar o Falcon Shores como um chip de teste interno", explicou Michelle Johnston Holthaus, CEO interina na época.

Enquanto isso, a NVIDIA continua a ampliar sua liderança no mercado, com previsões de ter vendido mais de três milhões de GPUs Blackwell AI somente este ano.

Leia mais no Canaltech:

• NVIDIA revela novas GPUs para IA com até 4,6 PB/s de largura de memória
• Vale a pena comprar CPU Intel Core i5 em 2025?
• Características mais importantes nos processadores Intel

Leia a matéria no Canaltech.