Quando cada vez mais pessoas no mercado começam a discutir se a IA vai fazer o software ser totalmente transformado em commodity, comprimindo ainda mais a avaliação e o espaço de lucro das empresas de tecnologia, a resposta dada pelo CEO da NVIDIA, Huang Renxun, é direta:
O que realmente não é fácil de ser transformado em commodity não é apenas o próprio software, e sim todo o processo de converter eletricidade em tokens.
Na mais recente entrevista, Huang Renxun explica, de forma completa, como ele entende essa corrida de IA: desde a cadeia de suprimentos da NVIDIA, o ecossistema CUDA, a arquitetura de computação de IA, até os clientes de nuvem em escala hipergrande, passando pelo mercado da China e pelas restrições de exportação dos EUA.
(Huang Renxun usa a metáfora do “bolo de cinco camadas” para explicar a história da evolução da inteligência artificial)
O ponto central dele pode ser resumido em uma frase: a disputa da IA não é a competição de um único modelo, nem a competição de um único chip; é uma batalha do “bolo de cinco camadas” que abrange energia, chips, rede, software, ecossistema e camadas de aplicação — e o que a NVIDIA quer fazer é justamente a parte mais difícil, mas também a menos fácil de ser substituída.
Huang Renxun: o trabalho da NVIDIA é transformar eletrons em tokens de maior valor
Diante das críticas externas, já que muitas empresas de software têm suas avaliações pressionadas por causa da IA, e a NVIDIA em essência também entrega o projeto para a TSMC, a memória para a SK Hynix e a Samsung, e a montagem para a Taiwan ODM, a NVIDIA pode também ser arrastada pela onda de commoditização trazida pela IA? A resposta de Huang Renxun é: não tão simples.
Ele acredita que o papel da NVIDIA nunca foi fazer tudo sozinha, e sim ser responsável pela parte mais crucial e mais difícil dentro da cadeia inteira de conversão “de eletricidade para tokens”. Do ponto de vista dele, a entrada da NVIDIA são electrons, a saída são tokens, e a capacidade de conversão extremamente complexa no meio é o significado de existir dessa empresa.
Huang Renxun enfatiza que essa conversão não é apenas transformar energia elétrica em resultado de computação; é preciso continuar aumentando o valor dos tokens, para que a mesma computação gere tokens com mais valor econômico e com maior eficiência. No meio disso, entram projeto de arquitetura, encapsulamento, memória, interconexão, algoritmos, bibliotecas, pilha de software e colaboração do ecossistema — um processo altamente engenheirado e científico, ainda em rápida evolução. Ele acredita que isso não é algo que possa ser totalmente transformado em commodity.
Ele também descreve mais adiante a filosofia da empresa: fazer “o máximo do que é necessário e o mínimo do que não é necessário”. Em outras palavras, tudo o que não precisa ser feito com as próprias mãos, é entregue ao máximo para parceiros e para o ecossistema concluírem; e tudo o que precisa ser feito sem exceção e é extremamente difícil, a NVIDIA tem de entrar pessoalmente e fazer da melhor forma.
Essas “empresas de software baseadas em ferramentas” podem, na verdade, crescer ainda mais explosivamente por causa da IA
Quanto ao receio do mercado de que a IA comprima o espaço das empresas de software, Huang Renxun tem, na verdade, uma visão quase oposta. Ele aponta que muitas empresas de software, hoje, são essencialmente fabricantes de ferramentas, como Excel, PowerPoint, ou empresas de EDA como Cadence e Synopsys. O motivo pelo qual essas empresas ainda não tiveram uma explosão ainda maior não é porque as ferramentas serão descartadas, e sim porque os agentes de hoje ainda não são bons o suficiente para usar ferramentas.
Na visão dele, o número de agentes vai crescer exponencialmente no futuro, e também vai crescer exponencialmente a quantidade de usuários das ferramentas, elevando, por consequência, o número de chamadas de ferramentas e as necessidades de licenciamento. Por exemplo, no projeto de chips, hoje o volume de uso das ferramentas de design ainda é limitado pelo número de engenheiros; mas no futuro, atrás de cada engenheiro podem existir vários agentes cooperando, e a densidade e a frequência de exploração do espaço de design serão muito maiores do que hoje.
Quando chegar a esse momento, ferramentas como Synopsys Design Compiler, floor planner, ferramentas de layout, verificadores de regras de design — o uso real delas pode até disparar.
Em outras palavras, Huang Renxun não acha que a IA vai simplesmente eliminar empresas de software baseadas em ferramentas; é mais provável que ela as empurre para uma nova curva de crescimento.
O verdadeiro fosso da NVIDIA está na cadeia de suprimentos de cima e de baixo
Ao falar sobre como, nos últimos anos, a NVIDIA fez muitas promessas de compras para a cadeia de suprimentos upstream, e até foi estimada por terceiros que, nos próximos anos, isso poderia se acumular em escala de centenas de bilhões de dólares, Huang Renxun não negou que isso seja uma das importantes vantagens da NVIDIA.
Ele disse que a NVIDIA de fato fez muitos upstream commitments explícitos e implícitos. Os primeiros são compromissos de compra visíveis para o público; os segundos são feitos por meio de persuasão junto aos líderes da cadeia de suprimentos, para que eles aceitem investir primeiro na expansão de capacidade. Esses investimentos acontecem não apenas porque a NVIDIA está disposta a comprar, mas também porque os fornecedores acreditam que a NVIDIA tem capacidade para absorver essas capacidades e vendê-las com sucesso por meio da enorme demanda do downstream.
É também por isso que ele considera o GTC não apenas um evento de lançamento de produtos, e sim um encontro “panorâmico em 360 graus” de todo o universo de IA. Para ele, um dos valores do GTC é permitir que o upstream veja o downstream, que o downstream entenda o upstream, e que toda a cadeia de indústria confirme em conjunto que a demanda de IA realmente vai chegar — e em um volume extremamente grande. Huang Renxun chegou a admitir que seu keynote, em certo grau, tem uma função forte de “educação”, porque ele precisa fazer toda a cadeia de suprimentos entender: por que a IA vai chegar, quando vai chegar, qual o tamanho, e como se preparar com antecedência.
Isso também constitui o motivo pelo qual a NVIDIA conseguiu, nos últimos anos, continuar ampliando o fluxo de sua cadeia de suprimentos. Huang Renxun enfatiza que a cadeia de suprimentos não olha apenas para o fluxo de caixa; também observa a taxa de giro e a visibilidade da demanda. Se a arquitetura e a velocidade de giro do produto de uma empresa não forem rápidas o suficiente, a cadeia de suprimentos também não vai querer construir uma fábrica antecipadamente ou expandir linhas para ela. A razão de a NVIDIA conseguir fazer essas coisas é que suas necessidades no downstream são grandes o bastante e suficientemente certas, de modo que toda a cadeia de suprimentos consegue enxergar.
Huang Renxun não tem medo de gargalos; na maioria dos casos, os gargalos são apenas uma questão de dois a três anos
Ao ser perguntado se o upstream realmente acompanha a demanda por capacidade de computação de IA, especialmente quando a IA já consumiu grande parte da capacidade avançada de processos e empacotamento da TSMC, e no futuro como ainda poderia continuar a dobrar ano após ano, a atitude de Huang Renxun foi bem clara: quase todos os gargalos de fabricação, em essência, são apenas uma questão de dois a três anos.
Ele deu um exemplo: no passado, todo mundo falava muito sobre gargalos de empacotamento CoWoS, mas hoje quase ninguém comenta mais, porque toda a indústria concentrou esforços em consertar isso dentro de dois anos. A TSMC também passou a considerar empacotamento avançado e HBM como parte de tecnologias de computação mainstream, e não mais como necessidade especial. Em outras palavras, enquanto o sinal de demanda estiver suficientemente claro, a cadeia industrial vai se aglomerar de forma proativa para completar as lacunas do gargalo.
Para Huang Renxun, o que a IA traz não é o desaparecimento de empregos, mas a reorganização da indústria e a redistribuição da demanda por talentos. O que realmente precisa preocupar não é se algumas profissões vão ou não desaparecer completamente, e sim se a sociedade, por medo excessivo, vai fazer um descompasso entre a oferta de talentos.
Ele também disse claramente que problemas como processo lógico, empacotamento e HBM podem ser resolvidos dentro de dois a três anos; o que é realmente mais lento e mais difícil são as políticas de energia. Porque, seja para fábricas de IA, fabricação de chips, empacotamento avançado, carros elétricos, robôs, ou desindustrialização, tudo depende de energia. Se a energia se tornar um gargalo, a velocidade de expansão de toda a indústria será limitada.
Este artigo Entrevista mais recente de Huang Renxun à equipe: o fosso da NVIDIA consegue continuar mantendo? (Parte 1) aparece primeiro em Cadeia News ABMedia.
