Depois do GPT-6, a história do aumento exponencial da capacidade de computação volta a fazer sentido?

Após o lançamento do GPT-6 Astra a 3 de setembro, as ações de semicondutores e memória recuperaram primeiro. A 4 de setembro, o SOXX subiu 3,5% num só dia, a Micron aumentou 6,1% e a SanDisk disparou 11,9%; a 7 de setembro, o KOSPI da Coreia do Sul subiu 4,61%, a Samsung Electronics avançou 5,7% e a SK hynix valorizou cerca de 8%.
Antes disto, as preocupações com o sobreaquecimento das despesas de capital em IA e o pico da procura de capacidade de computação tinham feito os setores relacionados oscilar durante bastante tempo. O MarketWatch chegou mesmo a descrever esta subida como o Astra a "reacender o comércio de chips de memória".

Tae Kim, autor de "The Nvidia Way" e antigo repórter de tecnologia da Barron's, deu uma explicação mais radical: a IA pode estar a entrar na quarta ronda de crescimento exponencial da procura de capacidade de computação dos últimos quatro anos.

As três primeiras rondas vieram do Chatbot, do Reasoning e do Coding Agent, enquanto a quarta ronda poderá ser o Computer Use, que o Astra se concentrou em demonstrar desta vez. A lógica de Kim é que o Chatbot permitiu que centenas de milhões começassem a consumir capacidade de raciocínio, o Reasoning exigiu mais computação para cada resposta e o Coding Agent transformou o modelo de "responder uma vez" para trabalhar continuamente durante dezenas de minutos ou mesmo horas. Agora, o Computer Use expande os agentes em execução contínua dos programadores para os trabalhadores do conhecimento comuns que usam Excel, Blender, CAD, Power BI e navegadores.

Kim há muito que se concentra em investimentos na Nvidia e em semicondutores, e a sua newsletter Key Context está centrada em avaliações de investimento em tecnologia, com artigos recentes inclinados positivamente para a infraestrutura de IA.

Assim, "a quarta ronda de crescimento exponencial" é principalmente uma hipótese de investimento proposta pelos otimistas da capacidade de computação da IA, e não uma regra industrial já validada. No entanto, o seu timing é bastante subtil.

Antes do lançamento do Astra, o paradigma dos agentes tinha acabado de passar por uma ronda de ceticismo sobre "a capacidade a bater num muro": as tarefas curtas tornavam-se cada vez mais fortes, mas, uma vez em ambientes de software reais, de longo prazo e com múltiplos passos, a fiabilidade diminuía visivelmente, o que também levou às dúvidas acima mencionadas sobre o pico da procura de capacidade de computação. Se o teto da capacidade dos agentes não puder ser quebrado, a história do crescimento contínuo da capacidade de computação torna-se insustentável.

Poderá o Astra realmente quebrar este teto?

Cada 1 dia de trabalho humano corresponde a 3,1 dias de trabalho de Agente

As três primeiras rondas de "crescimento exponencial" da capacidade de computação da IA referem-se ao aumento significativo da quantidade de computação que um utilizador pode consumir cada vez que o paradigma de utilização muda ao longo dos últimos anos.

O ChatGPT trouxe o raciocínio para o mercado mainstream pela primeira vez; os modelos de Reasoning começaram a estar dispostos a realizar cálculos internos mais longos para uma única pergunta; na altura do Coding Agent, uma simples instrução podia desencadear um ciclo contínuo de leitura de código, modificação, teste, verificação de erros e nova modificação.

Ao mesmo tempo, os agentes começaram a quebrar a limitação física de "uma pessoa só pode trabalhar 8 horas por dia".

A 6 de setembro, a OpenAI acabou de divulgar um conjunto de dados internos. Em meados de agosto deste ano, entre os investigadores da empresa, os do percentil 50 estavam a usar Coding Agents para consumir quantidades de raciocínio equivalentes a mais de 600 dólares por dia, com base nos preços da API pública; os investigadores do percentil 90 ultrapassavam os 7000 dólares por dia. De acordo com a compilação de dados da OpenAI feita pelo Business Insider, o valor mediano em julho era de apenas cerca de 162 dólares, o que representa um aumento de quase 3,7 vezes em pouco mais de um mês. Figura: Em meados de agosto, cada 1 dia de trabalho humano no departamento de investigação da OpenAI corresponde a 3,1 dias de trabalho de Agente; a quantidade mediana de raciocínio usada pelos investigadores por dia é superior a 600 dólares, com base nos preços da API.

Isto converte a utilização interna em preços de API, o que está mais próximo da "intensidade de raciocínio de um único utilizador".

Antes de junho, o tempo total de execução de todos os agentes no departamento de investigação da OpenAI não tinha excedido as horas de trabalho dos próprios investigadores; em meados de agosto, cada 1 dia de trabalho humano corresponde a 3,1 dias de trabalho de Agente. Cada vez mais investigadores também estão a executar vários agentes em simultâneo.

Isto significa que, após o paradigma dos agentes, múltiplos "processos digitais" capazes de trabalhar em paralelo estão a começar a surgir por trás de um único utilizador, já não limitados pela restrição física da "velocidade de entrada humana". Agora, uma pessoa pode manter três ou quatro agentes a trabalhar continuamente, permitindo até que os agentes criem subagentes.

A unidade de medida da procura de capacidade de computação pode, assim, passar a ser: quantos agentes estão a ser executados em simultâneo por trás de um utilizador e quantas horas esses agentes trabalham por dia.

O Computer Use expande o espaço de trabalho

Embora o Coding Agent esteja a crescer rapidamente, ainda tem uma fronteira clara; a maioria dos que executam múltiplas tarefas de agentes continuam a ser programadores, que são apenas uma pequena parte da população global de trabalhadores do conhecimento.

O Computer Use expande ainda mais o espaço. Após o lançamento do Astra, Kim fez ele próprio um teste. Anteriormente, não sabia usar o Blender, por isso pediu ao Astra para pesquisar o vaivém espacial, abrir o Blender e concluir a modelação 3D num Mac. Cerca de 10 minutos depois, foi criado um modelo rotativo.

O diálogo comum segue aproximadamente "entrada---raciocínio---saída"; o Coding Agent torna-se "ler código---raciocinar---modificar---testar---raciocinar novamente"; o Computer Use evolui ainda mais para "olhar para o ecrã---compreender a interface---decidir ações---executar---esperar pelos resultados---reobservar---validar---corrigir erros".

Uma tarefa que leva dez minutos a um humano pode envolver dezenas de rondas de compreensão visual, raciocínio e invocação de ferramentas por trás da IA.

Assim que esta capacidade entrar no Excel, Salesforce, SAP, Power BI, Photoshop, CAD e vários sistemas empresariais internos, a base de utilizadores potenciais expande-se para quase todos os trabalhadores do conhecimento sentados em frente a computadores.

Este é o núcleo do que Kim refere como a "quarta ronda de procura":

O Coding Agent quer consumir o tempo de computador dos programadores, enquanto o Computer Use pretende consumir o tempo de computador de todos os trabalhadores de colarinho branco.

Mas, até agora, isto continua a ser apenas uma possibilidade.

A OpenAI não divulgou o volume de tarefas de Computer Use após o lançamento do Astra, nem publicou curvas diárias de utilização de tokens por utilizador, utilização de GPU ou débito de raciocínio. Portanto, não se pode provar definitivamente que "o Astra trouxe a quarta ronda de crescimento da capacidade de computação".

A capacidade de computação começou realmente a apertar?

Após o lançamento do Astra, a Tencent Technology notou que algumas comunidades de programadores relataram um feedback difícil de quantificar, mas digno de nota: a experiência do utilizador parecia começar a diferir entre regiões e contas.

Alguns programadores da região Ásia-Pacífico relataram que, recentemente, as respostas do ChatGPT e do Codex abrandaram, e a estabilidade das tarefas complexas não é tão boa como a das contas dos EUA. A comunidade passou a chamar a esta experiência "emburrecimento".

Pelo menos parte disto não é totalmente subjetivo.

A 4 de setembro, a página de estado oficial da OpenAI reportou uma degradação do desempenho dos serviços na região Ásia-Pacífico, afetando vários produtos, incluindo ChatGPT, Work e Codex Cloud. Quatro dias depois, a OpenAI anunciou um acordo plurianual com a Firmus, operadora de centros de dados apoiada pela Nvidia, para obter capacidade de computação dedicada de dois centros de dados na Malásia.

Da mesma forma, atualmente não há provas de que a OpenAI tenha reduzido os orçamentos de raciocínio dos modelos para os utilizadores da Ásia-Pacífico ou mudado para modelos mais fracos devido ao aumento da carga do Astra.

O chamado "emburrecimento" na região Ásia-Pacífico pode, pelo menos, misturar três fatores diferentes: problemas de infraestrutura regional e encaminhamento, controlo de risco e limites de taxa ao nível da conta, e agendamento dinâmico de recursos durante os períodos de pico. Estes podem manifestar-se do lado do utilizador como desempenho mais lento, taxas de falha mais elevadas, interrupções na invocação de ferramentas e até piores respostas finais para tarefas complexas.

No entanto, este feedback ainda fornece outra forma de observar a pressão sobre a capacidade de computação da IA.

À medida que os modelos se tornam cada vez mais capazes de consumir computação continuamente, a escassez de oferta pode manifestar-se primeiro como flutuações na latência, nas taxas de falha e na qualidade do serviço entre diferentes regiões e contas.

O problema é que este julgamento carece atualmente de um conjunto de dados mais críticos:

Se existem diferenças estáveis na latência do primeiro token, no tempo total de raciocínio, nas taxas de sucesso das ferramentas e nas taxas de conclusão final das tarefas para o mesmo modelo, mesmo pacote e mesma tarefa em diferentes regiões.

Até que estes dados sejam obtidos, o "emburrecimento" só pode ser uma pista, não uma prova de escassez de capacidade de computação.

Figura: A 8 de setembro, um utilizador partilhou um aviso do GPT-6 Astra a indicar "capacidade esgotada", afirmando que as suas quatro contas não conseguiam funcionar normalmente e que o sistema sugeria mudar para outros modelos. Tibo brincou num retweet, dizendo "estamos de volta", vendo a "carga total do modelo" como um sinal de procura renovada de IA.

O mercado de capitais voltou a apostar

Embora a curva real de utilização da capacidade de computação após o lançamento do Astra não tenha sido tornada pública, o mercado de capitais já negociou com base na história de que "a procura de IA ainda não atingiu o pico".

O MarketWatch noticiou que, após o lançamento do Astra, o iShares Semiconductor ETF subiu cerca de 3,5%, com empresas relacionadas com memória como Samsung, SK hynix e Kioxia a terem um desempenho ainda mais forte. Os meios de comunicação estrangeiros chegaram mesmo a descrever diretamente esta ronda de atividade do mercado como o Astra a "reacender o comércio de chips de memória".

Notavelmente, o aspeto mais marcante desta subida não é a Nvidia, mas sim a memória.

Se o Computer Use se tornar realmente uma carga de trabalho sustentada para a execução de agentes, o aumento necessário não será apenas na computação de GPU. Contextos mais longos, KV Cache, agentes concorrentes, máquinas virtuais, navegadores e ambientes de software podem continuar a impulsionar a procura de HBM, DRAM, CPU, redes e armazenamento.

Assim, a negociação recente no mercado de capitais não é totalmente sobre "o GPT-6 ser mais poderoso"; a lógica principal continua a ser: levará um modelo mais inteligente os utilizadores a estarem dispostos a comprar mais computação?

É também aqui que esta ronda de histórias de infraestrutura de IA mais difere do software tradicional.

Quanto mais otimizado for o software tradicional, menos recursos de servidor um único utilizador pode precisar.

Inversamente, a IA generativa pode exibir o oposto "Paradoxo de Jevons": quanto mais eficiente for o modelo e maior for a taxa de sucesso das tarefas, mais dispostas as pessoas estarão a delegar mais trabalho, mais longo e mais complexo na IA, levando, em última análise, a um aumento do consumo total de capacidade de computação.

No entanto, é importante ser cauteloso, pois o mercado de capitais também tem os seus próprios "interesses".

A infraestrutura de IA já passou por uma ronda de crescimento e ajustamento significativos antes disto, e as ações de semicondutores também sofreram uma correção notável este ano devido ao sobreaquecimento das despesas de capital e à queda do fluxo de caixa livre dos fornecedores de nuvem. Portanto, os poucos dias de recuperação trazidos pelo Astra só podem indicar que os investidores estão a começar a apostar novamente, mas não são suficientes para provar que a quarta ronda de procura de capacidade de computação surgiu realmente.

Um Cálculo Económico

O julgamento de Kim depende, em última análise, de três questões mais práticas.

A primeira continua a ser a fiabilidade.

As operações empresariais reais não são uma demonstração única. Se um Agente consegue operar ERP, modelos financeiros ou software de engenharia continuamente durante várias horas e ainda manter a correção quando surgem pop-ups, alterações de permissões e atualizações de dados, é uma questão completamente diferente.

A segunda é o custo.

No futuro, quanto custará realmente concluir o trabalho equivalente a uma hora de utilização humana do computador antes do Computer Use?

Se a IA conseguir concluir uma tarefa de 50 dólares para um funcionário por 10 dólares, a procura pode facilmente explodir; se custar 100 dólares, o potencial de mercado é totalmente diferente.

O valor de 600 dólares/dia da OpenAI indica que, embora os Agentes possam criar uma procura enorme, também sugere que este modo de trabalho pode ainda ser muito caro hoje.

A terceira questão: Será que o Computer Use acabará por eliminar parte da sua própria procura?

Atualmente, os modelos precisam de olhar para ecrãs e encontrar botões porque o software existente foi concebido para humanos. Assim que a Salesforce, a Microsoft, a Adobe ou os sistemas empresariais internos começarem a abrir diretamente APIs, MCPs e interfaces de Agente, muitas tarefas deixarão de precisar de simular ações de rato e teclado.

O resultado mais provável é uma fusão do Computer Use e do Tool Use: onde existirem interfaces estruturadas, serão chamadas diretamente; para sistemas antigos sem interfaces ou difíceis de modificar, as operações visuais continuarão.

Assim, o mercado verdadeiramente aberto pelo Computer Use pode não ser "fazer a IA clicar em computadores como os humanos para sempre", mas sim, através desta abordagem de "o meu mestre humano autorizou-me a clicar no teu software, por isso não me podes controlar", permitir que os Agentes rompam o ecossistema de aplicações existente. Os Agentes podem finalmente entrar nos últimos grandes ambientes de trabalho que a automação anteriormente não conseguia cobrir.

Esta é também a parte que Kim refere como a "quarta ronda de crescimento exponencial" que vale realmente a pena verificar: "Será o Computer Use um trampolim, ou é realmente outra mudança de paradigma?"

Depois do GPT-6, a história da capacidade de computação que se tornou cada vez mais difícil de articular devido aos Agentes a baterem em muros volta a ser coerente?

O mercado de capitais voltou a apostar.

Após a explosão da IA generativa, o mercado continua a esbofetear os pessimistas do "crescimento da capacidade de computação". Será que desta vez será diferente?