Por que as GPUs não são mais “placas gráficas”

As GPUs foram criadas para jogos. Agora eles potencializam a IA, a renderização e a computação em nuvem — e o nome não serve mais

O termo placa gráfica parece desatualizado. As GPUs não tratam realmente de gráficos há anos. Os mesmos chips que antes renderizavam sombras e reflexos agora treinam grandes modelos de linguagem e executam trabalhos de inferência de IA. O nome ficou, mas o propósito não.

A ironia é que algumas das GPUs mais poderosas da atualidade nem conseguem exibir gráficos. O H200 NVL da Nvidia, por exemplo, não tem saída de tela — ele foi projetado exclusivamente para computação. Testes como os de Laboratórios LTT deixe isso óbvio: quando compararam o H200 com o RTX 5090, a placa de jogo se destacou em velocidade bruta, mas ficou sem memória em modelos maiores. O H200 continuou funcionando devido à sua enorme largura de banda de memória. Não é uma placa “gráfica”. É um acelerador.

De pixels a parâmetros

O trabalho moderno de GPU se divide em duas categorias. As tarefas vinculadas à computação dependem da taxa de transferência principal e da velocidade do relógio. As tarefas limitadas à memória dependem da capacidade e da largura de banda da VRAM. A inferência e o treinamento geralmente ficam em algum lugar entre os dois. É por isso que um 5090 pode lidar com o processamento imediato rapidamente, mas um modelo que ultrapassa sua VRAM de 32 GB falhará ou ficará lento. O H200, com 141 GB de memória HBM3e, continua funcionando sob a mesma carga.

Essa mudança redefine o desempenho. A velocidade ainda importa, mas a capacidade também. O setor de GPU agora se divide entre placas criadas para exibição e aquelas criadas para dados. É uma crise silenciosa de identidade ocorrendo no hardware.

Para desenvolvedores que exploram o desempenho da inferência, Inferência de LLM na produção: um guia prático oferece uma visão prática sobre taxa de transferência, latência e dosagem.