Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

GPU

Uma GPU (graphics processing unit, unidade de processamento gráfico) é um processador com muitos núcleos pequenos, feito para executar muitos cálculos em paralelo. Sua velocidade em operações com matrizes faz dela o hardware padrão para treinar e rodar modelos de IA.

Também chamado: graphics processing unit

Por Divya Sharma · Verificado em 16 de nov. de 2026 · Como analisamos

As GPUs começaram como chips para desenhar gráficos 3D, em que o mesmo cálculo roda em milhões de pixels ao mesmo tempo. O CUDA da NVIDIA, lançado em 2006, abriu esse throughput paralelo para a computação geral. As redes neurais se encaixaram bem nisso, porque treiná-las e rodá-las consiste principalmente em grandes multiplicações de matrizes que se dividem naturalmente entre muitos núcleos.

Por que a IA precisa de GPUs

Uma CPU tem poucos núcleos potentes, projetados para trabalho variado e sequencial. Uma GPU troca isso por muitíssimos núcleos mais simples e memória muito rápida, o que serve à aritmética repetida de um transformer. As GPUs modernas de data center acrescentam unidades dedicadas a cálculos de baixa precisão, e é por isso que formatos como FP8 e 4 bits importam.

O que observar

Para rodar modelos, a memória muitas vezes importa mais do que a capacidade bruta de cálculo. O tamanho da VRAM decide quais modelos cabem, e a largura de banda da memória define em grande parte os tokens por segundo durante a geração. Para treinamento e modelos grandes, as ligações entre GPUs importam, já que o trabalho é dividido entre muitas placas com métodos como o paralelismo de tensores. Nossa calculadora de GPU estima o que um modelo precisa.

Alternativas

A TPU do Google é um chip projetado especificamente para machine learning, usado principalmente no Google Cloud. As NPUs de celulares e notebooks rodam modelos pequenos com baixo consumo. A Apple e alguns outros chips usam memória unificada, compartilhada por CPU e GPU. Você também pode dispensar hardware próprio e alugar de uma nuvem de GPU para IA ou de uma plataforma de GPU serverless.

Termos relacionados

VRAM
VRAM é a memória de uma placa de vídeo. No trabalho com IA, ela guarda os pesos do modelo, o KV cache e os dados de trabalho, e saber se um modelo cabe na VRAM geralmente decide qual GPU você precisa para rodá-lo.
TPU
Uma TPU (tensor processing unit, unidade de processamento de tensores) é o chip próprio do Google para machine learning, construído em torno de grandes unidades de multiplicação de matrizes e memória de alta largura de banda. O Google oferece TPUs a outras empresas como serviço alugado no Google Cloud.
NPU
Uma NPU (neural processing unit, unidade de processamento neural) é um chip, ou um bloco dentro de um chip maior, feito para rodar os cálculos de redes neurais com rapidez e pouco consumo de energia. Celulares e notebooks usam NPUs para rodar pequenos modelos de IA no próprio aparelho.
Nuvem de GPU
Uma nuvem de GPU (GPU cloud) é um serviço que aluga máquinas com GPU por hora ou por segundo para treinamento, fine-tuning e inferência de IA. Provedores especializados, às vezes chamados de neoclouds, focam em GPUs e muitas vezes cobram menos do que as grandes nuvens generalistas.
Memória unificada
A memória unificada (unified memory) é um design em que a CPU e a GPU compartilham um único conjunto de memória em vez de cada uma ter o seu. Em Macs com Apple Silicon e chips parecidos, ela permite que um modelo de IA local use a maior parte da RAM do sistema como memória de GPU.
Tensor parallelism
O tensor parallelism (paralelismo de tensores) divide cada camada de uma rede neural entre várias GPUs, para que cada GPU guarde parte de cada matriz de pesos e calcule sua parcela de cada passo. Ele permite que um modelo grande demais para uma GPU rode em várias.

Fontes