Algoritmo inovador faz GPU render até 33% mais sem trocar hardware

Uma equipe de engenheiros desenvolveu um novo jeito de distribuir tarefas entre as GPUs (os chips especializados que rodam inteligência artificial) e conseguiu um ganho expressivo sem trocar nenhum equipamento. Em testes, o uso dos processadores saltou de 53,6% para 87% — um aumento de 33 pontos percentuais. O valor das tarefas concluídas, ponderado por prioridade, mais que dobrou em alguns cenários.

O segredo está na ordem em que os trabalhos são colocados para rodar. Até hoje, a maioria dos sistemas usa uma fila simples: quem chega primeiro é atendido primeiro (o chamado FIFO). O problema é que tarefas urgentes de inferência em tempo real (como um chatbot respondendo a um usuário) precisam de garantia de capacidade, então os administradores reservam GPUs para o pico de demanda — e essas máquinas ficam ociosas na maior parte do dia. O novo alocador trata a demanda em tempo real como uma curva que sobe e desce, e não como um teto fixo. Nos horários de baixa, as GPUs sobram para trabalhos pesados, como treinar modelos.

A diferença prática é enorme. Imagine um aeroporto que reserva três pistas o dia inteiro só porque pode haver um voo lotado às 14h — as outras companhias não conseguem usar essas pistas de manhã. O novo sistema faz a alocação dinâmica: libera pistas quando o movimento é baixo e as recupera antes do pico. Além disso, ele organiza os trabalhos longos (treinamento, por exemplo) por ordem de prioridade, não de chegada. Tudo isso é calculado em 1 a 2 milissegundos, rápido o suficiente para ser usado a cada nova requisição.

Para quem usa serviços de IA no dia a dia, a notícia é boa: significa que provedores podem oferecer mais poder de processamento sem gastar mais em chips, o que tende a baratear o acesso a modelos avançados. Para empresas que mantêm seus próprios servidores de GPU, o ganho de eficiência pode representar economia de milhões. O estudo mostra que, mesmo quando todas as tarefas têm a mesma prioridade, o novo método ainda consegue 10 pontos percentuais a mais de aproveitamento — porque o planejamento inteligente do uso das GPUs, e não só a prioridade, é que faz a diferença.