Cambridge faz modelo de IA planetário e ignora as GPUs da Nvidia

Cada quadradinho de 10 metros de terra no planeta, reduzido a 128 números. É isto que a equipa da Universidade de Cambridge acabou de pôr em cima da mesa com o modelo de IA TESSERA, um modelo de base treinado com anos de imagens dos satélites Sentinel da Agência Espacial Europeia. E fez o trabalho todo em hardware AMD, sem um único GPU Nvidia pelo meio.

Em vez de aprender de texto como um LLM, o TESSERA aprende do espaço. Mastiga imagens de radar e ópticas, comprime a história recente de cada pixel de 10 metros numa “impressão digital” numérica, e deixa esse trabalho pesado feito à partida. A seguir, mapear culturas, florestas, cheias ou construção passa a ser um problema muito mais pequeno: em vez de treinar modelos gigantes a partir de imagens em bruto, usas estas impressões digitais e precisas de, segundo a equipa, até 30 vezes menos dados anotados. Em muitos casos chega um CPU decente, não precisas de um rack de GPUs.

O lado técnico também é um recado à indústria. Cambridge treinou o TESSERA em 16 GPUs AMD Instinct MI300X, com cerca de 6.200 horas de GPU, usando o ROCm, o stack de software aberto da AMD. Nada de CUDA, nada de Nvidia. Para correr o modelo no planeta inteiro, a equipa recorreu à Vultr, um fornecedor de cloud independente que forneceu seis servidores bare-metal, cada um com oito GPUs AMD Instinct MI325X. Em conjunto debitam cerca de 3 TB de dados comprimidos por dia, o equivalente a cobrir diariamente a área terrestre de Itália. Um ano de cobertura global demora meses de processamento contínuo.

Num mercado em que a Nvidia quer ser dona do centro de dados de IA de uma ponta à outra, como já analisámos no caso da plataforma Vera Rubin, ver um projecto de escala planetária montar-se em cima de AMD e software aberto não é um pormenor. Prova que a dependência de CUDA é mais política e de inércia do que técnica. Claro que a maioria dos laboratórios vai continuar a usar Nvidia porque é o caminho com menos fricção, mas TESSERA mostra que quem quiser sair da auto-estrada tem alternativa viável.

O outro ponto crítico é a abertura. Cambridge está a libertar as embeddings gratuitamente sob licença Creative Commons, com a receita de treino completa publicada. Qualquer governo, ONG ou startup pode pegar nestas impressões digitais de 10 metros e construir serviços por cima. Falamos de coisas muito concretas: monitorizar a saúde de culturas e prever colheitas para pequenos agricultores, seguir desflorestação quase em tempo real, detectar ocupação ilegal de solos, ou vigiar riscos de cheias e deslizamentos. Em vez de cada país pagar a consultoras para reinventarem a roda em modo fechado, há aqui um “layer” comum que países com menos recursos podem adoptar.

Para quem está em Portugal, isto não é ficção científica. Num país com ciclos de seca, incêndios recorrentes e uma faixa costeira vulnerável à subida do mar, modelos deste tipo podiam alimentar sistemas públicos de alerta e planeamento com uma granularidade que hoje só existe em relatórios caros e pontuais. A parte menos romântica é que dados abertos não significam automaticamente políticas inteligentes. Mas tiram uma desculpa clássica de cima da mesa: a de que falta capacidade técnica para ver o que está a acontecer no território em tempo quase real.

TESSERA é ao mesmo tempo um mapa detalhado do planeta e um pequeno abanão no monopólio de facto da Nvidia na IA. Se mais equipas seguirem este modelo de hardware alternativo e dados abertos, a conversa sobre infra-estrutura de IA pode começar a deslocar-se de quem vende as placas para quem realmente usa a inteligência artificial para perceber o mundo físico.

Fonte: The Next Web