Chips de IA na Edge: Impulsionando o Futuro da Inteligência no Dispositivo

Em 2020, a Deloitte projetou que mais de 750 milhões de chips de IA na edge — processadores completos ou parciais que executam ou aceleram machine learning diretamente nos dispositivos — seriam vendidos, gerando US$ 2,6 bilhões em receita. O segmento de chips de IA na edge está definido para superar o mercado de semicondutores em geral; até 2024, as vendas unitárias devem exceder 1,5 bilhão, traduzindo-se em uma taxa de crescimento anual composta (CAGR) de pelo menos 20% — mais que o dobro da CAGR de 9% prevista a longo prazo para a indústria como um todo.

Chips de IA na edge estão prestes a aparecer em uma gama crescente de hardware de consumo — smartphones high-end, tablets, smart speakers e wearables — bem como em dispositivos empresariais como robótica, câmeras de segurança e sensores industriais. O segmento de consumo domina, mas sua taxa de crescimento é modesta, com CAGR de 18% projetado de 2020 a 2024. Em contraste, o mercado empresarial deve crescer a uma CAGR de 50% no mesmo período.

Mesmo em 2024, o mercado de consumo deve representar mais de 90% das vendas de chips de IA na edge, tanto em volume quanto em receita. Smartphones high-end responderão por mais de 70% de todos os chips de IA na edge de consumo em uso, com os próximos anos impulsionados largamente pela adoção de smartphones. Cerca de um terço das 1,56 bilhão de unidades de smartphone vendidas este ano já podem incorporar capacidades de IA na edge.

Mudança de Paradigma: Do Data Center para o Dispositivo

Tradicionalmente, cargas de trabalho de IA eram tratadas em data centers, núcleos empresariais ou processadores de edge de telecom devido às suas pesadas demandas computacionais. Chips de IA na edge mudam esse paradigma: são compactos, custo-efetivos, energeticamente eficientes e geram calor mínimo, tornando o processamento local em dispositivos portáteis e industriais viável. Essa mudança reduz — ou elimina — a necessidade de transmitir grandes volumes de dados para servidores remotos, entregando tempos de resposta mais rápidos e garantias de privacidade mais fortes.

O processamento local protege dados sensíveis; informações que nunca saem de um dispositivo não podem ser interceptadas ou mal utilizadas. Além disso, um chip de IA na edge incorporado em um telefone pode realizar tarefas avançadas mesmo sem conectividade de rede.

Dito isso, nem toda tarefa de IA é melhor tratada localmente. Para cargas de trabalho que excedem a capacidade de um dispositivo, o descarregamento para cloud ou arrays de edge permanece apropriado. Na prática, a maioria das aplicações adota um modelo híbrido — parcialmente no dispositivo, parcialmente na cloud — com a divisão ótima determinada pelo caso de uso específico.

A Economia da IA na Edge em Smartphones

Além de smartphones, tablets, wearables e smart speakers também integram chips de IA na edge, mas seu impacto de mercado é atualmente limitado. Vendas de tablets são relativamente estáveis, e smart speakers e wearables juntos devem atingir apenas 125 milhões de unidades em 2020. Apesar de seu tamanho modesto, as taxas de penetração de chips de IA na edge nessas categorias são altas.

Atualmente, chips de IA na edge são predominantemente encontrados em smartphones premium — o terço superior do espectro de preços. No entanto, adicionar um acelerador de IA não necessariamente inflaciona preços ao consumidor.

Ao examinar die shots da Samsung, Apple e Huawei, podemos aproximar a contribuição de custo do núcleo de IA. O Exynos 9820 da Samsung, por exemplo, aloca cerca de 5% de sua área de die para processamento de IA. Com o SoC inteiro precificado em US$ 70,50, a porção de IA representa aproximadamente 5% desse custo, ou US$ 3,50 por chip.

O A12 Bionic da Apple dedica aproximadamente 7% de sua área de die a machine learning. Com custo total do processador de US$ 72, isso se traduz em estimados US$ 5,10 para o núcleo de IA. O Kirin 970 da Huawei, custando US$ 52,50, aloca 2,1% de sua área ao NPU, sugerindo custo de cerca de US$ 1,10 (a Huawei nota 150 milhões de 5,5 bilhões de transistores para o NPU, ou 2,7% do total, o que colocaria o custo perto de US$ 1,42).

Embora as estimativas de custo variem, uma média de US$ 3,50 por NPU é razoável. Aplicada a meio bilhão de smartphones — e ainda mais ao contabilizar tablets, speakers e wearables — o volume total de mercado é substancial. Com custo de fabricação de US$ 1–3 por chip, a adição de um NPU de IA na edge resulta em apenas um aumento de US$ 1–US$ 2 no preço ao consumidor, um aumento insignificante de menos de 1% para um telefone de US$ 250.

Obtenção de Chips de IA: Interno ou Terceirizado?

Fabricantes de dispositivos escolhem caminhos diferentes para obter chips de IA na edge, guiados por tier de produto e às vezes geografia. Muitos compram SoCs de processador de aplicação/modem de fornecedores terceirizados como Qualcomm e MediaTek, que juntos capturaram aproximadamente 60% do mercado de SoC para smartphones em 2018. Embora nem todas suas ofertas incluam um núcleo de IA, modelos high-end como Snapdragon 845/855 da Qualcomm e Helio P60 da MediaTek incluem.

A Apple, por outro lado, projeta e produz seus próprios SoCs — A11, A12, A13 Bionic — cada um incorporando funcionalidade de IA na edge. Samsung e Huawei empregam estratégias híbridas, obtendo alguns SoCs do mercado merchant enquanto também usam seus próprios chips (ex: Exynos 9820 da Samsung, Kirin 970/980 da Huawei) para outros modelos.

» Continue lendo a página dois deste artigo originalmente publicado em nosso site irmão, EE Times Europe.