Machine Translated by Google

PAPEL BRANCO

IA GENERATIVA: O ARTIFICIAL
FUTURO COM ESTERÓIDES
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

IA generativa: o
Futuro artificial com esteróides

Principais insights

• Com a mudança para a “linguagem como código” natural, estamos num Este aumento na procura de computação levou a investimentos

momento da história em que há uma redefinição fundamental da significativos em infraestruturas de IA, com os serviços em nuvem e

interface homem-máquina impulsionada por Grandes Modelos de a gestão de energia a tornarem-se cada vez mais cruciais. • Embora

Linguagem (LLMs). a Nvidia tenha hoje um controle firme no mercado de aceleradores , a

• LLMs são um subconjunto de modelos de Inteligência Artificial Generativa proliferação de diferentes arquiteturas de computação promete muito

(GenAI), usados principalmente para aplicações que envolvem texto. mais concorrência no médio e longo prazo

Outras formas de GenAI estendem esses recursos para prazo.

domínios não textuais como vídeo e música. • As empresas estão a disponibilizar aplicações para melhorar a

• O processo de treinamento envolve alimentar um modelo com uma produtividade e em breve terão impacto na produtividade e nas
grande quantidade de dados. Depois que um LLM for treinado, ele métricas do mercado de trabalho.

poderá ser usado para inferência. A inferência usa um modelo • Uma área subestimada é o impacto da GenAI nos sectores tangíveis de

treinado para fazer previsões com base em novos dados de entrada. operários. GenAI está acelerando o desenvolvimento de cobots e

• Um modelo de Mistura de Especialistas (MoE) inspira-se na organização robôs humanóides. À medida que a automatização profunda em

do cérebro humano. Esta abordagem emprega múltiplos submodelos, múltiplos sectores se consolidar, o impulso deflacionista será

conhecidos como “especialistas”, cada um dedicado a um tipo significativo – contrabalançando os efeitos inflacionistas da redução

específico de entrada ou aspecto e sugere uma tendência para do trabalho

modelos computacionalmente mais eficientes. mercados.

• O desenvolvimento de MoEs, especialmente para dispositivos de ponta • Continuamos a ver oportunidades de investimento atraentes entre as

como smartphones, headsets de realidade mista, robôs e automóveis, “picaretas e pás” da revolução da IA, os proprietários de dados

é uma área emergente. proprietários e a camada de aplicação.

• Oferecer apenas um modelo GenAI básico não levará à rentabilidade

estrutural. Esta tecnologia genérica será impossível de ser dominada

por um punhado de empresas.

Os aplicativos devem ser oferecidos no topo para criar um lucro lucrativo

fosso.

• A introdução de conceitos de smartphones sem aplicativos, alimentados

por um assistente de IA, sugere uma possível revisão da economia

móvel e desafios para os aplicativos atuais

modelos de loja.

• A “inteligência” destes modelos tem um custo – nomeadamente, um

aumento maciço nos requisitos de computação.

Morten Springborg

Especialista Temático Global

C Gestão Mundial de Ativos

2
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

Introdução
A evolução da computação ao longo das décadas pode ser amplamente

caracterizada por várias fases importantes, cada uma marcada por

avanços tecnológicos significativos e mudanças de paradigma na forma

como os computadores têm sido utilizados e acedidos. À medida que

surgem novos ciclos de computação, cada um destes novos ciclos

seguiu um padrão de investimento semelhante, começando com

semicondutores , passando depois para infra-estruturas e, finalmente,

para software e serviços. Por exemplo, na era móvel, o entusiasmo
inicial centrou-se na Qualcomm e na ARM, detendo os designs dos

chips, depois passando para a infraestrutura e os dispositivos na forma

da Samsung e da Apple, e finalmente atingindo o pico com foco em

software e serviços, criando enorme valor em empresas como Google,

Facebook, Uber, etc. Na era GenAI, estamos atualmente na primeira
fase de entusiasmo em torno dos semicondutores. Ainda assim, à

medida que a comoditização começa, esperaríamos que o padrão

habitual de mudança de valor se concentrasse em infra- estruturas,

aplicações e serviços à medida que a tecnologia GenAI amadurecesse

nos próximos anos. É esta estrutura que aplicamos quando pensamos

em GenAI.

Os primeiros dias das redes neurais

Até recentemente, a Inteligência Artificial tratava principalmente de redes
neurais e aprendizado profundo. Estas redes, compostas por camadas

de nós interligados (imitando neurónios no cérebro), poderiam aprender

e dar sentido a padrões complexos em grandes quantidades de dados.

A introdução da aprendizagem profunda marcou um salto significativo,

permitindo à IA lidar com tarefas mais sofisticadas, como reconhecimento

de imagem e fala, com uma precisão sem precedentes. Publicamos um

Livro Branco sobre este tópico em 2016, intitulado 'O

Futuro Artificial'.

inicialmente – ultrapassar a liderança inicial do Google em IA e posicionar

A ascensão da IA generativa a empresa como a líder inicial em aplicações GenAI.

Em novembro de 2022, a OpenAI lançou o ChatGPT. Inicialmente, este

não foi um evento particularmente digno de nota – a capacidade do

sistema estava alinhada com o trabalho realizado em outros laboratórios

de IA, como o Google DeepMind. O que tornou o ChatGPT especial foi Os blocos de construção fundamentais do GenAI
encontrar uma maneira de colocar a tecnologia nas mãos de usuários Ao contrário dos seus antecessores, que eram adeptos da análise de

em todos os lugares. Através da parceria da OpenAI com a Microsoft, a dados e de fazer previsões, os modelos GenAI podem criar novos

empresa conseguiu escalar a tecnologia de forma agressiva , e o conteúdos – texto, imagens, música ou vídeo que muitas vezes são

ChatGPT estabeleceu um recorde notável ao atingir 100 milhões de indistinguíveis do conteúdo gerado por humanos. Essa mudança da

usuários ativos mensais apenas dois meses após seu lançamento, compreensão para a criação foi possível graças aos avanços nas
tornando-o o aplicativo de consumo com crescimento mais rápido na arquiteturas de redes neurais, como Redes Adversariais Gerativas

história. Isso permitiu à Microsoft – pelo menos (GANs) e Transformadores,

3
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

originalmente desenvolvido pelo Google. Os GANs trouxeram uma nova Um LLM como a série GPT (Generative Pretrained Trans-former) da

abordagem em que duas redes neurais, o gerador e o discriminador, OpenAI é um tipo de modelo de inteligência artificial projetado para
competem entre si para gerar novos dados sintéticos que são compreender, gerar e interagir com a linguagem humana. Esses modelos

incrivelmente realistas. Por outro lado, os transformadores revolucionaram são “grandes” no sentido de que consistem em bilhões ou até trilhões de
a forma como processamos sequências, como frases em um parágrafo, parâmetros, que são as partes do modelo que são aprendidas a partir

capturando dos dados durante o processo de treinamento.

o contexto de cada elemento sobre todos os outros. Esta quebra-

abriu o caminho para LLMs.

O processo de treinamento envolve alimentar o modelo com uma grande

quantidade de dados, basicamente até todos os dados disponíveis na

LLMs e além internet, permitindo-lhe aprender padrões, relações entre palavras e

LLMs são um subconjunto de modelos GenAI e são usados principalmente estrutura de frases em vários idiomas. O objetivo é ajustar os parâmetros

para aplicações que envolvem texto, como criação de conteúdo, agentes internos do modelo (pesos) para minimizar a diferença entre o produto
de conversação, resumo, tradução e muito mais. Outras formas de previsto e o produto real. O modelo aprende a prever a próxima palavra

GenAI estendem essas capacidades a domínios não textuais. Por em uma frase, dadas as palavras que vêm antes dela, o que lhe permite
exemplo, GANs são usados para criar imagens ou vídeos realistas, e gerar sequências de texto coerentes e contextualmente relevantes.

existem modelos projetados para gerar música ou vozes sintéticas.

Depois que um LLM for treinado, ele poderá ser usado para inferência.

Inferência significa usar um modelo treinado para fazer previsões com

base em novos dados de entrada. Embora seja menos intensivo em

termos computacionais do que o treinamento, a demanda computacional

para inferência crescerá enormemente devido ao grande número de

solicitações de milhões ou bilhões de usuários, diariamente.

Requisitos crescentes de computador

colocará os custos em foco
A “inteligência” desses modelos tem um custo – um aumento maciço nos

requisitos de computação. O treinamento de modelos de IA de última

geração exige grandes quantidades de poder computacional, muitas

vezes envolvendo milhares de GPUs (unidades de processamento

gráfico) poderosas trabalhando em conjunto durante semanas. Este

aumento na procura de computação levou a investimentos significativos

em infraestruturas de IA, com os serviços em nuvem e o hardware

especializado a tornarem-se cada vez mais cruciais.

Cada vez mais, à medida que as cargas de trabalho transitam para a

inferência, o custo da computação tornar-se-á um parâmetro competitivo

extremamente importante, que impulsionará a inovação tanto na

concepção dos modelos como na concepção dos chips.

“À medida que as cargas de trabalho transitam

para a inferência, o custo da computação se tornará
um parâmetro competitivo extremamente importante.”

4
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

Modelos abertos e MoEs indicam tendência para modelos mais gerenciáveis e computacionalmente
modelos mais eficientes no futuro eficientes, afastando-se potencialmente dos modelos maiores e
Meta, há um ano considerada atrasada na corrida GenAI, adotou mais pesados vistos nas gerações anteriores de IA.
uma abordagem de código aberto para o desenvolvimento de LLM
e foi capaz de se reposicionar com sucesso . Ser “código aberto”
significa que o código-fonte do software está disponível gratuitamente Modelos menores irão proliferar
para qualquer pessoa visualizar, modificar e distribuir. Assim, na borda da rede
empresas como a Meta conseguiram alavancar a comunidade global O desenvolvimento de modelos MoE e a sua aplicação em GenAI,
de desenvolvedores no desenvolvimento dos modelos. Isto contrasta particularmente para dispositivos de ponta como smartphones,
com modelos fechados ou privados como o GPT, onde o código- headsets de realidade mista, robôs e automóveis, é uma área
fonte é proprietário e controlado pelos seus criadores, limitando o emergente, uma vez que os dispositivos de ponta são frequentemente
acesso e a modificação por terceiros. Os modelos de código aberto limitados por energia, memória e capacidades de processamento.
promovem a colaboração e a transparência, enquanto os modelos
fechados muitas vezes se concentram em benefícios comerciais, A intersecção entre

restringindo o acesso para melhorar ou adaptar o software sem a Os desenvolvimentos do MoE “A interseção entre
permissão do detentor dos direitos autorais. Os projetos de código e os dispositivos de ponta da os
aberto podem acelerar a inovação e a acessibilidade na tecnologia, GenAI significam uma mudança desenvolvimentos
fornecendo uma base para novos avanços por parte da comunidade para sistemas de IA mais do MoE e os
global. distribuídos, eficientes e dispositivos de
especializados. Esses borda GenAI significa
Em um desafio à vantagem pioneira do Meta no LLM de código avanços podem levar uma mudança em
aberto , o Google lançou recentemente novos modelos de IA para para modelos de maior direção a sistemas
uso gratuito por desenvolvedores externos. Os modelos, chamados qualidade que exigem menos de IA mais distribuídos, eficientes e e
Gemma, são baseados na mesma tecnologia dos Gemini LLMs recursos para treinamento e
proprietários do Google. Gemma poderia beneficiar o Google se implantação, alinhando-se com
outros desenvolvedores de software fizessem melhorias no modelo a tendência contínua de trazer capacidades poderosas de IA para
de código aberto, que o Google poderia então incorporar em seu mais perto de onde os dados são gerados e consumidos, na borda
modelo proprietário, Gemini. da rede, e ao mesmo tempo reduzindo a necessidade de computação
no data center.
A start-up francesa Mistral é vista como uma das primeiras líderes
num novo desenvolvimento no âmbito dos modelos linguísticos, Isto sugere um futuro onde nenhum modelo GenAI prevalecerá
nomeadamente os modelos Mixture of Experts (MoE). A Microsoft completamente. Em vez disso, está a emergir um mundo
recentemente se uniu à Mistral e oferece modelos na plataforma multimodelo . Modelos menores, mais acessíveis e mais eficientes
Azure junto com modelos OpenAI. Os MoE inspiram-se na em termos de computação ou arquiteturas estilo MoE são vistos
organização do cérebro humano, onde diferentes regiões se como cada vez mais práticos e desejáveis para tarefas específicas,
especializam em tarefas distintas. Esta abordagem emprega enquanto LLMs como o GPT-4 mantêm sua utilidade para aplicações
múltiplos submodelos, conhecidos como “especialistas”, cada um amplas e de uso geral.
dedicado a um tipo específico de input ou aspecto. Estes
especialistas operam em paralelo, com os seus resultados integrados
através de uma rede de portas baseada na relevância dos dados de A IA no dispositivo irá transformar
entrada. Este método visa aumentar a eficiência, reduzir as o mercado de smartphones O
demandas computacionais e melhorar o desempenho em Google lançou recentemente o Gemini Nano, um modelo de
determinadas tarefas, utilizando modelos menores e especializados. linguagem pequena projetado para tarefas generativas de IA no

Especula-se que o GPT-4 possa compreender secretamente oito dispositivo, que será lançado no Pixel 8 Pro e em breve será
modelos do estilo GPT-3, cada um especializado em uma tarefa expandido para mais dispositivos Android. Este desenvolvimento,
tal como
específica. O desenho da arquitetura, refletindo a especialização do cérebro, o recentemente
sugere uma lançado Samsung Galaxy S24, é um exemplo de GenAI

5
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

“A inferência será uma batalha para ver quem

consegue fazer isso mais barato e, em muitos
casos, os modelos menores no dispositivo
vencem simplesmente por causa do tempo de
resposta e do baixo custo da computação.”

financiamento das lojas de aplicativos da Apple e do Google. Isso significa

uma grande mudança nos modelos de computação, acesso e distribuição.

Isso implica, no mínimo, que a Apple/Google enfrentará mais concorrência

da Meta e da Microsoft, à medida que esta última se associa a OEMs para

colocar o seu software nos 'motores de dispositivos'.

A inferência será uma batalha para ver quem consegue fazê-lo mais barato

e, em muitos casos, os modelos menores no dispositivo vencem

simplesmente por causa do tempo de resposta e do baixo custo da computação.

avançando para o processamento no dispositivo. Esta abordagem não só

aumenta as necessidades de hardware à medida que os dispositivos são Ainda estamos muito no início da implementação de modelos de linguagem.

atualizados, mas também é um precursor de uma mudança de mercado Ainda assim, os acontecimentos do último ano sugerem que o cenário

potencialmente significativa, com os smartphones com capacidade de IA a competitivo será difícil e que apenas oferecer o modelo básico não conduzirá

crescerem significativamente nos próximos anos. A capacidade do a uma rentabilidade estrutural. Esta tecnologia genérica será impossível de

dispositivo de executar tarefas de IA diretamente no smartphone, sem ser dominada por um punhado de empresas. E os aplicativos devem ser

depender da computação em nuvem, não apenas melhora a privacidade e oferecidos adicionalmente para criar um fosso lucrativo.

a segurança dos dados , mas também permite o processamento em tempo

real para aplicativos como tradução de idiomas, reconhecimento de imagens e dados pessoais.
recomendações específicas.

Os chips fazendo os cálculos de IA

Historicamente, os aprimoramentos de IA de empresas como Qualcomm , O desenvolvimento da computação paralela tem sido crucial para a IA geral

MediaTek e Google melhoraram as funcionalidades dos dispositivos, como devido à sua capacidade de realizar muitas operações simultaneamente,

imagens e duração da bateria. No entanto, a integração de modelos de acelerando significativamente o treinamento e a inferência do modelo de IA.

linguagem pequena requer plataformas de computação avançadas e As GPUs oferecem paralelismo, eficiência e velocidade massivos, permitindo

inovações de software. A colaboração da Qualcomm com a Deutsche o tratamento de cálculos complexos de forma mais eficaz do que as CPUs

Telekom em um conceito de smartphone sem aplicativos, alimentado por tradicionais.

um assistente de IA, sugere uma possível revisão da economia móvel e

desafios aos modelos atuais de lojas de aplicativos. A grande mudança atual em direção à computação paralela é impulsionada

principalmente pela Nvidia e sua família de GPUs. Nos data centers globais

de IA, estima-se que as GPUs Nvidia sejam responsáveis por 80% das

O CEO da Qualcomm destaca- cargas de trabalho atualmente.

“Essa mudança publicado em um recente Financial Times

pode representar artigo o potencial disruptivo da As GPUs são altamente eficazes no tratamento de tarefas paralelas,

um desafio direto IA generativa no dispositivo, tornando-as ideais para cálculos matriciais e vetoriais comuns em
ao atual domínio sugerindo uma mudança das aprendizado de máquina e aprendizado profundo. No entanto, as TPUs
das lojas de dependências da loja de (Tensor Processing Units) desenvolvidas pelo Google são otimizadas para

aplicativos da aplicativos para modelos GenAI pré-instalados.

processar os tensores (matrizes multidimensionais) que são fundamentais

Apple e do Esta mudança poderia oferecer um desafio para cálculos de redes neurais e oferecem eficiência ainda maior para
Google.” direto ao atual domínio

6
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

certas cargas de trabalho de IA em comparação com GPUs. Os chips incluindo os modelos usados, a estrutura preferida de aprendizado de

Amazon AWS Tranium e Inferium são ASIC (Circuito Integrado máquina, as restrições orçamentárias e se a implantação é local ou

Específico de Aplicativo) e projetados sob medida para uma função baseada na nuvem. TPUs e Traniums/
específica ou conjunto de funções – neste caso, otimizados para Os Inferiums são desenvolvidos especificamente pelo Google e AWS e
treinamento de aprendizado de máquina e tarefas de inferência. são altamente otimizados para seus respectivos ambientes de nuvem e

Uma vez fabricado, a funcionalidade de um ASIC é fixa e não são vendidos a terceiros. As GPUs, por outro lado, oferecem maior
não pode ser alterado. versatilidade e suportam uma gama mais ampla de tarefas e estruturas
de aprendizado de máquina, tornando- as adequadas para uma gama

Os Field Programmable Gate Arrays (FPGAs), por outro lado, são mais ampla de aplicações.

circuitos integrados que podem ser reprogramados após a fabricação

para executar uma ampla variedade de tarefas. Embora a Nvidia, com sua família de GPUs apoiada por sua arquitetura

Eles oferecem flexibilidade porque sua configuração de hardware pode de software CUDA, tenha hoje um controle firme no mercado de

ser atualizada para suportar diferentes funções ou algoritmos após a aceleradores, a proliferação de diferentes arquiteturas de computação

implantação. AMD e Intel construíram, por meio de aquisições, posições promete muito mais concorrência no médio e longo prazo.

em chips FPGA.

A escolha entre as diferentes arquiteturas depende dos requisitos Espera-se que os gastos totais com semicondutores sejam de cerca de

específicos das tarefas de aprendizagem automática, US$ 600 bilhões em 2024. Desse total, os chips de IA ficarão em torno de

7
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

US$ 45 bilhões. A CEO da AMD, Lisa Su, previu recentemente que o em 2023 para 3,6% em 2028, um aumento de 18 vezes. Os maiores data

mercado de aceleradores crescerá para cerca de US$ 400 bilhões até centers GPU estão hoje cotados em até 300 MW, e a indústria está se

2027, uma taxa de crescimento de mais de 70% ao ano em chips de IA. preparando para obter energia de usinas nucleares dedicadas,

Jensen Huang, fundador e CEO da Nvidia, estimou que a computação exemplificadas, por exemplo, pela Microsoft , que no final de 2023

acelerada dobrará o investimento total em data centers, de US$ 1 trilhão começou a olhar para reatores nucleares de próxima geração para
em infraestrutura DC instalada para US$ 2 trilhões nos próximos 5 anos. alimentar seus data centers, de acordo com listas de empregos.

O resultado final é que o crescimento será extremamente forte, mas a

concorrência também o será, à medida que a procura passa da formação A rede dentro dos data centers também apresenta um gargalo
para a inferência, cada vez mais no limite, questionando a sustentabilidade para o dimensionamento da GenAI. A complexidade e o custo da rede
do crescimento dos lucros devido ao excesso extremo que está a ocorrer infraestrutura para conectar milhares de GPUs para distribuição

hoje. Por exemplo, no ano de 2019, a Nvidia teve uma margem bruta de As tarefas de treinamento de IA são significativas. Redes de alta velocidade

62,5%, enquanto no trimestre mais recente a empresa reportou uma e baixa latência são essenciais para o treinamento eficiente de grandes

margem bruta de 76%. Preferimos concentrar-nos na sustentabilidade do modelos de IA, e os desafios de engenharia no dimensionamento dessa

crescimento dos lucros e investir no crescimento indirectamente através infraestrutura impactam o desempenho geral e a escalabilidade dos

de uma abordagem de picaretas e pás, comprando fundições e sistemas GenAI.

fornecedores de equipamento para semi-fabricação, sendo assim

agnósticos em termos de tecnologia e beneficiando ao mesmo tempo do A mudança para a fase de inferência que, embora seja geralmente menos

enorme crescimento global da indústria. demanda por chips de IA. intensiva em termos computacionais do que a formação, deverá acelerar

substancialmente a procura de computação à medida que as aplicações

de IA se tornam mais difundidas. Em seus últimos resultados financeiros

do quarto trimestre, divulgados em fevereiro de 2024, a Nvidia estimou

A implantação do GenAI tem um que 40% das cargas de trabalho estavam relacionadas à inferência, muito
efeito significativo na demanda de energia mais do que o estimado por especialistas do setor, mitigando os temores

Os data centers têm imensos requisitos de energia e resfriamento para de que as GPUs da Nvidia perderiam relevância à medida que as cargas

dar suporte à operação de sistemas de computação de alto desempenho de trabalho se afastassem dos LLMs de treinamento. A mudança para a

para GenAI. A expansão atual da capacidade dos data centers é limitada inferência tem implicações para a conceção e otimização da infraestrutura

não apenas pela disponibilidade de GPUs, mas também pela disponibilidade de IA, com um aumento potencial na implantação de hardware

de energia e pela necessidade de especializado, como os chipsets desenvolvidos internamente pela Google

investimentos significativos em e pela AWS para tarefas de inferência. No longo prazo, a mudança em

“A infraestrutura e sistemas de direção aos modelos distribuídos GenAI Edge acelerará o desenvolvimento

expansão atual da gerenciamento de energia para de ainda mais poder de computação em dispositivos de ponta, como

capacidade do atender às crescentes demandas smartphones, e levará a novos ciclos de produtos.

data center é computacionais dos modelos de

limitada não IA. A reforma de data centers de E, eventualmente, uma interface humana completamente nova será criada

apenas pela CPU legados para GenAI é para a linguagem computacional.

disponibilidade de complicada pelo fato de que a

GPUs, mas também pela de

densidade disponibilidade
energia dos racks de de energia.”

GPU pode ser um fator de 6 a 8 Olhando para o futuro, os aplicativos

em comparação com os racks de impulsionarão a adoção em massa do GenAI
CPU e porque o treinamento de LLMs pode ser executado paralelamente Estamos em um momento da história em que há uma redefinição

em milhares de GPUs por semanas, consumindo grandes quantidades de fundamental da interface homem-máquina mais significativa do que a

energia. mudança do mainframe para PC ou do PC para smartphone.

Pode-se ver isto como uma enorme democratização da tecnologia, na

Morgan Stanley espera que a demanda de energia da GenAI aumente de medida em que a barreira ao acesso está a ser tremendamente reduzida

0,2% do consumo total de eletricidade dos EUA à medida que avançamos em direcção à “linguagem como código” natural. Será

8
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

“Estamos em um momento da história

em que há uma redefinição fundamental
da interface homem-máquina mais
significativa do que as mudanças do
mainframe para PC ou do PC para smartphone.”

de longe a mudança mais profunda de sempre no envolvimento

entre humanos e máquinas se os assistentes de IA fizerem

alcançar inteligência de 'nível humano' e interagir conosco diariamente em

conversas em linguagem natural. Ainda não chegamos lá , mas como Sam

Altman, fundador da OpenAI, disse recentemente em uma conversa com Bill

Gates , “estes LLMs actuais são os modelos mais estúpidos que alguma vez

serão… esta é de longe a revolução tecnológica mais rápida”, e devemos

esperar que estes modelos se tornem extremamente poderosos e eficazes

nos próximos anos. Veja bem, estamos apenas com 18 meses na era GenAI.

Estamos muito no início da integração da IA nos fluxos de trabalho.

“Esses LLMs atuais são os modelos mais
No entanto, aplicações simples estão se tornando disponíveis para as
estúpidos que jamais serão… esta é, de
empresas melhorarem a produtividade. Na vanguarda está o Microsoft Copilot.
longe, a revolução tecnológica mais rápida.”
Não demorará muito para que a camada de aplicação de IA comece a impactar

a produtividade e as métricas do mercado de trabalho, desde o crescimento

geral dos salários até a dinâmica de contratação. Essa evidência começará um modelo de IA personalizado 'GPT', presumindo que eles tenham os dados.

nos setores pioneiros, nomeadamente na própria tecnologia – onde a procura Portanto, deve-se presumir que haverá uma grande variedade desses

por engenheiros de software começa a ser afetada à medida que as “aplicativos de IA” corporativos para automatizar funções comerciais repetitivas.

ferramentas de “linguagem como código” são integradas. Os assistentes de Na prática, levará tempo, pois as empresas precisam desenvolver políticas de

codificação de software são exemplos claros do poder da GenAI, dados seus dados e ter dados “limpos” e consolidados de alta qualidade de diferentes

ganhos tangíveis de produtividade (por exemplo, melhoria de 50% na sistemas, e

velocidade de escrita de código do desenvolvedor, de acordo com a Microsoft) isso leva tempo e esforço.

e grande retorno sobre o investimento (GitHub Copilot Enterprise custa apenas

US$ 19 por mês por usuário) . No que diz respeito à análise, a tecnologia GenAI permite que uma gama

mais ampla de pessoas utilize consultas em linguagem natural para pesquisar

e fazer perguntas sobre dados empresariais. Além dessas aplicações, vemos

Outro exemplo são os chatbots interativos, que permitem maior personalização sistemas GenAI direcionados a tarefas de redação manual, como e-mails,

e permitem interações em tempo real com os clientes. A empresa sueca esboços, resumos e apresentações – com a promessa de economizar uma

Klarna, do tipo “compre agora, pague depois”, disse recentemente que seu quantidade significativa de tempo dos trabalhadores.

assistente de IA está fazendo o trabalho de 700 agentes em tempo integral e

que seu chatbot teve dois terços – ou 2,3 milhões de bate-papos de

atendimento ao cliente em 35 idiomas – de Do ponto de vista da indústria vertical, vemos que o fruto mais fácil para a
O atendimento ao cliente da Klarna conversa em um mês. GenAI vem de setores (por exemplo, saúde, jurídico e mídia) que produzem

grandes quantidades de dados, em sua maioria não estruturados, que são

GenAI é uma tecnologia genérica e qualquer pessoa pode, com a ajuda de difíceis/demorados de processar ou resumir manualmente. .

consultores de TI e provedores de serviços em nuvem, criar

9
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

“A ironia do foco acima no impacto

da IA nos setores de “colarinho
branco” e de conhecimento
intangível é que o maior impacto a
longo prazo poderia ocorrer nos
setores historicamente mais
suscetíveis à automação – os setores tangíveis de colarinho azul.“

A ascensão dos robôs

A ironia do foco acima no impacto da IA nos sectores de “colarinho
branco” e de conhecimento intangível é que o maior impacto a
longo prazo poderia ocorrer nos sectores historicamente mais
susceptíveis à automatização – os sectores tangíveis de colarinho azul.
Isso ocorre porque a ascensão da GenAI terá um enorme impacto

pacto para o desenvolvimento de cobots e robôs humanóides.

A GenAI está impulsionando avanços na robótica e estamos vendo

contribuições significativas de empresas como META, Tesla, Google,
Nvidia e Boston Dynamics. Os avanços no mapeamento 3D,
grandes modelos básicos, como LLMs e Modelos de Linguagem
Visual (VLM), onde o robô aprende por observação, e sensores e
atuadores de hardware mais baratos estão reduzindo os limites de Em resumo, estas empresas estão na vanguarda da integração da
investimento em robótica em vários setores, desde saúde até GenAI com a robótica, contribuindo com tecnologias únicas que
hospitalidade e fabricação. Esta evolução está preparada para avançam as capacidades de robôs, cobots e humanóides. O papel
substituir de forma rentável uma percentagem significativa de da IA no reforço da autonomia dos robôs, da tomada de decisões e
empregos com baixos salários/qualificações, sinalizando da interação física está a tornar-se cada vez mais sofisticado e
potencialmente uma mudança da otimização de custos através de potencialmente abre novos mercados finais para as respetivas
offshoring para “botshoring”, reduzindo custos através da implantação empresas de automação industrial nos próximos anos.
de robôs (humanóides).

Por exemplo, a META desenvolveu o ambiente de simulação de IA,

Habitat, uma plataforma que ensina robôs a interagir com o mundo Os aspectos sociais da IA
físico, melhorando a capacidade da IA de compreender e navegar Embora uma discussão mais aprofundada dos aspectos sociais da
em ambientes complexos. Tesla fez avanços significativos com seu IA não seja o objectivo deste documento, a mudança tecnológica
robô humanóide, Optimus, que, segundo a empresa, está próximo será provavelmente um desafio para os mercados de trabalho e, a
de uma implantação em massa, primeiro nas fábricas da Tesla, longo prazo, poderá levar a uma reconsideração dos sistemas de
posteriormente destinada a ser vendida a terceiros . A Nvidia e o segurança social e fiscais para manter a coesão social. em meio a
Google DeepMind também estão profundamente envolvidos no mudanças rápidas. No entanto, é preciso também reconhecer que
desenvolvimento de sistemas robóticos, com foco em permitir que esta aceleração tecnológica acontece num momento particularmente
os robôs tomem decisões mais rapidamente, entendam melhor seus afortunado, quando o mundo começa a assistir a um envelhecimento
ambientes e naveguem com mais eficiência. Esses sistemas demográfico acelerado e a uma redução das reservas de mão-de-
combinam modelos de fundação com modelos de controle de robôs, obra. Será um acto de equilíbrio, mas à medida que a automatização
permitindo que robôs desempenhem profunda em múltiplos sectores se consolidar até ao final da década,
diversas tarefas em novos ambientes. o impulso deflacionista será significativo –

10
Machine Translated by Google

IA GENERATIVA:
O FUTURO ARTIFICIAL DOS ESTERÓIDES

“Esta aceleração tecnológica acontece num momento particularmente afortunado, quando o

mundo começa a assistir a um envelhecimento demográfico acelerado e a uma redução das reservas de mão-de-obra

contrabalançar os efeitos inflacionistas da contracção TSMC, tanto lógica quanto memória, bem como empresas
mercados de trabalho. fornecedoras de máquinas e outros equipamentos destinados
à produção de semicondutores. Exemplos são empresas como
Estamos no alvorecer de uma nova era, não só na indústria ASML, Hoya, Atlas Copco e Schneider.
das TI, mas também na economia global e, tal como a revolução
inicial da Internet, muitos dos eventuais casos de utilização da Além disso, os dados proprietários, que podem não ser
nova tecnologia ainda nem sequer foram imaginados. monetizados atualmente, têm o potencial de se tornarem um
Muitas indústrias serão destruídas e muitas mais serão criadas ativo único, à medida que a GenAI revela padrões e revela
nos próximos anos; tecnologias inovadoras serão desenvolvidas conhecimentos a partir dos dados, que podem ser monetizados.
com base na GenAI que acelerarão o crescimento da Estamos, portanto, também focados em empresas como MSCI,
produtividade e a criação de valor nos mercados de ações. TransUnion, Verisk, SAP, Deutsche Börse, Relix, Aon e S&P
Glob-al, que possuem dados proprietários. Finalmente, a
camada de aplicação está emergindo com os primeiros líderes
Conclusões de investimento como a Microsoft com o Copilot e a Adobe com o Firefly.
Em todas as nossas diferentes estratégias e fundos de Esperamos muito mais oportunidades de investimento neste
investimento, o foco do investimento hoje está em fornecedores espaço à medida que avançamos na era GenAI.
de infraestrutura como Microsoft, Amazon e Alphabet, que
oferecem o poder computacional e os modelos GenAI. Também
estamos focados nos fabricantes de semicondutores como Samsung e

11
Machine Translated by Google

Isenções de responsabilidade

UE:Este é material de marketing. Esta publicação foi preparada pela C WorldWide Asset Management Fondsmaeglerselskab A/S. É fornecido apenas
para fins informativos e não constitui, nem deve ser considerado como, uma oferta, solicitação ou convite para a realização de operações de investimento,
como aconselhamento de investimento ou como pesquisa de investimento. A publicação não foi, portanto, preparada de acordo com os requisitos legais
destinados a promover a independência dos estudos de investimento e não está sujeita a qualquer proibição de negociação antes da divulgação dos
estudos de investimento. As opiniões expressas são opiniões atuais apenas na data da publicação. A publicação foi preparada a partir de fontes que a C
WorldWide Asset Management Fondsmaeglerselskab A/S acredita ser confiável e todas as precauções razoáveis foram tomadas para garantir a exatidão
e precisão das informações.
No entanto, a exatidão e a precisão não são garantidas e a C WorldWide Asset Management Fondsmaeglerselskab A/S não aceita qualquer
responsabilidade por quaisquer erros ou omissões. A publicação não pode ser reproduzida ou distribuída, no todo ou em parte, sem o consentimento
prévio por escrito da C WorldWide Asset Management Fondsmaeglerselskab A/S. O desempenho passado não indica desempenho futuro.

EUA: Este é material de marketing. Esta publicação foi preparada pela C WorldWide Asset Management Fondsmaeglerselskab A/S (CWW AM). CWW
AM é uma empresa de investimento dinamarquesa registrada localizada em Dampfaergevej 26, DK-2100 Copenhagen, Dinamarca. O número de registro
da empresa dinamarquesa da CWW AM é 78420510. A CWW AM está registrada na SEC como consultora de investimentos com CRD nº 173234. Esta
publicação é fornecida apenas para fins informativos e não constitui, e não deve ser considerada como, uma oferta, solicitação ou convite para participar
em operações de investimento, como consultoria de investimento ou como pesquisa de investimento. A publicação não foi, portanto, preparada de acordo
com os requisitos legais destinados a promover a independência dos estudos de investimento e não está sujeita a qualquer proibição de negociação antes
da divulgação dos estudos de investimento. As opiniões expressas são opiniões atuais apenas na data da publicação. A publicação foi preparada a partir
de fontes que a CWW AM acredita serem confiáveis e todas as precauções razoáveis foram tomadas para garantir a exatidão e precisão das informações.
No entanto, a exatidão e a precisão não são garantidas e a CWW AM não se responsabiliza por quaisquer erros ou omissões. A publicação não pode ser
reproduzida ou distribuída, no todo ou em parte, sem o consentimento prévio por escrito da CWW AM. Todos os números são baseados no desempenho
passado.
O desempenho passado não indica desempenho futuro. O retorno pode aumentar ou diminuir como resultado das flutuações cambiais.

Reino Unido: Este documento foi preparado pela C WorldWide Asset Management Fondsmaeglerselskab A/S(CWW AM). A CWW AM é uma gestora de
ativos focada, registrada como empresa de investimento na FSA dinamarquesa. CWW AM está localizada em Dampfaergevej 26, DK-2100 Copenhagen,
Dinamarca, número de registro CVR 7842 0510. Este documento é direcionado a pessoas com experiência profissional de participação em esquemas não
regulamentados (profissionais de investimento) e empresas de alto patrimônio líquido (conforme definido no art. 14 e 22 da Lei dos Serviços e Mercados
Financeiros de 2000 (Promoção de Regimes de Investimento Coletivo) (Isenções) Ordem de 2001). O documento e qualquer investimento ou atividade de
investimento a que se refere estão disponíveis apenas para essas pessoas e serão realizados apenas com essas pessoas. Qualquer outra pessoa não
deve confiar ou agir de acordo com as declarações feitas neste documento. O conteúdo desta apresentação é confidencial, sendo proibida sua
redistribuição ou reprodução. A apresentação é fornecida apenas para fins informativos e não constitui, nem deve ser considerada como, uma oferta,
solicitação ou convite para a realização de operações de investimento como consultoria de investimento ou como pesquisa de investimento. A CWW AM
não se responsabiliza pela adequação das informações contidas na apresentação. As opiniões expressas são opiniões atuais apenas na data da
apresentação. A apresentação foi preparada a partir de recursos que a CWW AM acredita serem confiáveis e todas as precauções razoáveis foram
tomadas para garantir a exatidão e precisão das informações. No entanto, a exatidão e a precisão não são garantidas e a CWW AM não se responsabiliza
por quaisquer erros ou omissões. Esta apresentação contém informações sobre investimentos que não constituem pesquisa independente. Por
conseguinte, não está sujeito às proteções concedidas à investigação independente e à CWW AM, e os seus funcionários podem ter negociado nos
investimentos em questão. Enfatiza-se que o desempenho passado não é um indicador confiável do desempenho futuro e que o retorno dos investimentos
pode variar como resultado de flutuações cambiais.
Machine Translated by Google

Investimentos Ativos
C WorldWide Asset Management Fondsmaeglerselskab A/S é uma gestora de ativos focada. Nosso objetivo é proporcionar
crescimento de capital consistente e de longo prazo aos clientes por meio de investimentos ativos em ações listadas em
bolsas de valores globais.

Nossos clientes são principalmente investidores institucionais e canais de distribuição externos. A nossa gama de produtos
inclui serviços discricionários de gestão de ativos e produtos de fundos combinados.

A combinação de uma filosofia de investimento única baseada numa selecção cuidadosa de acções e tendências globais
de longo prazo, aliada a uma equipa estável de gestores de carteira experientes, resultou desde 1986 num desempenho
de investimento de classe mundial.

Encontre mais de nossos White Papers em cworldwide.com

Esta publicação foi impressa em MultiArt® Silk, que possui certificação FSC e rótulo ecológico da UE.

C GESTÃO DE ATIVOS MUNDIAIS FONDSMAEGLERSELSKAB A/S

Dampfaergevej 26 · DK-2100 Copenhague

Tel: +45 35 46 35 00 · IVA 78 42 05 10 · cworldwide.com · [email protected]
2º trimestre de 2024