Tanto a AMD quanto a Nvidia fabricam algumas das melhores placas gráficas do mercado, mas é difícil negar que a Nvidia geralmente está na liderança. Não me refiro apenas à grande diferença na participação de mercado. Nesta geração, é a Nvidia que tem a GPU gigante que é melhor do que todas as outras placas, enquanto a AMD ainda não tem uma resposta para a RTX 4090.
Outra coisa para a qual a AMD não tem uma resposta forte no momento é a inteligência artificial. Embora eu esteja mudando para AMD para uso pessoal, é difícil ignorar os fatos: a Nvidia está vencendo a batalha da IA. Por que existe uma diferença tão marcante e isso se tornará mais um problema para a AMD no futuro?
Não é tudo sobre jogos
A maioria de nós compra placas gráficas com base em duas coisas – orçamento e recursos de jogos. A AMD e a Nvidia sabem que a grande maioria de seus cartões de consumo de última geração acaba em algum tipo de plataforma de jogos, embora os profissionais também os comprem. Ainda assim, gamers e usuários casuais compõem a maior parte desse segmento do mercado.
Durante anos, o cenário da GPU foi todo sobre a Nvidia, mas nas últimas gerações, a AMD fez grandes progressos – tanto que agora troca golpes com a Nvidia. Embora a Nvidia lidere o mercado com o RTX 4090, os dois carros-chefe RDNA 3 da AMD (o RX 7900 XTX e o RX 7900 XT) são placas gráficas poderosas que geralmente superam ofertas semelhantes da Nvidia, embora sejam mais baratas que o RTX 4080.
Se fingirmos que o RTX 4090 não existe, comparar o RTX 4080 e 4070 Ti com o RX 7900 XTX e XT nos diz que as coisas estão bem equilibradas agora; pelo menos no que diz respeito ao jogo.
E então, chegamos ao rastreamento de raios e cargas de trabalho de IA, e é aqui que a AMD cai de um penhasco.
Não há como adoçar isso – a Nvidia é simplesmente melhor na execução de tarefas geradas por IA do que a AMD no momento. Não é bem uma opinião, é mais um fato. Este também não é o único ás na manga.
A Tom’s Hardware testou recentemente a inferência de IA em placas Nvidia, AMD e Intel, e os resultados não foram nada favoráveis à AMD.
Para comparar as GPUs, o testador as comparou no Stable Diffusion, que é uma ferramenta de criação de imagem AI. Leia o artigo de origem se quiser saber todos os detalhes técnicos necessários para configurar os benchmarks, mas, para encurtar a história, a Nvidia superou a AMD e o Intel Arc A770 se saiu tão mal que mal merece uma menção.
Mesmo fazer o Stable Diffusion rodar fora de uma GPU Nvidia parece ser um grande desafio, mas depois de algumas tentativas e erros, o testador conseguiu encontrar projetos que eram adequados para cada GPU.
Após o teste, o resultado final foi que as séries RTX 30 e RTX 40 da Nvidia se saíram muito bem (embora depois de alguns ajustes para o último). A linha RDNA 3 da AMD também se manteve bem, mas as placas RDNA 2 de última geração eram bastante medíocres. No entanto, mesmo a melhor placa da AMD ficou muito atrás da Nvidia nesses benchmarks, mostrando que a Nvidia é simplesmente mais rápida e melhor em lidar com tarefas relacionadas à IA.
As placas Nvidia são ideais para profissionais que precisam de uma GPU para IA ou cargas de trabalho de aprendizado de máquina. Algumas pessoas podem comprar uma das placas de consumo e outras podem escolher um modelo de estação de trabalho, como o RTX 6000, com nome confuso, mas o fato é que a AMD muitas vezes nem está no radar quando essas plataformas estão sendo construídas.
Não vamos encobrir o fato de que a Nvidia também tem uma forte vantagem sobre a AMD em itens como ray tracing e Deep Learning Super Sampling (DLSS). Em nossos próprios benchmarks, descobrimos que a Nvidia ainda lidera o ray tracing sobre a AMD, mas pelo menos o Team Red parece estar dando passos na direção certa.
Esta geração de GPUs é a primeira em que a lacuna do traçado de raios está fechando. Na verdade, o RX 7900 XTX da AMD supera o RTX 4070 Ti da Nvidia nesse aspecto. No entanto, as GPUs Ada Lovelace da Nvidia têm outra vantagem na forma de DLSS 3, uma tecnologia que copia quadros inteiros, em vez de apenas pixels, usando IA. Mais uma vez, a AMD está ficando para trás.
A Nvidia tem uma longa história de IA
As placas gráficas AMD e Nvidia são muito diferentes em nível de arquitetura, por isso é impossível compará-las completamente. No entanto, uma coisa que sabemos é que as placas da Nvidia são otimizadas para IA em termos de sua própria estrutura, e esse é o caso há anos.
As GPUs mais recentes da Nvidia são equipadas com núcleos Compute Unified Device Architecture (CUDA), enquanto as placas AMD têm unidades de computação (CUs) e processadores de fluxo (SPs). A Nvidia também possui Tensor Cores que auxiliam no desempenho de algoritmos de aprendizado profundo e, com o Tensor Core Sparsity, eles também ajudam a GPU a pular cálculos desnecessários. Isso reduz o tempo que a GPU precisa para executar determinadas tarefas, como treinar redes neurais profundas.
Os núcleos CUDA são uma coisa, mas a Nvidia também criou uma plataforma de computação paralela com o mesmo nome, acessível apenas às placas gráficas da Nvidia. As bibliotecas CUDA permitem que os programadores aproveitem o poder das GPUs Nvidia para executar algoritmos de aprendizado de máquina com muito mais rapidez.
O desenvolvimento do CUDA é o que realmente diferencia a Nvidia da AMD. Embora a AMD realmente não tivesse uma boa alternativa, a Nvidia investiu pesadamente em CUDA e, por sua vez, a maior parte do progresso da IA nos últimos anos foi feita usando bibliotecas CUDA. No momento, a melhor aposta da AMD é o OpenCL, mas a maioria dos especialistas diz que não está exatamente no mesmo nível do CUDA.
A AMD fez algum trabalho em suas próprias alternativas, mas é bastante recente quando você compara com os anos de experiência que a Nvidia teve. A plataforma Radeon Open Compute (ROCm) da AMD permite que os desenvolvedores acelerem as cargas de trabalho de computação e aprendizado de máquina. Nesse ecossistema, lançou recentemente um projeto chamado GPUFORT.
GPUFORT é o esforço da AMD para ajudar os desenvolvedores a fazer a transição das placas Nvidia para as próprias GPUs da AMD. Infelizmente para a AMD, as bibliotecas CUDA da Nvidia são muito mais amplamente suportadas por algumas das estruturas de aprendizado profundo mais populares, como TensorFlow e PyTorch.
Apesar das tentativas da AMD de alcançá-la, a diferença só aumenta a cada ano, pois a Nvidia continua a dominar o cenário de IA e ML.
O tempo está se esgotando
O investimento da Nvidia em IA certamente foi sólido. Isso deixou a Nvidia com uma linha de GPU de jogos em expansão, juntamente com uma poderosa variedade de placas capazes de tarefas relacionadas a IA e ML. A AMD ainda não chegou lá.
Embora a AMD pareça estar tentando otimizar suas placas no lado do software com núcleos AI ainda não utilizados em suas GPUs mais recentes, ela não possui o ecossistema de software que a Nvidia construiu.
A AMD desempenha um papel crucial como o único concorrente sério da Nvidia. Não posso negar que a AMD fez grandes progressos nos mercados de GPU e CPU nos últimos anos. Ele conseguiu sair da irrelevância e se tornar uma forte alternativa à Intel, tornando alguns dos melhores processadores disponíveis no momento. Suas placas gráficas agora também são competitivas, mesmo que seja apenas para jogos. Em um nível pessoal, tenho me inclinado para a AMD em vez da Nvidia porque sou contra a abordagem de preços da Nvidia nas últimas gerações. Ainda assim, isso não compensa a falta de presença de IA da AMD.
É bem visível em programas como o ChatGPT que a IA está aqui para dizer, mas também está presente em inúmeras outras coisas que passam despercebidas pela maioria dos usuários de PC. Em um PC para jogos, a IA trabalha em segundo plano, executando tarefas como otimização em tempo real e medidas antitrapaça nos jogos. Os não jogadores também veem muita IA diariamente, porque a IA é encontrada em chatbots sempre presentes, assistentes pessoais baseados em voz, aplicativos de navegação e dispositivos domésticos inteligentes.
À medida que a IA permeia cada vez mais nossas vidas diárias e os computadores são necessários para executar tarefas que só aumentam em complexidade, as GPUs também devem acompanhar. A AMD tem uma tarefa difícil pela frente, mas se não levar a sério a IA, pode estar condenada a nunca alcançá-la.
Recomendações dos editores