Google restringe acesso da Meta ao Gemini por falta de capacidade computacional

O cenário de compute, a infraestrutura computacional essencial para treinar e rodar modelos de IA, mostra sinais claros de gargalo. O Google, um dos maiores provedores mundiais, impôs restrições ao uso de seus modelos Gemini pela Meta. A razão? A demanda da Meta por capacidade computacional excedeu o que o Google podia fornecer, forçando a empresa de Mark Zuckerberg a buscar economias nos seus gastos com IA. Eles pediram para a equipe otimizar o uso de tokens de IA e começaram a migrar fluxos de trabalho para seu modelo interno, o Muse Spark.

Essa situação destaca a escassez física de recursos, como GPUs. Mesmo empresas colossais investindo bilhões em infraestrutura, como o próprio Google com mais de US$ 180 bilhões em capex e o acordo bilionário com a SpaceX para obter GPUs 'bridge capacity', não conseguem atender a demanda crescente. A Meta, que já estava em transição para modelos próprios, como o Muse Spark, para reduzir a dependência de provedores externos, acelera agora essa estratégia devido às limitações impostas pelo Google. A dificuldade em conseguir poder computacional suficiente se tornou o principal obstáculo para o avanço acelerado da IA, superando questões de algoritmos ou talentos.

A notícia atual detalha que o Google impôs limites ao uso de seus modelos Gemini pela Meta devido à falta de capacidade computacional. Isso forçou a Meta a pedir aos funcionários que usem tokens de IA de forma mais eficiente e a migrar cargas de trabalho para seu próprio modelo, o Muse Spark. Anteriormente, a Meta utilizava Gemini como um modelo externo mais avançado que seus próprios Llama para automatizar tarefas de segurança, como moderação de conteúdo. Agora, essa dependência externa diminui ainda mais com a restrição imposta pelo Google.

A limitação imposta pelo Google ao acesso da Meta aos modelos Gemini ilustra um gargalo fundamental na indústria de IA: a disponibilidade de poder computacional. Empresas que dependem de infraestrutura de terceiros, mesmo as gigantes como Meta, estão vulneráveis a restrições que podem impactar seus projetos internos. Isso acelera a corrida por autossuficiência e o desenvolvimento de modelos próprios, além de revelar a complexidade da cadeia de suprimentos de hardware de IA, onde até mesmo um provedor como o Google recorre a soluções de 'bridge capacity' como alugar GPUs da SpaceX para atender a demanda explosiva.