A evolução da inteligência artificial (IA) no ambiente corporativo está mudando a arquitetura dos data centers e a dinâmica das decisões de tecnologia. Um movimento recente, destacado em reportagem do Tele.Síntese, mostra que a Intel está apostando no uso de CPUs para executar cargas de inferência de IA em empresas, sem a necessidade de GPUs ou aceleradores dedicados. Essa abordagem, baseada nos recursos avançados dos processadores Xeon, representa uma inflexão relevante para gestores de TI que buscam equilibrar desempenho, custo e eficiência energética em suas operações.

Inferência de IA sem GPU: contexto e limitações

Segundo o Tele.Síntese, a Intel tem registrado casos de inferência de modelos com até 12 bilhões de parâmetros rodando diretamente em processadores Xeon, sem apoio de GPU. O segredo está no Advanced Matrix Extensions (AMX), recurso incorporado à quarta geração dos Xeon Scalable e mantido nas gerações seguintes. O AMX acelera operações matriciais, fundamentais para aplicações de IA.

Roberto Corrêa, especialista em tecnologias de data center e IA da Intel, explicou que o uso da CPU é especialmente indicado para cenários onde o volume de requisições e o número de usuários simultâneos são moderados, como aplicações internas de grandes empresas. Ele exemplificou com operadoras que utilizam modelos de linguagem ajustados para gerar scripts ou diagnósticos de rede para equipes técnicas. Nesses casos, dezenas ou centenas de usuários podem ser atendidos sem a necessidade de GPU, diferentemente de serviços voltados para milhões de clientes, onde aceleradores dedicados ainda são recomendados.

O consenso, segundo a reportagem, é que a CPU pode atender cargas de IA com modelos de até 12 bilhões de parâmetros, especialmente quando o uso é restrito a ambientes internos ou aplicações com menor escala de requisições simultâneas. Para modelos maiores ou cargas públicas de alta demanda, a dependência de aceleradores permanece.

Redução de custo e tempo em nuvem: o teste do AWS Lambda

Um dos casos práticos apresentados envolve o AWS Lambda, serviço de computação serverless da Amazon Web Services. A AWS passou a oferecer instâncias baseadas em Xeon 6, permitindo que cargas de IA sejam processadas diretamente na CPU. Em teste de reconhecimento de objetos em imagens estáticas, o uso do AMX reduziu o tempo de execução em mais de sete vezes e o custo por transação caiu mais de 70%, segundo dados fornecidos pela Intel ao Tele.Síntese.

O mecanismo de cobrança do AWS Lambda, que considera o tempo de processamento, potencializa o ganho: menos tempo computacional resulta em menor custo. Esse resultado reforça a viabilidade de CPUs como alternativa para cargas de IA de porte intermediário e aplicações que não exigem resposta em tempo real para grandes volumes de usuários externos.

Vale ressaltar que esses dados vêm de um único estudo divulgado pela Intel, sem validação independente reportada até o momento. Ainda assim, o caso ilustra como a escolha da arquitetura pode impactar diretamente o orçamento de TI, especialmente para empresas que operam em nuvem pública e precisam otimizar custos operacionais.

Segurança, criptografia e eficiência: aceleradores integrados

Além do AMX, os processadores Xeon incorporam outros aceleradores relevantes para cargas críticas de data center. O Intel QuickAssist Technology (QAT) foi projetado para acelerar operações de criptografia, descriptografia e compressão de dados. Em testes realizados em instâncias do Google Cloud com Xeon 6, o QAT proporcionou ganho de desempenho de até 85% em cargas com NGINX, segundo a Intel.

Esse tipo de aceleração é particularmente útil em aplicações web baseadas em HTTPS e TLS, onde picos de acesso podem sobrecarregar os núcleos da CPU. O QAT assume parte das operações criptográficas, liberando recursos para outras tarefas. Exemplos típicos incluem aberturas de vendas de ingressos online, quando o tráfego cresce exponencialmente em curtos períodos.

No campo da segurança, a plataforma Xeon reúne ainda recursos de computação confidencial, como o Intel Trust Domain Extensions (TDX) e o Software Guard Extensions (SGX). O TDX permite criar máquinas virtuais isoladas com proteção baseada em hardware, enquanto o SGX viabiliza enclaves protegidos na memória das aplicações. Essas tecnologias fortalecem a proteção dos dados durante o processamento, complementando mecanismos tradicionais de segurança em trânsito e em repouso.

Arquitetura segmentada: desempenho versus eficiência energética

Com o lançamento do Xeon 6, a Intel segmentou a linha de processadores para data centers entre configurações com P-cores (prioridade para desempenho por núcleo) e E-cores (foco em eficiência energética e densidade). Os P-cores incluem o AMX, enquanto os E-cores podem chegar a 288 núcleos por processador, atingindo até 576 núcleos em servidores dual-socket.

Segundo Corrêa, essa segmentação atende demandas distintas: aplicações que exigem alto desempenho por núcleo, como IA e cargas transacionais, e ambientes onde a eficiência energética e a densidade de processamento são prioridades, como infraestruturas de telecomunicações. Ele citou Nokia e Ericsson como exemplos de empresas que utilizam processadores Xeon para processamento de redes virtualizadas.

A preocupação com o consumo de energia, cada vez mais relevante no dimensionamento de data centers, impulsiona a adoção de arquiteturas que equilibram desempenho, densidade e eficiência. Provedores de nuvem, segundo a Intel, já consideram esses fatores na escolha das novas gerações de processadores.

Implicações para empresas: decisões de infraestrutura e custo total

Para gestores de TI e líderes empresariais, a possibilidade de rodar cargas de IA diretamente em CPUs abre novas alternativas para o desenho da infraestrutura. Empresas que dependem de modelos de linguagem para automação interna, análise de dados ou suporte técnico podem reduzir investimentos em GPUs, desde que o porte do modelo e o volume de requisições se mantenham dentro dos limites observados nos testes da Intel.

Além da economia potencial, a integração de aceleradores para criptografia e compressão contribui para a resiliência operacional em períodos de pico, mantendo a segurança dos dados sem sacrificar desempenho. A segmentação entre P-cores e E-cores permite customizar servidores conforme a necessidade: mais desempenho para IA e cargas críticas, mais densidade e eficiência para aplicações de telecom ou ambientes virtualizados.

No contexto de Manaus e do Polo Industrial, onde a infraestrutura de data center pode enfrentar desafios logísticos e de custo energético, a eficiência proporcionada por CPUs multifuncionais pode ser um diferencial estratégico. Empresas locais ganham flexibilidade para escalar operações sem depender exclusivamente de aceleradores dedicados, otimizando o uso de recursos e reduzindo o custo total de propriedade.

O que observar: riscos, limites e próximos passos

Apesar dos avanços, é fundamental reconhecer as limitações dessa abordagem. Os ganhos reportados pela Intel refletem cenários específicos, com modelos de IA de porte intermediário e cargas internas. Aplicações de IA generativa de larga escala, atendimento a milhões de usuários ou processamento em tempo real ainda exigem GPUs ou aceleradores especializados.

Outro ponto crítico é a dependência de benchmarks e testes divulgados pelo próprio fabricante. A ausência de validação independente pode limitar a confiança dos decisores, especialmente em setores altamente regulados ou com requisitos de compliance rigorosos.

Por fim, a adoção de CPUs para IA e cargas críticas demanda uma infraestrutura de conectividade robusta, capaz de garantir baixa latência, alta disponibilidade e suporte a picos de tráfego. Em mercados como Manaus, onde a conectividade pode ser um gargalo, a escolha do parceiro de infraestrutura torna-se ainda mais estratégica para viabilizar os ganhos prometidos pelas novas gerações de processadores.

O avanço dos processadores Xeon na execução de cargas de IA e operações críticas sem GPU representa uma oportunidade para empresas que buscam eficiência e controle de custos, especialmente em regiões onde o acesso a aceleradores é limitado ou oneroso. O desafio, agora, é alinhar arquitetura de servidores e conectividade para extrair o máximo dessas inovações, mantendo a segurança e a disponibilidade exigidas pelo ambiente corporativo.