O que é VPU, o cérebro por trás da visão computacional?

De automação industrial complexa à cameras de segurança inteligentes com reconhecimento facial, a VPU – Unidade de Processamento Visual – é um importante componente especializado em visão computacional através de Inteligência Artificial em uso em diferentes indústrias.

Clique e siga o Canaltech no WhatsApp Dicas para melhorar o desempenho de CPUs Intel Características mais importantes nos processadores Intel

Em conversa exclusiva com o Canaltech, o Field Applications Engineer da Intel Brasil, Yuri Daglian, fala sobre a definição padrão da VPU, seu uso e evolução, se tornando no que conhecemos agora como NPU (Unidade de Processamento Neural) por parte do Time Azul, presente hoje em processadores das gerações Meteor Lake e Lunar Lake da empresa.

O que é e como funciona uma VPU?

Uma VPU é, basicamente, uma aceleradora de IA, assim como a NPU de uma CPU hoje, que funciona através de uma rede neural e aplicações voltadas para computação visual de forma mais eficiente se comparado com um processador ou GPU, componentes que também conseguem executar esse tipo de tarefa.

–
Entre no Canal do WhatsApp do Canaltech e fique por dentro das últimas notícias sobre tecnologia, lançamentos, dicas e tutoriais incríveis.
–

Yuri explica que esse componente tem foco no visual, porque “a maior parte do uso da inteligência artificial, principalmente no início, quando a computação ainda estava acelerando bastante para conseguir viabilizar a inteligência artificial em si, era focado em visão computacional. Ou seja, tentar fazer com que um computador consiga enxergar de forma simplificada”.

Apesar de ser voltado para visão computacional, uma VPU é basicamente um chip para IA (Imagem: Dignited)

As VPUs, na forma como foram concebidas, têm uma “aplicação muito restrita”. Uma das primeiras e principais fabricantes desse componente é a Movidius, que foi adquirida pela Intel em 2016. Com o passar dos anos, a Unidade de Processamento Visual passou a ser as NPUs que conhecemos hoje e estão em processadores das séries Meteor Lake, Lunar Lake e Arrow Lake, por exemplo.

“Muitos algoritmos de inteligência artificial utilizam como base redes neurais, não só para visão computacional, mas hoje em dia para uma série de outras aplicações. Então podemos dizer que as VPUs acabaram evoluindo e se tornando o que nós chamamos hoje de NPUs”, explica o engenheiro da Intel à reportagem.

Onde a VPU é utilizada?

O representante da Intel Brasil exemplifica onde uma VPU é usada. Os exemplos abaixo são somente alguns dos vários usos desse componente:

“Por exemplo, eu tenho um radar numa rodovia, eu quero medir a velocidade dos carros, e eu preciso ler a placa desses carros para identificar, por exemplo, se tem um veículo furtado ou se tem um caso de algum crime acontecendo. Eu quero ler a placa e já acionar as autoridades imediatamente. Então eu preciso de um algoritmo que faça com que o computador consiga ler de fato a imagem que ele está percebendo”.

Podemos expandir os exemplos para diversos outros, como equipamentos hospitalares, com monitoramento e diagnósticos por imagem; gerenciamento de transportes e tráfego; agricultura com precisão através de imagens, terapia esportiva, entre outras utilidades.

Sistemas de vigilância estão entre os serviços que fazem uso de uma VPU (Imagem: LinkedIn/Andreas Seeger)

A transição para NPU e suas vantagens

VPUs ainda são usadas em diferentes segmentos, como os citados anteriormente. Mas com o advento dos processadores com núcleos dedicados para processamento de IA, a implementação de VPU como hardware tem sido deixado de lado por conta da preferência por CPUs capazes de lidarem com esse tipo de workload, algo que é relativamente novo no mercado.

Yuri explica que, a nível de hardware, esses núcleos voltados para processamento de Inteligência Artificial, seja VPU ou NPU, fazem parte do empacotamento dos processadores, dividindo espaço com os núcleos principais, além daqueles voltados para gráficos, todos capazes de processarem IA, embora com menos eficiência.

“Se voltarmos 3, 4 anos, pouquíssimos processadores tinham NPUs integrados. Então, na verdade, os NPUs ainda são uma novidade quando falamos de integração com processadores”, adiciona.

VPUs e NPUs estão dentro do encapsulamento de uma CPU (Imagem: Intel/Divulgação)

Agora, com a ampla oferta desse tipo de produto, vindo da AMD, Intel e até mesmo a Qualcomm em sua estreia com os Snapdragon em PCs com Windows, os chamados AI PCs oferecem bom desempenho em processamento de IA com baixo consumo de energia em notebooks.

Mas Yuri enfatiza que ainda existem VPUs funcionando no mercado, porque elas foram projetadas com arquiteturas que funcionam em sistemas específicos, como data centers que precisam funcionar 24 horas por dia, por exemplo. A manutenção fica mais delicada nesses casos, mas “a tendência ao longo do tempo é que ou elas sejam substituídas por processadores com NPUs, com eficiência energética muito maior, ou por aceleradores como GPUs ou Intel Gaudi“.

Vantagens e desvantagens da VPU/NPU

Uma das maiores vantagens desses núcleos otimizados para o processamento de IA é sua eficiência energética, se comparado com os núcleos da CPU ou dos gráficos integrados e GPUs dedicadas. Yuri diz que muitas empresas focam em GPUs para esse tipo de workload, mas esse componente é o que mais consome energia dentro de um PC.

“Talvez em um data center isso não seja um problema tão grande, mas num dispositivo mais reduzido, como um mini PC, um celular ou, por exemplo, um notebook, nesse caso é muito importante existir uma eficiência energética alta”, afirma.

Ele segue explicando que uma outra vantagem da NPU é sua capacidade de descarregar uma carga de trabalho (offload). Essa otimização faz com que toda o processamento de IA fique sob responsabilidade da Unidade de Processamento Neural, deixando os outros núcleos livres para outras tarefas.

Por outro lado, como explica o próprio representante da Intel Brasil, a desvantagem desses núcleos é que eles são voltados unica e exclusivamente ao processamento de Inteligência Artificial, ficando em desuso caso o usuário não rode aplicações de IA nesse caso.

Além disso, existe ainda a importância em focar na compatibilidade de softwares com aquela determinada arquitetura de NPU. “O lado bom é que, como isso já está acontecendo há alguns anos, daqui mais um, talvez dois anos, a maioria dos softwares já começará a detectar a NPU e extrair o uso dela”, adiciona o representante da Intel Brasil.

Nesse sentido, as NPUs se diferem bastante das GPUs que, com suas arquiteturas maduras e mais poderosas, conseguem ter compatibilidade com uma ampla variedade de programas e linguagens de IA.

Arquiteturas populares de VPU

Assim como acontece em processadores e placas de vídeo, por exemplo, as VPUs também contam com arquiteturas diferentes, como a Movidius da Intel, Google Cloud TPU e Codensity G5 da NETINT, criadora do conceito VPU e sua aplicação.

Todas elas funcionam como aceleradoras de workloads com IA para computação visual de forma eficiente, projetadas para instruções específicas em certas aplicações. Apesar de até usarem nomenclaturas diferentes, o uso dos componentes é bastante similar. Veja como cada fabricante define seu produto:

Apesar de ainda ter chips Myriad no mercado, a Intel foca agora em NPUs integradas (Imagem: Intel/Divulgação)
Intel Movidius: “projetada para acelerar especificamente as cargas de trabalho de IA no seu PC, aprimorar a responsividade do sistema e processar o desempenho necessário para os novos recursos avançados em colaboração e streaming“.
Google Cloud TPU: “a principal tarefa das TPUs é o processamento de matrizes, que é uma combinação de operações de multiplicação e acumulação. As TPUs contêm milhares de acumuladores de multiplicação que estão diretamente conectados entre si para formar uma matriz física grande”.
NETINT Codensity G5: “silício desenvolvido para fins específicos consegue o que antes era impossível: fornecer codificação 4Kp60 por canal e, ao mesmo tempo, manter uma eficiência energética notável”.

Qual a diferença entre VPU e GPU?

Apesar de ambos os componentes serem voltados para imagem, GPUs e VPUs são bem diferentes. O primeiro é totalmente voltado para a geração da imagem que temos na tela, seja somente a interface do Windows, até a execução de um jogo realista feito em Unreal Engine 5, e ainda processamento geral com seus milhares de núcleos e também inferência de IA de forma muito mais poderosa que uma NPU, embora menos eficiente.

Os chips para IA da NVIDIA são os mais poderosos atualmente (Imagem: NVIDIA/Divulgação)

Já a VPU e NPU têm “uma abordagem um pouco mais focada em eficiência energética e hierarquia de memória para entregar uma performance sem consumir tanta energia”. 

Conclusão

Vimos aqui que as VPUs tiveram uma importância maior em diferentes indústrias, embora ainda sejam usadas em situações específicas. Com a evolução dessa tecnologia, as NPUs começaram a oferecer o mesmo workload, mas com núcleos dentro de um encapsulamento relativamente pequeno de um processador e são ainda mais otimizada para essas tarefas.

Com o passar do tempo, como apontou o representante da Intel Brasil, as empresas devem começar a migrar para as Unidade de Processamento Neural, expandindo a compatibilidade para diferentes linguagens e aplicações conforme a demanda segue aumentando, algo que ainda não está escrito nos livros de história da tecnologia.

Veja mais do CTUP:

Placas de vídeo com 8 GB estão realmente ameaçadas? Entenda

7 detalhes do Nintendo Switch 2 revelados no primeiro anúncio oficial 5 melhores placas de vídeo NVIDIA GeForce para diferentes perfis de uso

Leia a matéria no Canaltech.