Nvidia revela a placa gráfica RTX 5880 com 14.080 núcleos CUDA e 48GB de VRAM

Artigo original ↗ Discussão no Hacker News ↗

A nova GPU de workstation RTX 5880 da Nvidia, essencialmente uma RTX 6000 Ada reduzida com 14.080 núcleos CUDA e 48GB de VRAM, é apresentada como uma ferramenta para design, simulação e ciência de dados, mas é amplamente vista como uma placa de alto nível em conformidade com controles de exportação para o mercado chinês. Os comentaristas ponderam seus méritos técnicos, preço e design industrial discreto enquanto se concentram em como sanções dos EUA, “linhas de corte” em mudança e a intenção regulatória moldam a estratégia de produtos da Nvidia e a busca da China por autossuficiência em semicondutores. O fio também destaca como o ecossistema CUDA, a capacidade de VRAM e a eficiência energética sustentam a dominância da Nvidia, e por que rivais como Intel e AMD têm dificuldade para competir mesmo quando poderiam se diferenciar em memória ou preço.

Especificações e posicionamento da placa

  • RTX 5880 Ada: 14.080 núcleos CUDA, 48GB GDDR6, ~69 TFLOPS FP32, 440 núcleos tensor, 110 núcleos RT, 285W TGP.
  • O desempenho bruto é visto como ficando entre a RTX 4080 e a 4090, mas com o dobro da VRAM de uma 4090.
  • Algumas notas de rodapé observam: o pico de TFLOPS tensor depende de FP8, esparsidade estruturada e GEMMs em blocos, então o desempenho real não está claro sem benchmarks.
  • A página a promove para renderização, ciência de dados e simulação; IA/LLM não é mencionada, mas é amplamente presumida como um uso principal.

Controles de exportação e design “em conformidade com sanções”

  • Muitos veem isso essencialmente como uma RTX 6000 Ada reduzida, adaptada para cumprir as regras de exportação dos EUA para a China.
  • Debate sobre a posição do Departamento de Comércio dos EUA:
    • Um lado diz que se espera que as empresas honrem a intenção (negar à China treinamento de IA “fronteiriço”) e que os reguladores continuarão apertando as regras se os fornecedores ficarem exatamente na linha de corte.
    • Outros argumentam que a lei deveria apenas proibir o que de fato é pretendido; mudar as regras para punir a conformidade literal é comparado a comportamento arbitrário ou de “república das bananas”.
  • Fazem-se analogias com limites de velocidade e regras anti–lavagem de dinheiro de “structuring” para ilustrar conflitos entre intenção e letra da lei.

China, geopolítica e impacto de longo prazo

  • Alguns argumentam que o regime de exportação não vai desacelerar a China de forma significativa, que já está avançando em direção à autossuficiência tecnológica e pode intermediar importações ou desenvolver seus próprios chips ao longo do tempo.
  • Outros acham que o planejamento central, a corrupção e o risco político vão dificultar a recuperação da China em semicondutores.
  • A discussão inclui críticas à política externa dos EUA e à imagem de “valentão”, versus defesas que citam preocupações com direitos humanos e a estabilidade global liderada pelos EUA.
  • Menciona-se possível reação futura via desdolarização e retaliação comercial, mas a eficácia disso é debatida.

Capacidade de VRAM, Intel e alternativas

  • Grande subthread: a Intel poderia ganhar espaço mental em IA ao lançar GPUs mais baratas com 32–128GB de VRAM?
  • As restrições citadas incluem capacidades de módulos GDDR6, contagem de pinos e complexidade de roteamento, requisitos de largura de banda e padrões de demanda (jogos normalmente ficam bem com 12–16GB em 4K).
  • Alguns dizem que muita VRAM sem computação ou largura de banda correspondentes não é tão valiosa; outros observam uma enorme demanda reprimida de entusiastas que querem modelos grandes e difusão em alta resolução.

CUDA, ROCm, Gaudi e lock-in de ecossistema

  • O principal fosso competitivo da NVIDIA seria CUDA e seu conjunto maduro de ferramentas, documentação e ecossistema, não apenas o hardware bruto.
  • O ROCm da AMD é descrito como atrasado o suficiente para que usuários aceitem os preços da NVIDIA em vez de trocar.
  • O Intel Gaudi2 é discutido: parece competitivo em algumas métricas de treinamento/inferência de LLM e especialmente em “desempenho por dólar” em benchmarks apoiados por fornecedores, mas:
    • O acesso é principalmente via nuvem da Intel; o desempenho real por dólar, já totalmente precificado e energizado, não está claro.
    • O desempenho por watt e o serving de alto batch / multiusuário parecem piores que o A100 nos testes citados.
    • Alguns veem a economia atual do Gaudi como uma estratégia insustentável de perda intencional; temem que o investimento no ecossistema fique encalhado se a Intel o descontinuar.

Preço, segmentação e disponibilidade

  • A expectativa é de que a RTX 5880 seja muito cara (vários milhares de USD), mirando estações de trabalho e compradores profissionais chineses ограничados por regras de exportação.
  • Há discussão de que a NVIDIA limita cuidadosamente a VRAM em placas de consumo (por exemplo, os 16GB da 4080) para proteger SKUs de ponta e produtos de workstation/IA.
  • As placas H100/Hopper são descritas como extremamente caras e escassas, em grande parte compradas por grandes provedores de nuvem e alugadas por hora a preços muito altos, elevando os custos de computação de IA.

Design industrial e formato

  • Alguns elogiam a estética “discreta” de caixa preta, sem RGB, como profissional e sem distrações.
  • Outros a consideram sem graça em comparação com placas gamer chamativas, mas observam que empresas não valorizam RGB e muitas vezes preferem refrigeração silenciosa e funcional.
  • Comentadores reclamam dos ventiladores barulhentos em GPUs de consumo e elogiam designs no estilo workstation focados em acústica e praticidade.

Desempenho, energia e contexto histórico

  • O TGP de 285W é visto como impressionante para seu desempenho teórico, especialmente em comparação com placas de workstation da geração anterior.
  • Ada é elogiada por ser muito eficiente em termos de energia, embora as contas de energia da IA em geral sejam vistas como “ridículas”.
  • Vários refletem sobre a rapidez com que a computação em GPU escalou (de 1 TFLOP ser um marco para ~70 TFLOPS em uma única placa) e lamentam que muito desse ganho pareça “desperdiçado” do ponto de vista do usuário final.