A Tesla investiu cerca de US$ 1 bilhão em infraestrutura de IA durante o trimestre.

A Tesla anunciou seus indicadores de desempenho para o primeiro trimestre de 2024. A receita da fabricante de veículos elétricos foi de US$ 21,3 bilhões, o que é 9% menor que o resultado de um ano atrás. O empreendimento de Elon Musk não atendeu às expectativas dos analistas, que estimaram o valor em US$ 22,34 bilhões.

Os números estão a deteriorar-se num contexto de queda nas vendas de automóveis sob pressão dos concorrentes chineses. O lucro líquido trimestral da Tesla foi de US$ 1,13 bilhão, o que é 55% menor do que no primeiro trimestre de 2023, quando a empresa faturou US$ 2,51 bilhões.

Como observa o recurso Datacenter Dynamics, entre janeiro e março de 2024, a Tesla investiu cerca de mil milhões de dólares no desenvolvimento de infraestruturas de IA. Segundo Musk, a empresa conseguiu superar dificuldades em termos de expansão da capacidade de formação em IA. Atualmente, a Tesla colocou em operação recursos equivalentes em desempenho a 35 mil aceleradores NVIDIA H100. Até o final do ano, segundo Musk, esse número se aproximará de 85 mil.

Fonte da imagem: Tesla

Dado que a apresentação fala sobre “equivalente ao H100”, a empresa poderia usar várias soluções de IA, incluindo os próprios chips D1 da Tesla. No geral, a Tesla aumentou a sua capacidade de formação em IA em mais de 130% no primeiro trimestre de 2024. Espera-se que o supercomputador Dojo ajude a aumentar o valor de mercado da Tesla em US$ 500 bilhões.

Musk também disse que, no futuro, os veículos elétricos da Tesla poderão servir como uma plataforma distribuída para inferência. A ideia é usar o poder computacional dos carros durante os tempos ociosos para realizar tarefas de IA.

O chefe da Tesla propõe imaginar um futuro em que existam 100 milhões de veículos elétricos da empresa em todo o mundo. Cada um deles pode teoricamente ter uma potência de 1 kW, o que no total dá 100 GW para inferência. Mesmo levando em conta que cada uma dessas máquinas será usada por cerca de 7 horas diárias, restam mais de 100 horas por semana para atender cargas de trabalho de IA.