Em 22 de agosto de 2022, a Nvidia anunciou a aquisição da Omni ML, uma startup conhecida por desenvolver o framework MosaicML, por aproximadamente US$ 800 milhões. O negócio fez parte da estratégia da Nvidia de expandir seu ecossistema de software de inteligência artificial além de seu negócio principal de hardware.
A Omni ML foi fundada em 2021 por uma equipe de engenheiros e pesquisadores com experiência em aprendizado de máquina e sistemas. A empresa focava em construir ferramentas para simplificar o treinamento e a implantação de redes neurais em grande escala. Seu principal produto, o framework MosaicML, permitia que desenvolvedores treinassem modelos de linguagem de grande porte em infraestrutura de computação distribuída com custo e complexidade reduzidos.
O framework ganhou atenção por sua capacidade de otimizar o processo de treinamento, usando técnicas como poda de modelos e aumento de dados. Ele suportava arquiteturas de modelos populares, incluindo transformers, e podia ser executado em várias plataformas de hardware, incluindo unidades de processamento gráfico da Nvidia e da AMD. O framework também incluía um runtime que podia otimizar automaticamente modelos para hardware específico, reduzindo a necessidade de ajustes manuais.
O Anúncio da Aquisição
A Nvidia revelou a aquisição em um comunicado à imprensa em 22 de agosto de 2022. A contraprestação total foi de aproximadamente US$ 800 milhões, consistindo em dinheiro e ações. O negócio foi concluído no quarto trimestre de 2022, após receber aprovações regulatórias.
A aquisição foi liderada pela divisão de computação empresarial da Nvidia, responsável pelos produtos de software de IA da empresa. A Nvidia afirmou que a tecnologia da Omni ML seria integrada ao seu pacote AI Enterprise, uma plataforma projetada para implantar aplicações de IA em data centers e ambientes de borda. A empresa também disse que o framework MosaicML seria disponibilizado como um produto independente para desenvolvedores.
Racional Estratégico
A principal motivação da Nvidia para a aquisição foi fortalecer suas ofertas de software. Embora a Nvidia fosse a fornecedora dominante de aceleradores de IA, sua pilha de software enfrentava concorrência de frameworks de código aberto e serviços baseados em nuvem. Ao adquirir a Omni ML, a Nvidia pretendia fornecer uma solução mais completa que pudesse lidar tanto com treinamento quanto com inferência em uma variedade de hardwares.
O framework MosaicML era particularmente valioso porque suportava treinamento distribuído em vários nós, um recurso que se tornava cada vez mais importante à medida que os modelos de linguagem de grande porte cresciam em tamanho. A Nvidia planejava combinar o framework com suas próprias bibliotecas, como CUDA e TensorRT, para oferecer uma experiência integrada para desenvolvedores de IA. A aquisição também deu à Nvidia acesso à expertise da Omni ML em otimização de modelos, que poderia ser aplicada aos seus próprios designs de hardware.
Contexto da Indústria
A aquisição ocorreu durante um período de rápido crescimento no mercado de IA generativa. Em 2022, modelos de linguagem de grande porte como GPT-3 e BERT estavam sendo usados em uma ampla gama de aplicações, de chatbots a geração de conteúdo. No entanto, treinar esses modelos exigia recursos computacionais substanciais, o que limitava o acesso a organizações bem financiadas.
Os concorrentes da Nvidia, incluindo AMD e Intel, também estavam investindo em software de IA para complementar seu hardware. Provedores de nuvem como Amazon Web Services, Google Cloud e Microsoft Azure ofereciam serviços gerenciados para treinamento de IA, frequentemente usando GPUs da Nvidia. A aquisição da Omni ML permitiu à Nvidia oferecer uma camada de software proprietária que poderia diferenciar seu hardware do de rivais.
Reações e Análises
Analistas da indústria viram a aquisição como um movimento positivo para a Nvidia, embora alguns tenham notado que o preço era alto para uma startup com receita limitada. O negócio foi visto como parte de uma tendência mais ampla de empresas de hardware adquirindo startups de software para criar soluções integradas de IA. Por exemplo, a Nvidia havia adquirido anteriormente a Cumulus Networks em 2020 para fortalecer seu software de rede.
Alguns observadores apontaram que a tecnologia da Omni ML se sobrepunha a projetos de código aberto existentes, como PyTorch e TensorFlow. No entanto, a Nvidia argumentou que as capacidades de otimização do framework proporcionavam uma vantagem competitiva, particularmente para empresas que precisavam implantar modelos de IA localmente ou em ambientes de nuvem híbrida. A aquisição também foi vista como um movimento defensivo para impedir que concorrentes tivessem acesso à tecnologia.
Consequências
Após a aquisição, a equipe da Omni ML juntou-se à divisão de software da Nvidia. O framework MosaicML foi renomeado como Nvidia Mosaic e integrado à plataforma AI Enterprise. Nos meses seguintes, a Nvidia lançou várias atualizações que adicionaram suporte para novas arquiteturas de modelos e configurações de hardware.
A aquisição também teve um impacto no ecossistema mais amplo de IA. Ela sinalizou que a Nvidia estava disposta a investir pesadamente em software para manter sua liderança no mercado de IA. No início de 2023, a receita de software de IA da Nvidia havia crescido significativamente, impulsionada em parte pela adoção do Mosaic entre clientes empresariais. A base de usuários do framework expandiu-se para incluir instituições de pesquisa e startups que anteriormente dependiam de ferramentas de código aberto.
Legado
A aquisição da Omni ML é lembrada como um momento-chave na transformação da Nvidia de uma empresa de hardware para uma provedora de IA de pilha completa. Ela demonstrou a importância do software para desbloquear o potencial do hardware de IA e estabeleceu um precedente para futuras aquisições na indústria.
Hoje, a tecnologia desenvolvida pela Omni ML continua a ser usada nos produtos da Nvidia, incluindo seus sistemas DGX e serviços em nuvem. A influência do framework pode ser vista na adoção generalizada de técnicas de treinamento eficientes, como treinamento de precisão mista e acumulação de gradientes, que agora são padrão no campo do aprendizado profundo. A aquisição também destacou a importância crescente da otimização de software no mercado de hardware de IA.