 |
| Bellacosa Mainframe uma pequena introducao aos processadores |
☕ Um Café no Bellacosa Mainframe
CPU, GPU, TPU, NPU, LPU e DPU
O Que Todo Programador COBOL Padawan Precisa Saber Sobre os Processadores que Estão Construindo a Próxima Geração da Inteligência Artificial
"Você não está apenas aprendendo Inteligência Artificial. Está descobrindo que, assim como existe um especialista em COBOL, outro em CICS e outro em DB2, o hardware também evoluiu para um mundo onde cada processador possui uma missão específica."
Bem-vindo à Era dos Processadores Especializados
Se você começou sua carreira estudando computadores na década de 1980 ou 1990, provavelmente aprendeu uma regra muito simples:
Existe apenas a CPU.
Ela fazia absolutamente tudo.
Executava o sistema operacional.
Processava programas.
Calculava planilhas.
Renderizava gráficos.
Controlava impressoras.
Executava COBOL.
Executava Java.
Executava C.
Executava BASIC.
Ela era o "faz tudo" da computação.
Durante mais de quarenta anos isso funcionou muito bem.
Mas então surgiu um problema gigantesco.
A Inteligência Artificial.
Treinar uma rede neural moderna exige bilhões ou até trilhões de multiplicações matriciais.
Uma CPU tradicional simplesmente não nasceu para isso.
Foi então que começou uma nova revolução silenciosa da informática.
Hoje já não existe apenas um processador.
Existe um verdadeiro time de especialistas.
Uma analogia para quem veio do Mainframe
Imagine um grande banco.
Nele existem dezenas de departamentos.
Atendimento
Crédito
Auditoria
Segurança
Contabilidade
Tesouraria
Compliance
Nenhum funcionário faz tudo.
Cada equipe possui uma especialidade.
O mesmo aconteceu dentro do computador.
Ao invés de um único processador realizando todas as tarefas, hoje encontramos vários aceleradores trabalhando em conjunto.
A Primeira Era — A CPU Governava Sozinha
Durante décadas a CPU foi suficiente.
Ela foi criada para executar instruções sequenciais.
Ela é excelente em:
decisões lógicas
cálculos gerais
controle do sistema operacional
execução de programas
gerenciamento de memória
É exatamente por isso que um sistema operacional como o z/OS depende principalmente dela.
No IBM Z isso continua verdadeiro.
Mesmo em 2026, quem controla:
JES2
RACF
CICS
DB2
IMS
WLM
continua sendo a CPU.
Ela continua sendo o cérebro da máquina.
O Problema da IA
Imagine multiplicar duas matrizes contendo milhões de números.
Agora faça isso bilhões de vezes.
Uma CPU consegue.
Mas lentamente.
Porque ela possui poucos núcleos extremamente inteligentes.
Já uma rede neural prefere milhares de operações simples acontecendo ao mesmo tempo.
Era preciso outro tipo de arquitetura.
GPU — Quando a Placa de Vídeo Virou o Motor da IA
Curiosamente, tudo começou com jogos.
Nos anos 1990, empresas como NVIDIA e ATI perceberam que desenhar milhões de pixels exigia enorme paralelismo.
Ao invés de poucos núcleos inteligentes...
Criaram milhares de pequenos núcleos trabalhando simultaneamente.
Isso era perfeito para gráficos.
Mas pesquisadores perceberam outra coisa.
As contas matemáticas da IA eram muito parecidas com renderização gráfica.
Nascia então a computação paralela moderna.
Hoje praticamente todos os grandes modelos de IA foram treinados em GPUs.
Curiosidade
O ChatGPT não foi treinado em CPUs.
Foi treinado utilizando milhares de GPUs trabalhando simultaneamente.
Cada GPU executava bilhões de operações matriciais por segundo.
TPU — Quando o Google Resolveu Construir Seu Próprio Processador
Em 2015 o Google percebeu que depender apenas de GPUs seria caro.
Então decidiu criar um processador especializado.
Nascia a TPU.
Tensor Processing Unit.
Ela foi desenhada especificamente para:
TensorFlow
Redes neurais
Matrizes gigantes
Deep Learning
Seu segredo chama-se:
Systolic Array
Uma arquitetura onde os dados fluem continuamente entre unidades de processamento como se fossem uma linha de montagem industrial.
O resultado?
Muito menos desperdício de energia.
Muito mais desempenho.
Curiosidade
As TPUs não possuem o objetivo de substituir CPUs.
Elas funcionam como um enorme acelerador conectado ao restante da infraestrutura.
NPU — A IA Saiu da Nuvem
Até poucos anos atrás toda IA precisava rodar na internet.
Hoje isso mudou completamente.
Seu celular já possui uma NPU.
Seu notebook provavelmente também.
NPU significa:
Neural Processing Unit.
Sua função é simples.
Executar IA localmente.
Isso permite:
reconhecimento facial
tradução
remoção de ruído
geração de imagens
copilotos
assistentes
Tudo isso sem enviar dados para a nuvem.
Curiosidade
O Apple Neural Engine foi um dos primeiros grandes sucessos comerciais dessa categoria.
Hoje Intel, AMD, Qualcomm e MediaTek seguem o mesmo caminho.
LPU — O Novo Especialista em Grandes Modelos de Linguagem
Nos últimos anos surgiu um novo desafio.
Os LLMs.
Como responder rapidamente milhares de perguntas?
Treinar modelos é importante.
Mas responder rapidamente também.
Foi então que apareceu um novo conceito.
Language Processing Unit.
A Groq popularizou essa ideia.
Ao invés de otimizar treinamento...
Ela otimizou velocidade de inferência.
Ou seja:
gerar tokens extremamente rápido.
Curiosidade
Algumas LPUs conseguem entregar centenas de tokens por segundo utilizando uma arquitetura totalmente diferente das GPUs tradicionais.
DPU — O Herói Invisível
Imagine um Data Center contendo:
10.000 GPUs.
Agora pense na quantidade de dados circulando.
Rede.
Firewall.
Criptografia.
Storage.
Backup.
Roteamento.
Se a CPU cuidar disso tudo...
As GPUs ficarão esperando.
Então surgiu a DPU.
Data Processing Unit.
Ela descarrega tarefas de infraestrutura.
É como contratar um excelente departamento administrativo para que os engenheiros possam apenas desenvolver.
Curiosidade
As DPUs modernas praticamente funcionam como pequenos computadores independentes dentro da placa de rede.
Comparando com um Mainframe
Um Programador COBOL entende perfeitamente divisão de responsabilidades.
Veja uma analogia interessante.
| Mundo Mainframe | Mundo IA |
|---|---|
| z/OS | CPU |
| DFSORT | GPU (processamento massivo) |
| RACF | DPU (segurança) |
| CICS | CPU |
| IBM MQ | DPU |
| Batch | GPU |
| MobileFirst | NPU |
| Watsonx | GPU + TPU + LPU |
Nenhuma dessas peças substitui a outra.
Todas trabalham juntas.
O Futuro Será Heterogêneo
Durante muitos anos perguntávamos:
"Qual é o processador mais rápido?"
Hoje a pergunta correta é:
"Qual processador executa melhor esta tarefa?"
É exatamente isso que acontece em um IBM Z.
Existem processadores especializados como:
CP
zIIP
IFL
SAP
Cada um acelera um tipo específico de carga.
A IA está apenas repetindo uma estratégia que o Mainframe conhece há décadas.
O IBM Z Também Entrou na Era da IA
Muita gente imagina que IA significa apenas GPUs.
Não é verdade.
O IBM Telum trouxe aceleração de IA diretamente no processador.
Depois veio o Telum II.
Agora surge o IBM Spyre Accelerator.
A ideia é simples.
Executar inferência de IA próximo aos dados.
Sem mover bilhões de registros bancários para outra infraestrutura.
Isso reduz:
latência
custo
riscos de segurança
O Que um Programador COBOL Precisa Aprender?
A boa notícia é que você não precisa se tornar um engenheiro eletrônico.
Mas entender essa arquitetura faz enorme diferença.
Vale estudar:
paralelismo;
inferência;
treinamento;
quantização (INT8, INT4);
vetorização;
memória HBM;
barramentos como PCIe e CXL;
aceleração por hardware;
integração entre COBOL e IA via APIs e serviços.
O profissional que conhece tanto os sistemas legados quanto a nova infraestrutura de IA será um dos mais valorizados na próxima década.
Easter Eggs para os Padawans 🥚
🥚 Easter Egg 1 — O Mainframe já fazia isso antes
Os processadores especializados do IBM Z existem desde muito antes da explosão da IA. O conceito de descarregar determinadas cargas para hardware específico já fazia parte da estratégia da IBM com zIIP, zAAP (descontinuado), IFL e SAP.
🥚 Easter Egg 2 — GPU nasceu para jogar Doom e Quake
As tecnologias que hoje treinam modelos como ChatGPT nasceram para acelerar jogos 3D na década de 1990. Quem diria que placas de vídeo gamer se tornariam o coração da inteligência artificial?
🥚 Easter Egg 3 — O COBOL também usa paralelismo
Embora muitos associem COBOL a processamento sequencial, ambientes modernos utilizam paralelismo com Parallel Sysplex, múltiplas LPARs, Workload Manager (WLM) e processamento distribuído de cargas batch.
🥚 Easter Egg 4 — IA adora matrizes
Mais de 90% do trabalho pesado de um modelo de IA consiste em multiplicações de matrizes. É por isso que arquiteturas especializadas, como GPUs e TPUs, são tão eficientes.
🥚 Easter Egg 5 — O maior gargalo não é o processador
Em muitos clusters de IA, o problema não é a capacidade de cálculo, mas a velocidade para mover dados. Memórias HBM, redes InfiniBand e tecnologias como CXL tornaram-se tão importantes quanto os próprios aceleradores.
🥚 Easter Egg 6 — A próxima geração será colaborativa
O futuro não pertence a um único chip "milagroso". Um servidor moderno poderá combinar CPUs para controle, GPUs para treinamento, NPUs para inferência local, DPUs para infraestrutura e aceleradores específicos, todos trabalhando como uma equipe altamente especializada.
Conclusão
Durante décadas, a CPU foi soberana. Ela comandava todos os aspectos da computação, do processamento de transações bancárias à execução de programas COBOL. A chegada da Inteligência Artificial, entretanto, mudou as regras do jogo. O crescimento exponencial dos modelos de aprendizado profundo revelou que uma arquitetura generalista já não era suficiente para atender às demandas de desempenho, eficiência energética e escalabilidade.
Assim como os grandes sistemas corporativos evoluíram dividindo responsabilidades entre componentes especializados — CICS para processamento transacional, DB2 para dados, RACF para segurança e MQ para integração — o hardware também passou por uma transformação semelhante. Hoje, CPUs, GPUs, TPUs, NPUs, LPUs e DPUs cooperam em um ecossistema onde cada processador executa aquilo que faz melhor.
Para o Programador COBOL Padawan, essa evolução não representa uma ruptura com o passado, mas uma continuação de princípios já conhecidos no universo do Mainframe: especialização, confiabilidade, alta disponibilidade e processamento eficiente. Compreender essa nova geração de arquiteturas é dar mais um passo na jornada de modernização, integrando sistemas legados à Inteligência Artificial sem perder de vista os fundamentos que sustentam a computação corporativa há mais de seis décadas.
Lembre-se: você não está apenas aprendendo sobre novos processadores. Está entendendo como será construída a próxima geração de sistemas empresariais, onde Mainframes, nuvem, Inteligência Artificial e aceleradores especializados trabalharão juntos para entregar aplicações mais inteligentes, rápidas e seguras. Afinal, no Bellacosa Mainframe, ser um Padawan significa aprender com o passado para construir o futuro.
