I nuovi chip per l’intelligenza artificiale

Il mercato dei semiconduttori per l’intelligenza artificiale è dominato dalle GPU, ma anche le architetture tradizionali hanno un importante ruolo da giocare. Ai chip per IA spetta un compito sempre più importante nell’industria e a livello geostrategico.

 
Pubblicato il 5 marzo 2024

Anche se l’evoluzione dell’intelligenza artificiale (IA) è stata molto più lunga di quanto comunemente si creda, con molte importanti conquiste pratiche e teoriche raggiunte già nel XX secolo, si può dire che ormai si sia giunti a un momento di discontinuità importante. L’attuale cambiamento di marcia nell’IA è soprattutto dovuto al fatto che solo di recente sono diventati ampiamente disponibili gli hardware più adatti, per tecnologia e per volumi produttivi, a supportare gli algoritmi dei modelli neurali artificiali.

Sono le GPU (Graphics Processing Unit), nate per effettuare elaborazioni grafiche distribuite e parallele, che si sono dimostrate più efficaci nel supportare gli algoritmi di IA e nel permettere alle macchine, basate su reti neurali e motori inferenziali, di poter essere effettivamente considerate intelligenti.

Il settore dei chip per IA conta numerosi tipi di architetture hardware, con diversi gradi di specializzazione e molto spazio per interpretabilità, ma un marchio domina il settore delle GPU: Nvidia. La forza di questo marchio, che detiene l’ampia maggioranza del mercato delle GPU a livello globale, è soprattutto nella progettazione. Infatti, per questa azienda, come per altre firme di chip innovativi, per esempio Apple e Broadcom, si stima che il 90% della produzione sia ascrivibile a TSMC, il gigante dei chip di Taiwan che realizza molti dei prodotti più sofisticati sul mercatoQuesta foundry, fondamentale per l’economia di un Paese che la Cina considera ribelle, domina il mercato mondiale della produzione di semiconduttori progettati da terze parti.

Numerose nuove firme si stanno proponendo sul mercato dei chip per IA, con diverse implicazioni industriali, tecnologiche e strategiche

I chip, come e perché

Ma oggi, l’attenzione è concentrata su Nvidia, con le azioni di questo fornitore che, di recente, si sono impennate e hanno attirato l’interesse degli investitori globali. Nvidia è il gigante del settore delle GPU, che sono utilizzate per elaborare i parametri per l’addestramento delle grandi reti neurali (come quelle dei grandi modelli linguistici o LLM – Large Language Model), ma non è l’unica azienda a produrre semiconduttori indispensabili all’IA. Anche i produttori tradizionali, come AMD e Intel, sono importanti contendenti nella corsa ai semiconduttori per IA. Questi storici produttori di chip sono impegnati soprattutto nell’ambito delle CPU (Central Processing Unit), che sono più adatte a supportare gli algoritmi inferenziali dell’IA e le operazioni o istruzioni logiche canoniche, che continuano ad essere un cardine gestionale anche nelle architetture altamente parallele. Poi, hanno un ruolo di primo piano i fornitori di chip con una forte specializzazione nell’elaborazione di modelli neurali artificiali specifici; molte aziende che lavorano o stanno nascendo in questo ambito progettano chip altamente ottimizzati per elaborare strutture matriciali, tensoriali o anche architetture analogiche.

Per esempio, i laboratori di Google sono impegnati nel produrre chip ottimizzati per l’elaborazione tensoriale, con il recente TPU V5e, e l’azienda ha esplorato anche architetture parzialmente analogiche, che potrebbero risolvere più velocemente alcuni problemi complessi di algebra matriciale, come la capacità di filtrare segnali in modo praticamente istantaneo.

Nell’ambito delle GPU mirate all’IA, si contano anche numerose nuove aziende, soprattutto negli Usa e nella Corea del Sud, come Cerebras, Graphcore, Gyrfalcon, SambaNova ecc. Ma, non sarebbe una vera corsa competitiva se non ci fossero anche importanti concorrenti dalla Cina e, infatti, il gigante asiatico conta già numerose nuove nascite in questo settore, come Cambricon, Corerain, Kunlun ecc.

Le GPU sono impiegate in modo massivo nelle applicazioni di IA, ma le CPU continuano a svolgere ruoli indispensabili per tutte le architetture di calcolo

Realtà dell’intelligenza artificiale

È ormai chiaro che l’IA è più di un interessante settore economico e questo è confermato anche dal fatto che le macchine per IA, hardware e software, potrebbero aver già superato il test di Turing. Questo test è un metodo all’apparenza banale per determinare se una macchina può dimostrare un grado di intelligenza paragonabile a quella umana: se una macchina può impegnarsi in una conversazione con un essere umano senza essere identificata come macchina, ha superato il test.

Sicuramente, un interesse economico così intenso e una sostanziale crescita manifatturiera, reale o pianificata, sono un forte indizio di come le IA non siano solo una semplice bolla speculativa, ma siano destinate a evolversi velocemente e ad aumentare in diffusione e capacità. Stiamo rientrando in un nuovo paradigma socioeconomico, con le IA che sono inevitabilmente destinate ad avere un impatto rivoluzionario sull’industria e sulla società.

Per quanto riguarda l’IA generale, che è capace di classificare dati e pianificare azioni per raggiungere un obbiettivo, questa è destinata a rivoluzionare il mondo del lavoro manuale, dall’industria all’agricoltura, con robot in grado di muoversi e agire in modo completamente autonomo (veicoli, robot antropomorfi, meccatronica autonoma ecc.). Poi, l’IA generativa, quella degli LLM, sta già cambiando in modo drastico il mondo delle professioni intellettuali, con la sua capacità di generare velocemente testi e procedure.

Jacopo Di Blasio



Contenuti correlati

Scopri le novità scelte per te x