Nvidia è attualmente il leader indiscusso della rivoluzione dell’intelligenza artificiale, una posizione che si riflette nella sua sbalorditiva valutazione di mercato multimiliardaria. Tuttavia, la stessa tecnologia che Nvidia ha aiutato a fare da pioniere, l’Intelligenza Artificiale, potrebbe presto essere lo strumento che smantella il suo vantaggio competitivo.
Il settore sta assistendo a un cambiamento in cui l’intelligenza artificiale non è più solo l’utente dell’hardware, ma ne sta diventando sempre più l’architetto e l’ottimizzatore.
Il “fossato del software” sotto assedio
Il dominio di Nvidia non si basa solo sulla potenza pura; è basato sulla programmabilità. Mentre molti concorrenti offrono chip con prestazioni teoriche simili (operazioni in virgola mobile), Nvidia ha un enorme vantaggio nel software. Le loro librerie e strumenti specializzati rendono molto più semplice per gli sviluppatori scrivere codice che funzioni in modo efficiente sul loro hardware.
Ciò ha creato un’elevata barriera all’ingresso. Ad esempio, quando Anthropic ha deciso di eseguire i suoi modelli Claude sull’hardware Trainium di Amazon, l’azienda ha dovuto riscrivere il codice da zero per garantire l’efficienza.
Entra in Wafer, una startup che mira a colmare questo divario. Wafer sta utilizzando l’apprendimento per rinforzo per insegnare ai modelli di intelligenza artificiale come scrivere il “codice kernel”, il software di basso livello che comunica direttamente con l’hardware. Automatizzando il processo di ottimizzazione, Wafer mira a:
– Democratizzare l’efficienza: rendere più semplice per l’hardware non Nvidia (come i chip AMD o Amazon) l’esecuzione di modelli IA complessi.
– Ridurre i costi: Riduzione al minimo della necessità di ingegneri specializzati e altamente costosi.
– Massimizzare “l’intelligenza per watt”: Garantire che l’hardware non sia solo potente, ma anche altamente efficiente nel modo in cui utilizza l’energia.
Automatizzare il progetto: l’intelligenza artificiale nella progettazione dei chip
Se Wafer sta ottimizzando il modo in cui il software funziona sui chip, un’altra startup, Ricursive Intelligence, si sta occupando in primo luogo del modo in cui i chip vengono costruiti.
La progettazione dei chip è una delle imprese ingegneristiche più complesse sulla Terra. È necessario disporre miliardi di componenti su un minuscolo pezzo di silicio e poi sottoporli a test rigorosi e iterativi per garantire che tutto funzioni. Tradizionalmente, ciò richiede enormi team di esperti umani.
Fondata dagli ex ingegneri di Google Azalia Mirhoseini e Anna Goldie, Ricursive sta lavorando per automatizzare i “pali lunghi” del processo: progettazione fisica e verifica del progetto.
La loro visione include:
– Progettazione del linguaggio naturale: utilizzo di modelli linguistici di grandi dimensioni (LLM) in modo che gli ingegneri possano descrivere modifiche o porre domande su un chip utilizzando testo semplice.
– Iterazione accelerata: utilizzo dell’intelligenza artificiale per ottimizzare il layout dei componenti, una tecnica precedentemente sperimentata da Google.
– La “Legge dello Scaling” per l’hardware: Il potenziale di un ciclo ricorsivo in cui l’intelligenza artificiale progetta chip migliori, che a loro volta forniscono più elaborazione per progettare chip ancora migliori.
Perché è importante: il passaggio al silicio personalizzato
L’industria tecnologica si sta già muovendo verso il silicio personalizzato. Giganti come Apple, Google, Amazon e Meta stanno tutti sviluppando i propri chip proprietari per personalizzare l’hardware in modo specifico per le loro esigenze software.
Storicamente, il “collo di bottiglia” per queste aziende non è stato l’hardware in sé, ma l’enorme sforzo di progettazione e software richiesto per garantire le prestazioni dell’hardware. Se l’intelligenza artificiale riesce ad automatizzare sia la progettazione del chip (Ricursive) che l’ottimizzazione del codice (Wafer), il “fossato” che circonda Nvidia inizierà ad evaporare.
“Il fossato risiede nella programmabilità del chip… penso che sia ora di iniziare a riconsiderare se questo sia effettivamente un fossato forte.” — Emilio Andere, CEO di Wafer
Conclusione
L’ascesa della progettazione di chip e dell’ottimizzazione del software basati sull’intelligenza artificiale rappresenta un cambiamento fondamentale nel settore dei semiconduttori. Se l’intelligenza artificiale riuscirà ad automatizzare con successo le parti più difficili dell’ingegneria hardware, la barriera alla creazione di silicio personalizzato ad alte prestazioni cadrà, ponendo potenzialmente fine all’era del dominio del singolo fornitore nell’era dell’intelligenza artificiale.
