Le previsioni formulate nel 1965 dal cofondatore di Intel si stanno avverando. Yan Taw Boon, head of thematic – Asia Neuberger Berman

Gordon Moore, il cofondatore di Intel recentemente scomparso, nel 1965 aveva previsto, tra l’altro, che il numero di transistor in un circuito integrato sarebbe raddoppiato ogni due anni circa, portando a una crescita esponenziale della potenza di calcolo. Riformulata ed elaborata nella sua forma definitiva alla fine degli anni ’80, la prima Legge di Moore afferma che il numero di transistor nei processori raddoppia ogni 18 mesi. Questa osservazione è stata una delle principali forze trainanti dell’industria dei semiconduttori, sostenendo i progressi tecnologici che hanno permesso l’era del personal computing tra il 1990 e il 2010 e la successiva economia degli smartphone e delle applicazioni mobili. Tuttavia, man mano che la miniaturizzazione dei semiconduttori si avvicina al proprio limite fisico, diventa sempre più difficile tenere il passo con la riduzione dei costi e il miglioramento delle prestazioni. Dobbiamo quindi considerare superata la Legge di Moore?

Con l’emergere del cloud computing e della connettività 5G, riteniamo che la Legge di Moore stia entrando in una nuova fase, guidata dal calcolo ad alte prestazioni (high-performance computing, Hpc). Le comunicazioni wireless più veloci e a bassa latenza consentono di trasferire carichi di lavoro di calcolo intensivo dai dispositivi mobili verso le infrastrutture cloud. Ciò consente agli utenti di accedere a chip di calcolo ad alte prestazioni, reti ad alta velocità e risorse di archiviazione massicce. La tecnologia 5G consente di collegare al cloud un numero sempre maggiore di dispositivi mobili. Di conseguenza, anziché concentrarsi esclusivamente sulla realizzazione di chip ancora più piccoli e potenti per ottenere capacità di calcolo superiori, gli sforzi si sono spostati verso lo sviluppo di chip Hpc nell’infrastruttura cloud centralizzata.

Non si tratta più solo di miniaturizzazione. Le società tecnologiche più avanzate si stanno concentrando su contenitori 3D di più chip di elaborazione e archiviazione in un sistema Hpc. Come componente chiave dell’infrastruttura cloud, i chip Hpc eseguono compiti di calcolo intensivi ad alta velocità attraverso l’elaborazione parallela di attività suddivise, come l’apprendimento profondo, l’addestramento e l’ottimizzazione di applicazioni di intelligenza artificiale (Ai). Con la corsa del settore al lancio dei propri sistemi Hpc all’avanguardia, il confine tra le società di semiconduttori e quelle di cloud computing sta diventando sempre più labile. Conglomerati tecnologici come Google, Amazon e Microsoft hanno assunto progettisti per i propri chip Hpc per migliorare le infrastrutture cloud. Nel frattempo, molte società cicliche di semiconduttori sono ora viste anche come società di sistemi integrati, data la loro esperienza nei chip e nelle piattaforme software che abilitano l’infrastruttura di cloud computing di prossima generazione. Con la continua crescita della domanda di Hpc e Ai riteniamo che anche i fornitori di unità di elaborazione grafica (Gpu) siano ben posizionati.

L’addestramento di modelli generativi di intelligenza artificiale richiede centinaia di queste Gpu di fascia alta e, indipendentemente dalla prossima applicazione di Ai, i semiconduttori saranno sempre gli elementi fondamentali dell’infrastruttura back-end.

Nvidia, che ha recentemente toccato una capitalizzazione di mille miliardi di dollari, è un caso particolare in quanto non è una tipica società di semiconduttori. Secondo i dati della Semiconductor Industry Association, l’anno scorso il prezzo medio di vendita di tutti i dispositivi a semiconduttore è stato di 52 centesimi. Nvidia, invece, vende le sue Gpu per data center di ultima generazione a oltre 20 mila dollari. Questo potere di determinazione dei prezzi deriva da decenni di investimenti, non solo nell’hardware, ma anche nel software e nell’ecosistema di utenti.

Ed ecco perché mille miliardi di dollari sono solo un traguardo intermedio, ma non la meta finale.