I chip Asic stanno acquisendo importanza nel panorama dell’Ia, offrendo soluzioni su misura che promettono di ridefinire il futuro delle applicazioni. YT Boon, head of thematic – Asia di Nueberger Berman

La tecnologia legata all’intelligenza artificiale è in cima alle liste dei desideri: dagli occhiali intelligenti Ray-ban Meta che possono registrare video, alle spille Humane AI che agiscono come assistenti personali indossabili e controllano una serie di dispositivi intelligenti. Ogni mese che passa, sembra che le applicazioni sull’Ia diventino sempre più parte integrante della semplificazione del nostro lavoro e dell’arricchimento della vita quotidiana. Finora, le unità di elaborazione grafica (Gpu) di produttori come Nvidia e Amd sono state i principali elementi per l’addestramento di modelli linguistici di grandi dimensioni (Llm) di uso generale, come ChatGpt. Tuttavia, nonostante la loro versatilità, queste Gpu standard possono offrire prestazioni ed efficienza mediocri, a seconda di come sono utilizzate.

Ora arrivano i chip Asic (Application-Specific Integrated Circuit) personalizzati, progettati per offrire soluzioni più efficienti e personalizzate per diverse applicazioni di intelligenza artificiale. Prendiamo ad esempio il mercato dei chip per le criptovalute. Per anni, i miner di Bitcoin si sono affidati a unità di elaborazione centrale (Cpu) che consumavano molta energia. Ora i processori Asic hanno superato le Cpu e le Gpu nel mining di Bitcoin, grazie al minor consumo di elettricità e alle migliori capacità di calcolo dei chip personalizzati. Secondo le stime di Morgan Stanley, tra il 2023 e il 2027 il mercato dei chip Asic incentrati sull’intelligenza artificiale dovrebbe crescere dell’85% all’anno, raggiungendo i 30 miliardi di dollari.

Anche i giganti tecnologici stanno puntando sugli Asic. Google ha collaborato con Broadcom per produrre le sue Tensor Processing Unit (Tpu) di quinta generazione, in grado di gestire i carichi di lavoro dell’Ia a una velocità circa dieci volte superiore rispetto alle Cpu e alle Gpu tradizionali.

Mentre l’Ia generativa decolla, altri stanno lavorando a chip in grado di ottimizzare i loro data center. Amazon ha collaborato con Marvell per sviluppare i suoi chip Graviton AI, progettati per migliorare la velocità di elaborazione e ridurre il consumo energetico. Sta inoltre collaborando con Alchip Technologies per le linee Trainium e Inferentia, per addestrare in modo efficiente i modelli di Ia e consentire loro di fare previsioni accurate. Nel frattempo, Microsoft ha stretto una partnership con Global UniChip e Marvell per sviluppare i chip Maia 100 e Cobalt 100, rispettivamente. Il chip Maia 100 cercherà di consumare meno energia durante l’addestramento dei modelli Ia, mentre il Cobalt 100 cercherà di aumentare la velocità di elaborazione. Nel mercato automobilistico, Tesla sta collaborando con Alchip per il suo chip di supercomputing Ia, Dojo, progettato per abilitare i veicoli a guida autonoma.

Quindi, quando si parla di IA, crediamo che una taglia non vada bene per tutti e che la personalizzazione possa offrire molte opportunità interessanti per i produttori di chip.