AS2_2025

Automazione e Strumentazione Marzo 2025 Approfondimenti 33 INDAGINE lizzati può essere un’attività costosa e che lo stesso prodotto, incorporando queste nuove tecnologie, possa essere a sua volta più oneroso. La compatibilità è un altro problema importante, visto che l’integrazione con sistemi esistenti può richiedere adattamenti significativi e impegnativi. Un’altra problematica può essere l’obsolescenza rapida, visto che la rapida evoluzione delle tec- nologie di intelligenza artificiale richiede frequenti aggiorna- menti dell’hardware. Il mercato dei chip per AI Nvidia ha continuato a dominare il mercato delle GPU, essen- ziali per l’addestramento delle grandi reti neurali come i Large Language Models (LLM). Recentemente, l’azienda ha introdotto i chip Blackwell , che sostituiranno i suoi dif- fusissimi H100 AI . Questi nuovi chip sono progettati per offrire prestazioni ancora elevate e sono già molto utilizzati da aziende come Meta . Nell’ambito dei processori per mainframe, IBM ha presen- tato il processore Telum II e l’acceleratore Spyre , progettati per aumentare la capacità di elaborazione dei grandi sistemi di calcolo di prossima generazione, come gli IBM Z . Questi nuovi chip offrono miglioramenti significativi in ter- mini di frequenza, capacità di memoria e cache, oltre a un acceleratore AI integrato e migliorato. L’architettura scalabile di questi chip supporta metodi di ‘Ensemble AI’, che combi- nano più modelli di machine learning per ottenere risultati più accurati e affidabili. Le architetture hardware stanno evolvendo rapidamente per supportare le esigenze crescenti dell’intelligenza artificiale e, per esempio, ci sono core specifici per l’ elaborazione dati (DPU) integrati nei chip Telum II, per migliorare anche la gestione dei dati e accelerare i protocolli di I/O, per il networ- king e l’interazione con lo storage. Oltre a Google e IBM, numerosi marchi noti e startup stanno emergendo nel settore dei chip per l’IA, sfidando il dominio di Nvidia. Molte aziende stanno sviluppando soluzioni innovative e pensate per produrre motori di inferenza per AI. AMD e Intel stanno sviluppando semiconduttori avanzati concentran- dosi su CPU che supportino algoritmi inferenziali e operazioni logiche, più che numeriche. Conclusione I chip appositamente progettati per supportare le reti neurali artificiali rappresentano una componente estremamente utile e forse fondamentale per il progresso dell’intelligenza artificiale. Grazie a questi chip, è possibile affrontare problemi complessi in modo più efficiente ed efficace. Tuttavia, per massimizzare i benefici di queste tecnologie, è importante considerare i limiti legati ai costi crescenti, che potrebbero rendere la gestione delle AI appannaggio di pochi, e alla compatibilità, che è possibile crei complessi problemi di transizione tecnologica.