I Mega Modelli Non Sono la Chiave della Crisi del Calcolo

Ogni volta che esce un nuovo modello di intelligenza artificiale – aggiornamenti di GPT, DeepSeek, Gemini – le persone restano a bocca aperta per la pura dimensione, la complessità e, sempre più, la fame di calcolo di questi mega-modelli. L’assunzione è che questi modelli stanno definendo le esigenze di risorse della rivoluzione dell’intelligenza artificiale.

Quell’assunzione è sbagliata.

Sì, i modelli di grandi dimensioni sono affamati di calcolo. Ma la maggiore pressione sull’infrastruttura dell’intelligenza artificiale non proviene da un pugno di mega-modelli – proviene dalla silenziosa proliferazione di modelli di intelligenza artificiale attraverso le industrie, ciascuno ottimizzato per applicazioni specifiche, ciascuno consumando calcolo a una scala senza precedenti.

Nonostante la potenziale competizione winner-takes-all in sviluppo tra i LLM, il panorama dell’intelligenza artificiale nel suo complesso non si sta centralizzando – si sta frammentando. Ogni azienda non sta solo utilizzando l’intelligenza artificiale – sta formando, personalizzando e distribuendo modelli privati adattati alle proprie esigenze. È la seconda situazione che creerà una curva di domanda di infrastrutture che i fornitori di servizi cloud, le imprese e i governi non sono pronti ad affrontare.

Abbiamo già visto questo schema. Il cloud non ha consolidato i carichi di lavoro IT; ha creato un ecosistema ibrido in espansione. Inizialmente, c’era la sprawl dei server. Poi la sprawl delle VM. Ora? La sprawl dell’intelligenza artificiale. Ogni ondata di calcolo ha portato alla proliferazione, non alla semplificazione. L’intelligenza artificiale non è diversa.

La Sprawl dell’Intelligenza Artificiale: Perché il Futuro dell’Intelligenza Artificiale è di un Milione di Modelli, Non Uno

Finanza, logistica, sicurezza informatica, servizio clienti, R&D – ciascuno ha il proprio modello di intelligenza artificiale ottimizzato per la propria funzione. Le organizzazioni non stanno formando un solo modello di intelligenza artificiale per governare l’intera operazione. Stanno formando migliaia. Ciò significa più cicli di formazione, più calcolo, più domanda di archiviazione e più sprawl delle infrastrutture.

Questo non è teorico. Anche in settori che sono tradizionalmente cauti nell’adozione della tecnologia, gli investimenti in intelligenza artificiale stanno accelerando. Un rapporto McKinsey del 2024 ha scoperto che le organizzazioni utilizzano ora l’intelligenza artificiale in una media di tre funzioni aziendali, con la produzione, la catena di approvvigionamento e lo sviluppo del prodotto in testa (McKinsey).

Il settore sanitario è un esempio emblematico. Navina, una startup che integra l’intelligenza artificiale nei registri sanitari elettronici per fornire informazioni cliniche, ha appena raccolto 55 milioni di dollari in finanziamenti di serie C da Goldman Sachs (Business Insider). L’energia non è diversa – i leader del settore hanno lanciato il Consorzio Open Power AI per portare l’ottimizzazione dell’intelligenza artificiale alle operazioni della rete e della centrale (Axios).

La Pressione sul Calcolo di cui Nessuno Parla

L’intelligenza artificiale sta già rompendo i modelli di infrastruttura tradizionali. L’assunzione che il cloud possa scalare all’infinito per supportare la crescita dell’intelligenza artificiale è completamente errata. L’intelligenza artificiale non si scala come i carichi di lavoro tradizionali. La curva di domanda non è graduale – è esponenziale, e gli hyperscaler non stanno tenendo il passo.

• Limiti di Potenza: i centri dati specifici per l’intelligenza artificiale vengono ora costruiti intorno alla disponibilità di potenza, non solo alle reti di backbone.
• Colli di Bottiglia della Rete: gli ambienti IT ibridi stanno diventando ingovernabili senza l’automazione, che i carichi di lavoro dell’intelligenza artificiale esacerberanno.
• Pressione Economica: i carichi di lavoro dell’intelligenza artificiale possono consumare milioni in un solo mese, creando imprevedibilità finanziaria.

I centri dati rappresentano già l’1% del consumo di elettricità globale. In Irlanda, consumano ora il 20% della rete nazionale, una quota prevista aumentare notevolmente entro il 2030 (IEA).

Aggiungete a ciò la pressione imminente sui GPU. La Bain & Company ha recentemente avvertito che la crescita dell’intelligenza artificiale sta preparando il terreno per una carenza di semiconduttori, guidata dalla domanda esplosiva di chip di classe data center (Bain).

Nel frattempo, il problema di sostenibilità dell’intelligenza artificiale cresce. Un’analisi del 2024 in Sustainable Cities and Society avverte che l’adozione generalizzata dell’intelligenza artificiale nel settore sanitario potrebbe aumentare notevolmente il consumo di energia e le emissioni di carbonio del settore, a meno che non venga compensata da efficienze mirate (ScienceDirect).

La Sprawl dell’Intelligenza Artificiale è Più Grande del Mercato – È una Questione di Potere Statale

Se pensi che la sprawl dell’intelligenza artificiale sia un problema aziendale, ripensaci. Il principale driver della frammentazione dell’intelligenza artificiale non è il settore privato – sono i governi e le agenzie di difesa, che stanno distribuendo l’intelligenza artificiale a una scala che nessun hyperscaler o impresa può eguagliare.

Il governo degli Stati Uniti da solo ha distribuito l’intelligenza artificiale in oltre 700 applicazioni attraverso 27 agenzie, coprendo l’analisi dell’intelligence, la logistica e altro (FedTech Magazine).

Il Canada sta investendo fino a 700 milioni di dollari per espandere la capacità di calcolo dell’intelligenza artificiale nazionale, lanciando una sfida nazionale per rafforzare le infrastrutture dei centri dati sovrani (Innovation, Science and Economic Development Canada).

E ci sono crescenti richieste per un “programma Apollo” per l’infrastruttura dell’intelligenza artificiale – sottolineando l’elevazione dell’intelligenza artificiale da vantaggio commerciale a imperativo nazionale (MIT Technology Review).

L’intelligenza artificiale militare non sarà efficiente, coordinata o ottimizzata per il costo – sarà guidata da mandati di sicurezza nazionale, urgenza geopolitica e la necessità di sistemi di intelligenza artificiale chiusi e sovrani. Anche se le imprese riducono la sprawl dell’intelligenza artificiale, chi dirà ai governi di rallentare?

Perché quando la sicurezza nazionale è in gioco, nessuno si ferma a chiedere se la rete elettrica possa gestirla.