L’IA può funzionare in modo efficiente? I ricercatori potrebbero aver trovato una soluzione

L’intelligenza artificiale (IA) continua a plasmare il nostro futuro in quasi tutti i settori, poiché la sua adozione cresce per automatizzare processi aziendali cruciali, ridurre i costi e aumentare la produttività. 

I dati mostrano che più dell’80% delle imprese utilizza l’IA in qualche misura, considerandola una tecnologia centrale all’interno delle loro organizzazioni. L’impegno finanziario verso l’IA è aumentato anche perché la sua adozione genera benefici significativi e un ROI molto più alto.

Con ciò, la dimensione del mercato dell’IA è cresciuta oltre i 184 miliardi di dollari nel 2024 e si prevede che supererà gli 826 miliardi di dollari entro la fine di questo decennio, secondo Statista.

Tutto questo crescita e l’esplosione di interesse per l’IA ha determinato una corsa agli armamenti per sviluppare la tecnologia. I modelli di IA come i grandi modelli linguistici (LLM) che vengono creati dalle organizzazioni usano algoritmi per comprendere, riassumere, tradurre e generare linguaggio umano e sono addestrati su enormi quantità di dati usando processori ad alta intensità energetica. 

Per questo, le aziende e gli operatori di data center stanno investendo molti capitali per costruire nuovi data center ad alta capacità. Gli investimenti in nuovi data center, secondo l’International Energy Agency (IEA), sono già aumentati notevolmente negli ultimi due anni, guidati dagli Stati Uniti. Nel 2023, l’investimento totale di capitale da parte di Microsoft (MSFT ), Google e Amazon (AMZN ) da solo è stato superiore a quello dell’intero settore petrolifero e del gas del paese.

Questi data center richiedono molta elettricità per funzionare. Nel 2022, l’IEA ha dichiarato che i data center hanno consumato 1,65 miliardi di gigajoule di elettricità, circa il 2% della domanda globale. 

La domanda globale di energia dei data center è ulteriormente prevista aumentare del 50% entro il 2027 e del 165% entro il 2030, secondo la ricerca di Goldman Sachs (GS ) di questo mese. 

L’attuale consumo energetico dei data center è stimato intorno a 55 gigawatt (GW), composto da carichi di lavoro di cloud computing (54%), carichi tradizionali come lo storage (32%) e IA (14%). Modellando la domanda futura per questi tipi di carico, la domanda prevista entro il 2027 sarà di 84 GW, con l’IA che crescerà al 27% mentre il cloud scenderà al 50% e i carichi tradizionali al 23%.

La capacità di mercato globale dei data center, nel frattempo, è attualmente circa 59 GW, il 60% dei quali è fornito da provider cloud iperscalari come Google e Alibaba e da operatori di data center terzi, con il resto proveniente da data center tradizionali di aziende e telecomunicazioni.

La domanda energetica di questi grandi data center iperscalari è di 100 MW o più, con un consumo annuale di elettricità pari a quello richiesto da circa 400.000 auto elettriche.

Man mano che le organizzazioni continuano ad adottare l’IA, possiamo anche aspettarci l’emergere di data center dedicati all’IA, una classe emergente di infrastrutture progettata specificamente per soddisfare i requisiti distinti dei carichi di lavoro IA. Sebbene finora ne esistano pochi, sono principalmente situati in Asia Pacifico e Nord America, in particolare a Pechino, Shanghai, Northern Virginia e nella Bay Area di San Francisco. 

Secondo le stime di Goldman Sachs Research, entro la fine del 2030 ci saranno circa 122 GW di capacità di data center online. A causa della maggiore domanda di carico di elaborazione dell’IA, la densità di utilizzo energetico nei data center probabilmente crescerà anche a 176 kilowattora per piede quadrato entro due anni.

Con i data center che contribuiscono a una crescente necessità di energia, anche la rete elettrica avrà bisogno di investimenti significativi, stimati in 720 miliardi di dollari di spesa per la rete entro il 2030.

Poi ci sono le emissioni di anidride carbonica dei data center, che possono più che raddoppiare tra il 2022 e il 2030. Quindi, il consumo elettrico dei data center, attualmente 1-2% del consumo totale di energia e destinato a salire al 3-4% entro la fine del decennio, è diventato una fonte di preoccupazione, anche se non è una causa persa. 

I numeri, sebbene enormi, sono modesti se considerati in un contesto più ampio della crescita globale del consumo elettrico, che secondo l’IEA dovrebbe aumentare di 6.750 TWh entro il 2030, spinto non solo dall’IA ma anche dalla crescita economica continua, veicoli elettrici, condizionatori d’aria e produzione manifatturiera ad alta intensità energetica.

Inoltre, non solo la velocità di utilizzo dell’IA rimane incerta, ma continui miglioramenti di efficienza sia nell’hardware sia nel software possono aiutare a gestire le richieste energetiche della tecnologia IA. 

L’efficienza dei chip informatici legati all’IA si è raddoppiata circa ogni 2,5-3 anni. Un chip IA moderno ora consuma il 99% in meno di energia mantenendo le stesse capacità di calcolo di un modello del 2008. Inoltre, i modelli IA stessi stanno diventando più efficienti. Accoppiati a nuove tecnologie di raffreddamento e soluzioni scientifiche innovative, questi sviluppi stanno riducendo l’uso di energia e minimizzando l’impatto ambientale.

Clicca qui per scoprire perché lo storage tradizionale non può tenere il passo con l’IA.

Gli scienziati sviluppano una soluzione rivoluzionaria 

Immagine illustrativa. Non è una fotografia reale.

Nel contesto dell’evoluzione dell’IA e delle sue crescenti esigenze energetiche, ricercatori in Giappone hanno sviluppato un dispositivo spintronico innovativo che promette una riduzione sostanziale del consumo energetico consentendo il controllo elettrico degli stati magnetici. 

Questa scoperta può rivoluzionare l’hardware IA creando chip che imitano il funzionamento delle reti neurali e sono molto più efficienti dal punto di vista energetico. Invece di utilizzare una corrente elettrica per memorizzare informazioni, questi dispositivi sfruttano lo spin degli elettroni per lo stesso, rendendoli più veloci e più efficienti.

I dispositivi spintronici sono usati nei dispositivi di archiviazione di massa e nel calcolo per aumentare la velocità e le prestazioni dei computer.

Ricercatori del National Institute for Materials Science, dell’Università di Tohoku e dell’Agenzia Giapponese per l’Energia Atomica stanno ora utilizzando questa tecnologia per chip IA a basso consumo e hanno dimostrato un dispositivo di spin-orbit torque (SOT) programmabile elettricamente.

Il SOT offre un meccanismo promettente per codificare elettricamente le informazioni in stati magnetici. Tuttavia, negli schemi esistenti, è determinato passivamente dal materiale e dalla struttura del dispositivo. 

“Mentre la ricerca spintronica ha compiuto progressi significativi nel controllare elettricamente l’ordine magnetico, la maggior parte dei dispositivi spintronici separa il ruolo del materiale magnetico da essere controllato e il materiale che fornisce la forza motrice.”

– Shunsuke Fukami, Università di Tohoku

I dispositivi spintronici, una volta fabbricati, hanno uno schema operativo fisso con cui solitamente commutano le informazioni in modo binario da “0” a “1”. La nuova ricerca, tuttavia, ha compiuto progressi nel passaggio elettricamente programmabile di più stati magnetici. Manipolare la polarità intrinseca del SOT consente dispositivi SOT programmabili in modo flessibile.

Secondo i risultati dello studio pubblicato su Nature Communications¹ questo mese, questo dispositivo spintronico consente il controllo elettrico reciproco di antiferromagneti non collineari e ferromagneti per un commutazione efficiente degli stati magnetici. 

Il controllo elettrico degli stati magnetici è la base della memoria magnetica, della logica e del calcolo, e il SOT offre un approccio efficiente per controllarli. 

Ciò significa che il dispositivo SOT rivoluzionario può memorizzare e processare informazioni in modo simile a un chip IA ispirato al cervello, utilizzando significativamente meno energia, aprendo la strada a una nuova generazione di hardware IA altamente efficiente e a risparmio energetico.

Lo studio ha utilizzato Mn3Sn, un antiferromagnete non collineare, come materiale magnetico chiave e vi ha applicato una corrente elettrica, che ha portato alla generazione di una corrente di spin che ha guidato la commutazione di CoFeB, il ferromagnete adiacente. Questo è stato realizzato attraverso un processo chiamato effetto Hall spin magnetico.

L’effetto Hall spin (SHE) è un elemento chiave della spintronica moderna che realizza “l’accoppiamento tra correnti di carica e dinamiche collettive di spin nei sistemi ordinati magneticamente”.

Ricerche precedenti² dell’Università di Tohoku, in collaborazione con altri istituti, hanno dimostrato che rispetto ai materiali non magnetici, gli antiferromagneti hanno proprietà Hall spin più forti. Inoltre, in Mn3Sn, l’SHE presenta un cambiamento di segno anomalo quando i momenti ordinati triangolari cambiano orientamento. Ha inoltre attribuito il forte meccanismo magnetico di Mn3Sn allo spin splitting, dipendente dal momento e generato dall’ordine magnetico non collineare, ampliando il campo della spintronica antiferromagnetica.

Nella ricerca più recente, il ferromagnete ha risposto alla corrente polarizzata di spin e inoltre ha influenzato lo stato magnetico di Mn3Sn. Ciò ha permesso la commutazione elettrica reciproca tra i due materiali.

Il team ha effettivamente dimostrato nel loro esperimento che le informazioni scritte sul ferromagnete possono essere controllate elettricamente con l’aiuto dello stato magnetico di Mn3Sn. Sono riusciti a commutare la magnetizzazione di CoFeB in diverse tracce rappresentanti più stati regolando la corrente di impostazione.

Questa polarità di corrente che cambia il segno delle informazioni scritte, un meccanismo di commutazione analogico, è un’operazione chiave nelle reti neurali e imita il modo in cui i valori analogici funzionano nell’elaborazione IA.

La scoperta, secondo Fukami, rappresenta un passo cruciale verso la produzione di chip IA più efficienti dal punto di vista energetico. 

“Realizzando la commutazione elettrica reciproca tra un antiferromagnete non collineare e un ferromagnete, abbiamo aperto nuove possibilità per reti neurali programmabili elettronicamente,“ ha aggiunto, osservando che ora si concentrano su “ulteriore riduzione delle correnti operative e aumento dei segnali di lettura, elementi cruciali per le applicazioni pratiche nei chip IA.”

Con i data center che consumano così tanta energia, un altro studio ha mirato a ridurre il consumo energetico con la memoria a stato solido a effetto di spin (SOT MRAM).

Questo studio separato³, che è stato pubblicato su Nature Communications lo scorso mese, è stato condotto da ricercatori della Johannes Gutenberg University Mainz (JGU), i quali hanno sviluppato una soluzione potente e altamente efficiente per l’elaborazione e l’archiviazione dei dati riducendo il consumo energetico.

Il prototipo “apre la strada a soluzioni di memoria più veloci ed efficienti,“ ha dichiarato l’autore principale dello studio, il dott. Rahul Gupta, ex ricercatore post‑dottorato presso l’Istituto di Fisica della JGU.

È basato su SOT MRAM, noto per la sua superiore efficienza energetica, non volatilità e prestazioni rispetto alla RAM statica. La tecnologia che utilizza correnti elettriche per commutare gli stati magnetici affronta sfide legate alla riduzione dell’alta corrente di ingresso necessaria durante il processo di scrittura. Ciò significa mantenere una sufficiente stabilità termica per conservare i dati a lungo termine e minimizzare l’energia richiesta per eseguire l’operazione di memorizzazione.

Invece dell’SHE, questo studio ha utilizzato l’Effetto Hall Orbitale (OHE), dove un flusso trasversale di momento angolare orbitale è prodotto in un materiale quando viene applicata una corrente elettrica. Utilizzando questo fenomeno, i ricercatori sono riusciti a ottenere una maggiore efficienza energetica senza ricorrere a materiali costosi o rari.

Il materiale magnetico unico sviluppato utilizza elementi come il Rutenio come canale SOT per migliorare le prestazioni. Con ciò, il team è riuscito a ottenere una riduzione del 20% della corrente di ingresso, un aumento del 30% dell’efficienza e una riduzione di oltre il 50% del consumo energetico complessivo.

Aziende che guidano il settore

Ora, diamo un’occhiata ai nomi più importanti che stanno contribuendo a far progredire lo spazio IA:

1. NVIDIA Corporation

Nvidia (NVDA ) progetta e produce unità di elaborazione grafica o GPU. Una GPU è un circuito elettronico che esegue calcoli matematici ad alta velocità ed è una scelta popolare per lo sviluppo di modelli IA.

Negli ultimi dieci anni, l’azienda ha migliorato significativamente le prestazioni per watt delle sue GPU, fino a 4.000 volte, secondo il suo capo scienziato William Dally e continua a sviluppare circuiti specializzati in questi chip che sono specificamente progettati per i calcoli IA.

Nvidia è la seconda più grande azienda al mondo per capitalizzazione di mercato, con un valore di 3,21 trilioni di dollari. Le sue azioni sono attualmente quotate a 130,86 $, in calo del 2,35% YTD. L’EPS (TTM) dell’azienda è 2,54 e il rapporto P/E (TTM) è 51,67, mentre il rendimento del dividendo è 0,03%.

Per quanto riguarda i dati finanziari, Nvidia pubblicherà i risultati del 4° trimestre FY25 il 26 febbraio. Ora, per il Q3, i suoi utili GAAP per azione diluita erano 0,78 $ e gli utili non‑GAAP per azione diluita erano 0,81 $.

Per questo trimestre, Nvidia ha annunciato un fatturato record di 35,1 miliardi di dollari, un aumento del 17% rispetto al Q2 e del 94% rispetto all’anno precedente. Il fatturato proveniente dai data center ha rappresentato 30,8 miliardi di dollari. Per il suo Q4, ha previsto un fatturato di 37,5 miliardi di dollari.

“L’era dell’IA è a pieno regime, spingendo una trasformazione globale verso il computing NVIDIA,“ ha dichiarato il CEO e fondatore Jensen Huang, notando una “domanda incredibile“ per il suo Hopper e l’anticipazione per Blackwell, che consente il calcolo ad alte prestazioni (HPC) per l’addestramento accelerato, l’inferenza e l’efficienza nella generazione di IA.

Nvidia ha vissuto un percorso straordinario, con il prezzo delle azioni passato da meno di 11 $ nell’ottobre 2022 a oltre 152 $ all’inizio di gennaio 2025. Recentemente, ha perso un po’ di slancio dopo che la startup cinese DeepSeek ha lanciato il suo ultimo modello IA. La percezione iniziale era che DeepSeek avrebbe minato la domanda per le GPU ad alte prestazioni di Nvidia, ma potrebbe in realtà rivelarsi positiva per Nvidia, poiché le esigenze di calcolo più basse della startup potrebbero aprire ulteriori opportunità IA, spingendo così i prezzi del più grande produttore di chip verso l’alto.

“L’IA sta trasformando ogni settore, azienda e paese,“ ha affermato Huang durante i risultati finanziari del trimestre scorso, aggiungendo che le imprese stanno adottando l’IA agente mentre si registrano progressi nell’IA fisica nella robotica industriale. I paesi, ha aggiunto, hanno anche riconosciuto l’importanza di costruire proprie infrastrutture IA.

#2. Broadcom Inc.

Broadcom (AVGO ) è tra le prime 10 aziende più grandi, con una capitalizzazione di mercato di 1,1 trilioni di dollari. È coinvolta nella progettazione, sviluppo e fornitura di una vasta gamma di soluzioni semiconductor e software di infrastruttura. L’azienda ha partnership con grandi attori come Google, Meta Platforms (META ) e ByteDance. Collabora anche con OpenAI e Apple (AAPL ) per sviluppare i propri chip IA.

Al momento della stesura, le azioni Broadcom sono quotate a 235 $, in crescita dell’1,95% YTD. L’EPS (TTM) dell’azienda è 1,28 e il rapporto P/E (TTM) è 184,78 mentre il rendimento del dividendo è 1%.

Ora, nel Q4 del 2024, Broadcom ha registrato un fatturato superiore a 14 miliardi di dollari, un aumento del 51% rispetto al periodo dell’anno precedente, mentre l’utile netto GAAP è stato di 4,324 miliardi di dollari. Per il Q1 dell’anno fiscale 2025, l’azienda ha fornito una previsione di fatturato di circa 14,6 miliardi di dollari.

Nel quarto trimestre, il fatturato dei semiconduttori del produttore ha raggiunto un record di 30,1 miliardi di dollari, che il CEO e presidente Hock Tan ha attribuito al fatturato IA di 12,2 miliardi di dollari. La crescita del 220% anno su anno del fatturato IA è stata alimentata dai suoi XPUs.

Il GAAP diluted EPS di Broadcom è stato 0,90 $ e il non‑GAAP diluted EPS è stato 1,42 $. Il cash flow operativo nel frattempo è stato di 5,6 miliardi di dollari. L’azienda ha anche segnalato un aumento dell’11% del dividendo trimestrale comune a 0,59 $ per azione, che è stato il quattordicesimo aumento consecutivo. Il free cash flow escludendo le ristrutturazioni è stato “solido“ a 21,9 miliardi di dollari mentre la liquidità e gli equivalenti di cassa erano 9,348 miliardi di dollari.

“Vediamo la nostra opportunità nei prossimi tre anni nell’IA come enorme. Alcuni hyperscaler hanno iniziato i rispettivi percorsi per sviluppare i propri acceleratori IA personalizzati.”

– Tan ha dichiarato durante la conference call

Ha anche condiviso che l’azienda sta sviluppando chip IA con tre grandi clienti cloud, ognuno dei quali si prevede distribuirà 1 milione di chip IA in cluster di rete entro il 2027.

Conclusione

Man mano che la popolarità e l’uso dell’intelligenza artificiale continuano a crescere, lo fa anche il loro consumo energetico. I modelli IA, in particolare il deep learning, richiedono una quantità significativa di energia per il calcolo, e le soluzioni convenzionali incontrano limiti di efficienza energetica.

In questo contesto, la ricerca volta a migliorare l’efficienza energetica dei chip IA e a ridurre il loro impatto ambientale può aiutare il mondo a realizzare il pieno potenziale della tecnologia riducendo al contempo i suoi effetti negativi.

I dispositivi di memoria e logica basati su SOT possono fare una grande differenza qui fornendo una soluzione a basso consumo energetico usando stati magnetici per il calcolo anziché logica basata su carica. Mantenere i dati senza alimentazione costante può ridurre i costi energetici per l’inferenza IA, abilitare acceleratori IA più efficienti per decisioni IA in tempo reale imitandone il cervello, e aumentare la velocità di elaborazione per i compiti IA integrando logica e memoria.

Sforzi costanti come questi rendono l’hardware e il software IA più efficienti dal punto di vista energetico, più veloci e capaci di gestire calcoli complessi, a loro volta, spingendo una più ampia adozione dell’IA nei settori riducendo al contempo la sua impronta di carbonio!

Clicca qui per scoprire perché il 2025 è l’anno degli investimenti guidati dall’IA.