Nel mondo dell’alta tecnologia esiste un fenomeno curioso. Ogni due anni, il numero di transistor su un microprocessore raddoppia, a costi costanti. Nonostante i progressi tecnologici, il ritmo è stato mantenuto, e lo è da più di sessant’anni. Questo fenomeno portaporta il nome “Legge di Moore”, dalla previsione fatta da Gordon E. Moore nel 1965.
Tuttavia, per Jensen Huang, presidente di Nvidia, la legge di Moore non si applicherebbe più ai chip progettati dall’azienda per l’intelligenza artificiale, che si evolverebbe a un ritmo molto più rapido. Durante il suo keynote a Mostra dell’elettronica di consumo a Las Las VegasLas Vegas (CES 2025), l’uomo ha dichiarato: “ I nostri sistemi stanno progredendo molto più velocemente della Legge di Moore. » L’ultimo punto elenco per centri daticentri dati per il funzionamento di modelli linguistici di grandi dimensioni sarebbe 30 volte più veloce rispetto alla generazione precedente.
Segui l’intervento completo di Jensen Huang al CES 2025. (In inglese, attiva la traduzione automatica dei sottotitoli.) © Nvidia
Un aumento delle prestazioni per l’intelligenza artificiale
« Possiamo costruire l’architettura, il chip, il sistema, le librerie e gli algoritmi allo stesso tempoha aggiunto Jensen Huang. Se lo fai, puoi muoverti più velocemente della Legge di Moore, perché puoi innovare lungo l’intera catena di produzione. » Aveva già suggerito, tra l’altro, un « L’iperlegge di Moore “, dove l’inferenza, ovvero il funzionamento quotidiano dell’IA rispetto al suo addestramento, subirebbe un’evoluzione simile. Un aumento delle prestazioni ridurrà il costo dell’inferenza.
Il nuovo chip di Nvidia è il GB200 NVL72, annunciato inizialmente nel marzo 2024. Si basa sull’architettura Blackwell, la stessa utilizzata per il nuovo schede graficheschede grafiche Serie RTX 50 e sostituisce i chip H100 e H200 basati sull’architettura Hopper. Il GB200 NVL72 sarebbe da 30 a 40 volte più veloce per le attività di inferenza e 1.000 volte più veloce dei chip realizzati dal produttore dieci anni fa.
Per Jensen Huang, questa accelerazione, molto più rapida di quanto previsto dalla legge di Moore, ridurrà i costi operativi dell’intelligenza artificiale, in particolare per i modelli più sofisticati, come o3 di OpenAI, che richiedono molta potenza di calcolo durante la fase di inferenza.
