L’intelligenza artificiale (AI) sta diventando parte della vita quotidiana di molte persone in tutto il mondo. A livello individuale, le persone utilizzano sempre più modelli di intelligenza artificiale per le query di ricerca. Mentre Google domina ancora il mercato della ricerca, ChatGPT ha rappresentato la minaccia più significativa al suo dominio.
A livello aziendale, nessun settore è escluso: dall’agricoltura alla sanità, dalla finanza all’intrattenimento, le organizzazioni di tutto il mondo stanno integrando l’intelligenza artificiale nelle loro operazioni quotidiane.
Si prevede che la domanda e l’utilizzo dell’intelligenza artificiale a livello mondiale cresceranno in modo esponenziale nei prossimi anni, quindi le aziende tecnologiche stanno rispondendo a questo sviluppo costruendo enormi data center. Ma questa crescita ha un costo: consumo di energia, costi economici e impatto ambientale. L’informatica tradizionale semplicemente non riesce a tenere il passo con la crescente domanda di calcolo ed energia. Per sostenere la rivoluzione dell’intelligenza artificiale dobbiamo ripensare la fisica dell’informatica moderna.
Questioni energetiche
Anche senza considerare l’intelligenza artificiale, l’informatica si trova in una fase critica. La legge di Moore sta fallendo, il ridimensionamento di Dennard è crollato e il risultato è la proliferazione del "silicio scuro", le porzioni di transistor su un chip che devono rimanere non alimentate o inattive per evitare il surriscaldamento.
Addestrare un modello di intelligenza artificiale di grandi dimensioni non è un compito facile. I modelli linguistici di grandi dimensioni (LLM) vengono addestrati su enormi quantità di dati e hanno trilioni di parametri. Prevedono, misurano, aggiustano e ripetono il processo miliardi di volte. Si stima che la potenza di calcolo necessaria per addestrare i modelli di intelligenza artificiale raddoppierà ogni sei mesi.
L'elaborazione e lo spostamento di quantità di dati così grandi richiede parallelismo e potenza enormi. Nell'informatica tradizionale, una potenza maggiore richiede sistemi a densità più elevata. Una densità maggiore significa maggiore resistenza e una maggiore resistenza significa più calore. Ciò costringe i data center a spostare molta energia dall’elaborazione al raffreddamento, con fino al 40% del consumo energetico totale del data center utilizzato per prevenire il collasso dei server.
L’infrastruttura che supporta l’intelligenza artificiale è già in difficoltà ed è chiaro che l’informatica tradizionale non può più supportare lo sviluppo futuro.
Questioni economiche
Gli operatori dei data center si trovano ad affrontare un enigma finanziario: limitare la densità di elaborazione a ciò che le loro attuali strutture di raffreddamento possono gestire, ostacolando le loro capacità aziendali, oppure estendere i limiti termici, causando un invecchiamento accelerato di hardware e componenti, aumentando le spese operative e gli sprechi.
Inoltre, anche il costo di costruzione di nuovi data center è molto elevato - McKinsey prevede che entro il 2030 saranno necessari 5,2 trilioni di dollari di investimenti. Se i data center continueranno a fare affidamento sull'informatica tradizionale, investire in infrastrutture inefficienti rappresenterà un enorme rischio finanziario. Anche i consumatori comuni risentono delle cattive condizioni economiche; Poiché l’intelligenza artificiale esercita una pressione senza precedenti sulla rete e la domanda di energia dei data center aumenta, i prezzi dell’elettricità stanno aumentando. Questi costi vengono trasferiti alle famiglie circostanti sotto forma di bollette elettriche in rapido aumento.
