NVIDIA, tre colossi sfidano il dominio di CUDA nel mercato dei chip AI

NVIDIA si trova ad affrontare una sfida senza precedenti alla sua egemonia nel settore dell'intelligenza artificiale, un mercato che ha dominato per anni grazie alla combinazione di acceleratori hardware e dell'interfaccia di programmazione CUDA. Il vantaggio competitivo della società non risiede solo nella potenza di calcolo, ma soprattutto nell'ecosistema software che ha legato i fornitori di data center e gli sviluppatori alla sua architettura. Tuttavia, nuove iniziative intraprese da Alphabet, Meta e Amazon minacciano di scardinare questo ecosistema, offrendo alternative concrete all'utilizzo esclusivo dei chip prodotti dal leader californiano.

Nello specifico, Alphabet ha introdotto TorchTPU, uno stack tecnologico open source progettato per consentire l'esecuzione di carichi di lavoro PyTorch sulle proprie Tensor Processing Unit (TPU). Il sistema richiede modifiche minime al codice esistente, semplificando la transizione per gli sviluppatori. Parallelamente, Amazon ha annunciato il proprio ambiente software, denominato TorchNeuron, per supportare il codice PyTorch sui propri chip Trainium. Anche Meta ha avviato collaborazioni con entrambe le aziende con l'obiettivo dichiarato di diversificare i propri fornitori di acceleratori e ridurre la dipendenza strategica dai prodotti NVIDIA.

Nonostante PyTorch sia storicamente ottimizzato per funzionare con CUDA e l'hardware NVIDIA, questi recenti sviluppi aprono la strada a una futura ottimizzazione su piattaforme concorrenti. Sebbene l'efficienza attuale su TPU o Trainium possa non eguagliare ancora quella garantita dalle GPU NVIDIA, la facilità di migrazione del codice rappresenta un cambiamento significativo. Mentre le aziende cinesi rimangono costrette a scegliere tra l'adattamento dei propri chip a CUDA o l'abbandono totale dell'ecosistema NVIDIA, i giganti tecnologici occidentali stanno investendo massicciamente nella commercializzazione delle proprie soluzioni proprietarie.

Dall'inizio del 2024, Alphabet ha iniziato a vendere sistemi basati su TPU ad aziende terze e ha recentemente presentato gli acceleratori TPU 8tx destinati all'uso aziendale. Un ulteriore passo in questa direzione avverrà nel 2027, quando le TPU di Google saranno rese disponibili all'interno di Oracle Cloud Infrastructure (OCI). Questo accordo permetterà ai clienti di Oracle, spesso vincolati all'infrastruttura per la gestione dei database, di trasferire parte dei carichi di lavoro AI sulle TPU, con potenziali vantaggi in termini di costi e prestazioni rispetto alle soluzioni standard. Anche Amazon si è detta pronta a distribuire i chip Trainium a data center esterni, ampliando la disponibilità di hardware alternativo sul mercato.

La capacità dei fornitori di servizi cloud di ottenere ritorni sugli investimenti utilizzando acceleratori diversi sta indebolendo la posizione di mercato di NVIDIA. Il settore dei data center vede ora una crescente domanda per chip specializzati, resi più efficaci proprio dall'evoluzione di piattaforme come PyTorch. Questi cambiamenti suggeriscono che il distacco tecnologico e commerciale di NVIDIA dai suoi principali concorrenti potrebbe essere meno profondo di quanto previsto dagli investitori, in un contesto dove l'interoperabilità software diventa l'elemento determinante per la scelta dell'hardware.