Nel 2024 la Cina andrà avanti con lo sviluppo di modelli linguistici di grandi dimensioni (LLM) – la tecnologia utilizzata per addestrare ChatGPT e applicazioni simili – e di sistemi di intelligenza artificiale generativa (AI), nonostante le restrizioni imposte dagli Stati Uniti all’export di semiconduttori avanzati verso Pechino.
E quanto emerge da un report UBS i cui analisti ritengono che la Cina, pur con tali limitazioni, continuerà ad investire per cercare di ottenere dei progressi puntando ulteriormente sui propri programmi nazionali di accelerazione dell’AI e adottando un approccio più parsimonioso nell’uso delle risorse informatiche, tenuto conto che il Paese è molto indietro nei sistemi di litografia di fascia alta, che sono cruciali per realizzare circuiti avanzati, nonostante i costanti progressi sulla produzione di chip.
Secondo quanto riportato da Reuters tuttavia, i controlli sulle esportazioni statunitensi che hanno bloccato ad esempio l’accesso della Cina ai chip Nvidia utilizzati per progetti di Intelligenza Artificiale, non hanno minato la capacità di Pechino di resistere e di cercare di superare questi ostacoli.
In alcuni casi ricorrendo a soluzioni interne, come il caso del colosso della ricerca Internet Baidu, che gestisce Ernie Bot e Ernie LLM, che ha ordinato 61 milioni di dollari di chip AI 910B Ascend di Huawei, che l’azienda cinese ha sviluppato come alternativa al processore A100 di Nvidia, per 200 server.
In altri casi invece, come riportato dal Financial Times, le aziende cinesi stanno ricorrendo a chip riutilizzati da prodotti di gioco per PC standard per sviluppare strumenti di intelligenza artificiale come alternativa al blocco delle esportazioni da parte degli Usa. Ogni mese migliaia di schede grafiche per videogiochi Nvidia verrebbero spogliate dei loro componenti principali nelle fabbriche e nei laboratori, prima di essere installate su nuovi circuiti stampati sebbene queste non abbiano quella capacità di calcolo necessaria per addestrare modelli linguistici di grandi dimensioni con set di dati più grandi.
Lascia un commento
Devi essere connesso per inviare un commento.