L’utilizzo dell’IA cresce di giorno in giorno e la domanda di energia dei datacenter si fa sempre più sentire. Questa è destinata a salire drasticamente, portando all’aumento di emissioni e dei costi, a meno che non si corra ai ripari. Per tale ragione la CEO di AMD Lisa Su, durante un recente evento, ha ribadito quanto sia importante migliorare l’efficienza energetica dei sistemi informatici.
La CEO di AMD, per far comprendere quanto la situazione sia “grave” ha spiegato come evidenziato una singola richiesta a ChatGPT consumi circa dieci volte più energia rispetto ad una semplice ricerca su Google. Gli analisti di Goldman Sachs credono che il tutto sia destinato a peggiorare e che anzi porterà ad un incremento del 160% nei consumi dei datacenter entro il 2030. Tale aumento non è soltanto una sfida in termini di costi, ma anche di adeguamento delle reti elettriche esistenti, non un lavoro semplice.
Come intende muoversi la AMD in un settore così veloce?
L’AMD negli anni ha effettuato molti progressi e raggiunto altrettanti traguardi, migliorando la propria efficienza di 31,7 volte ma ancora non basta. Ora la società sta cercando di puntare ad un ulteriore incremento di 30 volte entro il prossimo anno e fino a 100 volte entro il 2027. Se l’uso dell’IA è destinato a crescere, è ovvio ora che si proceda in tale direzione.
Per raggiungere tale traguardo, AMD ha individuato alcune aree su cui concentrare i propri progetti. La prima comprende l’adozione dei transistor a 3 nanometri Gate-all-Around (GAA), che vanno a dare una maggiore efficienza. Il secondo punto è l’utilizzo di soluzioni di packaging avanzate come quelle 3D. Queste non soltanto ottimizzano lo spazio, ma riducono al contempo le perdite energetiche. Per ultimo cercherà di concentrarsi sull’ottimizzazione delle architetture hardware per i calcoli relativi all’intelligenza artificiale. Oltre all’hardware, anche il software svolge un ruolo importantissimo nello sviluppo di soluzioni intelligenti. AMD sta infatti lavorando per ridurre i consumi legati allo spostamento dei dati e all’ottimizzazione degli algoritmi AI.