EO518

cui il metodo di calcolo che utilizzano. Le tradizionali CPU, infatti, usano un’elaborazione di tipo sequenziale mentre i chip ottimizzati per AI traggono i maggiori vantaggi da un’esecuzione delle operazioni di tipo pa- rallelo, eseguendo cioè contemporaneamente numero- se operazioni relativamente semplici. Questo sistema, se l’applicazione lo permette, consente di avere un’ela- borazione decisamente più rapida ed efficiente. Le implicazioni sono di diversa natura (hardware e software) e comprendono la necessità di avere a dispo- sizione un numero molto elevato di unità di elabora- zione, un tipo di applicazione che consenta di ridurre le elaborazioni complesse in tante altre più semplici, un’architettura interna che suddivida adeguatamente il flusso di elaborazione su tutte le risorse disponibili e risorse hardware (memoria e I/O) adeguate. Fa parte di questa complesso equilibrio anche il set di istruzioni disponibile per l’unità di elaborazione e il software relativo. Per le applicazioni di AI spesso non servono infatti capacità di calcolo ad alta precisione, ma bastano istruzioni per l’aritmetica a bassa precisio- ne e questo si riflette sulla possibilità di utilizzare un numero minore di componenti hardware e quindi ave- re minori consumi energetici. Per i consumi, uno dei limiti maggiori dei sistemi AI, una ulteriore riduzione deriva da una efficiente parallelizzazione che permette di distribuire in modo energeticamente migliore le ne- cessità dettate dal carico di lavoro. L’introduzione di funzionalità AI anche per i chip da utilizzare a livello edge consente inoltre di risparmia- re energia per la comunicazione dei dati a livello cloud. Per quanto riguarda le diverse tipologie di chip per AI, le GPU sono tra i più noti. Questi componenti, origina- riamente concepiti per applicazioni grafiche, proprio per la loro capacità di eseguire numerose operazioni in modo parallelo grazie a un’architettura specifica, sono diventate particolarmente interessanti anche per le applicazioni legate all’AI generativa. La possi- bilità, inoltre, di utilizzare più GPU in un unico siste- ma aumenta ulteriormente le capacità di elaborazione. A questi componenti sono state inoltre aggiunte nel tempo diverse sezioni interne specifiche in grado di migliorare ulteriormente le performance con applica- zioni AI. Altri componenti utilizzabili per l’AI sono i chip FPGA grazie alla loro capacità di riprogrammazione “al volo”. Di fatto i chip FPGA sono estremamente inte- ressanti per molteplici applicazioni, fra cui diverse TECH FOCUS AI CHIPS ELETTRONICA OGGI 518 - MAGGIO 2024 46