Il CEO di Intel (INTC.US), Chen Liwu, elogia i modelli AI d'avanguardia della Cina e sostiene fermamente l'open source per migliorare l'efficienza

Secondo quanto riportato da Zhihui Finance APP, il CEO di Intel (INTC.US), Pat Gelsinger, ha dichiarato lunedì che i modelli di intelligenza artificiale (AI) d’avanguardia cinesi presentano un costo per token inferiore e sono già stati adottati “molto rapidamente”. Secondo le fonti, Gelsinger ha affermato che le prestazioni di modelli come DeepSeek, Kimi e GLM “sono già più che sufficienti”. Ha inoltre aggiunto: “Sono un sostenitore convinto dell’open-source. È il modo migliore per promuovere l’efficienza”. Ha poi sottolineato che il mercato deciderà quali modelli saranno più adatti per quali scenari applicativi.

Le opinioni di Gelsinger si allineano con quelle del CEO di NVIDIA (NVDA.US), Jensen Huang. Huang ha più volte difeso i modelli open-source cinesi. Lo scorso luglio, Huang ha affermato che i modelli di DeepSeek, Alibaba e Moonshot AI sono “eccezionali” e dovrebbero essere adottati. Ha inoltre dichiarato che i modelli open-source possono ampliare le applicazioni dell’AI, invece di ridurre la domanda di chip NVIDIA.

Una caratteristica importante dei modelli AI open-source è il costo d’uso relativamente inferiore. Per Intel, l’adozione su vasta scala di modelli AI a basso costo potrebbe promuovere una diffusione maggiore dell’intelligenza artificiale, incrementando così la domanda di CPU, server e infrastrutture di data center necessarie a eseguire tali carichi di lavoro: proprio il settore su cui Intel sta puntando attualmente.

Nel frattempo, Gelsinger ha posizionato la divisione data center di Intel come beneficiaria della AI agent-based. Secondo i dati, il fatturato del secondo trimestre di Intel è aumentato del 25% su base annua, raggiungendo 16,13 miliardi di dollari, segnando la crescita più rapida dal 2011, superando le aspettative di mercato di 14,42 miliardi di dollari. In particolare, il fatturato del segmento data center e AI ha raggiunto 6,3 miliardi di dollari, registrando un incremento del 59% su base annua, più del doppio rispetto alla crescita complessiva della società, e superiore alle aspettative di mercato di 5,37 miliardi di dollari.

Con il passaggio del settore dall’addestramento dei modelli su larga scala alla distribuzione massiva di AI agenti in grado di eseguire compiti autonomamente, la domanda di CPU generiche è in forte espansione. Le AI agenti sono in grado di svolgere compiti a più fasi e richiedono quindi capacità di calcolo elevate. L’inferenza AI tradizionale si basa fortemente sulle GPU per i calcoli matriciali, ma i workflow delle AI agenti suddividono l’attività in fasi come pianificazione, ricerca, lettura/scrittura di file, verifica delle regole, esecuzione del codice, chiamata di strumenti e validazione dei risultati. Queste fasi richiedono in modo naturale maggior dipendenza da CPU generiche, accesso alla memoria, I/O e scheduling del sistema. Gli scenari di inferenza tradizionale prevedono un rapporto GPU-CPU di circa 7:1, mentre nei workflow degli AI agenti il rapporto può avvicinarsi a 1:1 o perfino vedere maggior rilievo delle CPU. Ciò non significa che le GPU non siano più importanti, ma indica che i data center AI stanno passando da “isole GPU” a sistemi eterogenei costituiti da “CPU+GPU+ASIC+infrastruttura di interconnessione ottica+storage”.

Inoltre, secondo alcune analisi, lo sviluppo dei modelli open-source può aiutare Intel a ridurre la dipendenza da un unico ecosistema AI. Attualmente, il mercato delle infrastrutture AI ruota in larga parte attorno all’ecosistema NVIDIA CUDA. Lo sviluppo dei modelli open-source offre alle imprese l’opportunità di creare infrastrutture AI più diversificate. Ad esempio, un’azienda potrebbe scegliere GPU NVIDIA + CPU Intel, oppure CPU Intel + altri acceleratori AI, oppure assegnare alle CPU il calcolo generico e agli acceleratori dedicati l’inferenza AI. Per Intel, la priorità non è necessariamente diventare “la seconda NVIDIA”, ma consolidare la propria posizione di fornitore indispensabile di infrastrutture di calcolo general-purpose per i data center AI.