In questo articolo Indice dei contenuti 2 sezioni
Chi immaginava data center pieni soltanto di rack industriali e schede grafiche da decine di migliaia di euro dovrà aggiornare l’immagine mentale, perché OpenAI starebbe riempiendo i propri spazi di Mac mini e Mac Studio comprati a migliaia, praticamente svuotando gli scaffali di Apple negli ultimi mesi. Non è un vezzo estetico né una scelta di comodità, ma una risposta molto concreta a un problema che il denaro da solo non risolve, cioè la scarsità di hardware disponibile sul mercato.
La fame di potenza di calcolo dell’intelligenza artificiale è diventata un fattore economico di dimensioni difficili da afferrare. Secondo le stime, l’azienda guidata da Sam Altman potrebbe arrivare a spendere qualcosa come 690 miliardi di euro in infrastrutture entro il 2030, una cifra che serve più a dare il senso della scala che a essere presa alla lettera. Il punto, però, è un altro. Anche disponendo di quei capitali, le risorse fisiche restano limitate. Le fabbriche producono quello che riescono a produrre, le liste d’attesa si allungano e chi sviluppa modelli si ritrova a cercare soluzioni laterali.
Perché OpenAI compra migliaia di Mac mini e Mac Studio
Nel settore le GPU sono la valuta più preziosa, quelle di NVIDIA in particolare, e su questo non ci sono dubbi. Ma le schede grafiche rappresentano solo un pezzo dell’arsenale necessario per costruire e rifinire un modello. Il resto del lavoro richiede macchine diverse, magari meno prestigiose sulla carta, però disponibili in quantità e con un rapporto tra consumo e resa che le rende interessanti quando si tratta di lavorare su larghissima scala.
Da qui la corsa ai computer Apple. OpenAI ne avrebbe acquistati a migliaia e continuerebbe a chiederne altri, mentre sul fronte concorrente Anthropic ha scelto una strada diversa ma con la stessa logica di fondo, noleggiando in modo massiccio l’uso di dispositivi Mac mini attraverso il cloud di Amazon. Due approcci differenti, stessa necessità.
Pre addestramento e reinforcement learning, due mondi separati
Va detto con chiarezza che i prodotti di Cupertino non prendono il posto delle GPU di fascia alta. I chip NVIDIA restano dedicati al pre addestramento, la fase iniziale e più brutale del processo, quella in cui vengono macinati volumi giganteschi di dati grezzi. È un lavoro che richiede una potenza bruta che nessun computer desktop può offrire, per quanto ben costruito. I Mac mini e i Mac Studio entrano in scena dopo, nella fase del cosiddetto reinforcement learning. Funziona più o meno così, si testano delle azioni sul modello e ogni volta che sbaglia gli si segnala l’errore, in modo che impari a correggersi. È un processo iterativo, fatto di tantissime prove ripetute, e proprio per questo si presta bene a essere distribuito su un gran numero di macchine relativamente compatte anziché su pochi mostri di calcolo. Un lavoro di rifinitura, insomma, che vale però una parte enorme della qualità finale percepita da chi usa strumenti come ChatGPT.
Con l’arrivo dei nuovissimi Mac mini M6 e Mac Studio M5 Ultra, la tendenza potrebbe consolidarsi ulteriormente. Macchine più efficienti significano più cicli di addestramento a parità di spazio e di energia consumata, che nel contesto attuale è la variabile che pesa forse più di tutte. E se un’azienda che progetta modelli di frontiera decide che vale la pena comprare hardware consumer a camionate, il segnale sullo stato del mercato dei componenti è piuttosto eloquente. Resta il fatto curioso di fondo, ovvero che gli stessi computer venduti a chi monta video in salotto o gestisce uno studio di grafica stiano finendo, in versione moltiplicata per migliaia, dentro l’infrastruttura che alimenta uno dei sistemi di intelligenza artificiale più usati al mondo. Apple non ha commentato la vicenda, e nemmeno OpenAI ha fornito numeri ufficiali sugli acquisti.
