Nell’arena ad alta posta dello sviluppo dell’intelligenza artificiale, l’accesso alla tecnologia dei semiconduttori all’avanguardia detta spesso il ritmo dell’innovazione. Per i giganti tecnologici cinesi, questo accesso è diventato sempre più complesso, plasmato da tensioni geopolitiche e rigidi controlli sulle esportazioni imposti dagli Stati Uniti. In questo panorama difficile, Ant Group, la potenza fintech affiliata ad Alibaba, sta tracciando un percorso distinto. L’azienda sta implementando strategicamente un mix eterogeneo di semiconduttori, provenienti sia da fornitori americani che nazionali, per alimentare le sue ambizioni nell’AI, concentrandosi in particolare sul miglioramento dell’efficienza e dell’economicità dell’addestramento di sofisticati modelli di AI.
Questo approccio calcolato è più di un semplice espediente tecnico; rappresenta un adattamento strategico fondamentale. Integrando deliberatamente chip di vari produttori, comprese alternative locali, Ant Group mira a mitigare i rischi associati alle interruzioni della catena di approvvigionamento e a ridurre la sua dipendenza da un singolo fornitore, specialmente quelli soggetti a restrizioni commerciali internazionali. Questa diversificazione è cruciale per garantire la continuità e la resilienza della sua pipeline di ricerca e sviluppo nell’AI. L’obiettivo principale è duplice: mantenere lo slancio nell’innovazione AI ottimizzando contemporaneamente i costi sostanziali tipicamente associati all’addestramento di modelli su larga scala.
Il Potere della Specializzazione: Abbracciare Mixture of Experts (MoE)
Centrale nella strategia hardware di Ant Group è l’adozione di un’architettura AI avanzata nota come Mixture of Experts (MoE). Questa tecnica rappresenta un significativo allontanamento dai tradizionali modelli AI monolitici, in cui una singola, massiccia rete neurale tenta di apprendere e gestire tutti gli aspetti di un dato compito. L’approccio MoE, al contrario, impiega una struttura più distribuita e specializzata. Funziona in modo molto simile a un comitato di specialisti piuttosto che a un singolo generalista.
Immagina un problema complesso che richiede conoscenze diverse. Invece di affidarti a un unico poliedrico, assembli un team: un matematico, un linguista, uno storico e forse un fisico. Una “gating network” funge da dispatcher, analizzando i compiti o i punti dati in arrivo e instradandoli intelligentemente al modello “esperto” più adatto all’interno del sistema più ampio. Ogni modello esperto è addestrato per eccellere in specifici tipi di input o sotto-compiti. Ad esempio, in un modello linguistico, un esperto potrebbe specializzarsi nella comprensione del gergo tecnico, un altro negli stili di scrittura creativa e un terzo nel dialogo conversazionale.
Il vantaggio chiave di questo design modulare risiede nella sua efficienza computazionale. Durante l’addestramento o l’inferenza (quando il modello fa previsioni), solo i modelli esperti pertinenti e la gating network vengono attivati per un dato input. Questo calcolo selettivo contrasta nettamente con i modelli densi in cui l’intera rete, con i suoi miliardi o addirittura trilioni di parametri, deve essere impegnata per ogni singolo calcolo. Di conseguenza, i modelli MoE possono raggiungere prestazioni comparabili o addirittura superiori rispetto alle loro controparti dense, richiedendo significativamente meno potenza computazionale e, quindi, meno energia.
Ant Group ha sfruttato efficacemente questo vantaggio architetturale. La ricerca interna e l’applicazione pratica hanno dimostrato che MoE consente all’azienda di ottenere risultati di addestramento robusti anche utilizzando hardware meno potente, più facilmente disponibile o a basso costo. Secondo i risultati condivisi dall’azienda, questa implementazione strategica di MoE ha consentito una notevole riduzione del 20% dei costi di calcolo associati all’addestramento dei suoi modelli AI. Questa ottimizzazione dei costi non è semplicemente un risparmio incrementale; è un abilitatore strategico, che consente ad Ant di perseguire ambiziosi progetti AI senza necessariamente fare affidamento esclusivamente sulle unità di elaborazione grafica (GPUs) più costose e di fascia alta, che sono sempre più difficili da procurare per le aziende cinesi. Questo guadagno di efficienza affronta direttamente i vincoli hardware imposti dall’ambiente esterno.
Un Mosaico di Silicio: Il Portafoglio Hardware di Ant
L’implementazione pratica della strategia di Ant Group comporta la navigazione in un complesso panorama di semiconduttori. L’infrastruttura di addestramento AI dell’azienda è secondo quanto riferito alimentata da una vasta gamma di chip, riflettendo il suo impegno per la flessibilità e la resilienza. Ciò include silicio progettato internamente dalla sua affiliata, Alibaba, probabilmente riferendosi ai chip sviluppati dall’unità semiconduttori T-Head di Alibaba. Inoltre, Ant incorpora chip di Huawei, un altro gigante tecnologico cinese che ha investito pesantemente nello sviluppo dei propri acceleratori AI (come la serie Ascend) in risposta alle sanzioni statunitensi.
Sebbene Ant Group abbia storicamente utilizzato GPUs ad alte prestazioni di Nvidia, il leader indiscusso nel mercato dell’addestramento AI, i controlli sulle esportazioni statunitensi in evoluzione hanno reso necessario un cambiamento. Queste normative limitano specificamente la vendita degli acceleratori AI più avanzati alle entità cinesi, citando preoccupazioni per la sicurezza nazionale. Sebbene Nvidia possa ancora fornire chip con specifiche inferiori al mercato cinese, Ant Group sembra stia attivamente ampliando la sua base di fornitori per compensare l’accesso limitato ai prodotti Nvidia di fascia alta.
Questa diversificazione include in modo prominente chip di Advanced Micro Devices (AMD). AMD è emersa come un concorrente significativo di Nvidia nello spazio del calcolo ad alte prestazioni e dell’AI, offrendo potenti GPUs che rappresentano un’alternativa valida per determinati carichi di lavoro. Incorporando hardware AMD insieme a opzioni nazionali di Alibaba e Huawei, Ant costruisce un ambiente di calcolo eterogeneo. Questo approccio mix-and-match, pur aggiungendo potenzialmente complessità nell’ottimizzazione del software e nella gestione del carico di lavoro, fornisce una flessibilità cruciale. Consente all’azienda di adattare l’uso dell’hardware in base alla disponibilità, al costo e alle specifiche esigenze computazionali di diversi modelli e compiti AI, aggirando così i colli di bottiglia causati dalla dipendenza da un’unica fonte limitata.
Lo sfondo di questa strategia è l’intricata rete di controlli sulle esportazioni statunitensi. Queste misure sono state progressivamente rafforzate, mirando a frenare i progressi della Cina nella produzione avanzata di semiconduttori e nello sviluppo dell’AI. Sebbene inizialmente focalizzate sui chip di fascia assolutamente più alta, le restrizioni si sono evolute, impattando una gamma più ampia di hardware e attrezzature per la produzione di semiconduttori. Nvidia, ad esempio, ha dovuto creare versioni specifiche a prestazioni inferiori dei suoi chip AI di punta (come A800 e H800, derivati da A100 e H100) per il mercato cinese per conformarsi a queste normative. La strategia di Ant di abbracciare alternative da AMD e attori nazionali è una risposta diretta e pragmatica a questa pressione normativa, dimostrando uno sforzo per mantenere la competitività nell’AI entro i vincoli dati.
AI in Azione: Trasformare i Servizi Sanitari
I progressi di Ant Group nell’efficienza dell’AI non sono semplici esercizi teorici; si stanno traducendo attivamente in applicazioni nel mondo reale, con un focus notevole sul settore sanitario. L’azienda ha recentemente svelato significativi miglioramenti alle sue soluzioni AI su misura per l’assistenza sanitaria, sottolineando l’impatto pratico della sua strategia tecnologica sottostante.
Queste capacità AI aggiornate sarebbero già in uso presso diverse importanti istituzioni sanitarie nelle principali città cinesi, tra cui Beijing, Shanghai, Hangzhou (sede di Ant) e Ningbo. Sette importanti ospedali e organizzazioni sanitarie stanno sfruttando l’AI di Ant per migliorare vari aspetti delle loro operazioni e della cura dei pazienti.
La base del modello AI sanitario di Ant è essa stessa un esempio di innovazione collaborativa e sfruttamento di diverse forze tecnologiche. È costruito su una combinazione di potenti modelli linguistici di grandi dimensioni (LLMs):
- I modelli R1 e V3 di DeepSeek: DeepSeek è una nota azienda di ricerca AI cinese nota per lo sviluppo di capaci modelli open-source, che spesso raggiungono forti benchmark di prestazioni.
- Qwen di Alibaba: Questa è la famiglia di modelli linguistici proprietari di grandi dimensioni sviluppati dall’affiliata di Ant, Alibaba, che copre una gamma di dimensioni e capacità.
- Il modello BaiLing di Ant: Ciò indica gli sforzi interni di Ant Group nello sviluppo di modelli AI su misura per le sue esigenze specifiche, incorporando probabilmente dati e competenze finanziarie e potenzialmente specifiche del settore sanitario.
Questa base multi-modello consente alla soluzione AI sanitaria di attingere a un’ampia base di conoscenze e capacità. Secondo Ant Group, il sistema è competente nell’affrontare quesiti su una vasta gamma di argomenti medici, fungendo potenzialmente da strumento prezioso sia per i professionisti sanitari che cercano informazioni rapide sia per i pazienti che cercano conoscenze mediche generali (sebbene sia cruciale una chiara delineazione del suo ruolo rispetto alla consulenza medica professionale).
Oltre al recupero di informazioni, l’azienda afferma che il modello AI è progettato per migliorare i servizi ai pazienti. Sebbene i dettagli specifici stiano emergendo, ciò potrebbe comprendere una gamma di applicazioni, come:
- Triage Intelligente: Assistere nella prioritizzazione delle esigenze dei pazienti in base ai sintomi descritti.
- Pianificazione e Gestione degli Appuntamenti: Automatizzare e ottimizzare il processo di prenotazione.
- Follow-up Post-Dimissione: Fornire promemoria automatici o verificare i progressi del recupero dei pazienti.
- Supporto Amministrativo: Aiutare il personale sanitario con compiti di documentazione, riassunto o inserimento dati, liberando tempo per la cura diretta del paziente.
L’implementazione nei principali ospedali segna un passo fondamentale nella convalida dell’utilità della tecnologia e nella navigazione delle complessità del dominio sanitario, che comporta requisiti rigorosi per accuratezza, affidabilità e privacy dei dati.
Tracciare una Rotta Oltre le GPUs Premium
Guardando al futuro, la strategia di Ant Group sembra allineata con un’ambizione più ampia all’interno dell’industria tecnologica cinese: raggiungere prestazioni AI all’avanguardia senza fare affidamento esclusivamente sulle GPUs più avanzate, spesso soggette a restrizioni. L’azienda prevede, secondo quanto riferito, di emulare il percorso intrapreso da organizzazioni come DeepSeek, concentrandosi su metodi per scalare modelli AI ad alte prestazioni “senza GPUs premium”.
Questa ambizione segnala la convinzione che le innovazioni architetturali (come MoE), le ottimizzazioni software e l’utilizzo intelligente di hardware diversificato e potenzialmente meno potente possano colmare collettivamente il divario di prestazioni creato dall’accesso limitato al silicio di fascia alta. È una strategia nata in parte per necessità a causa dei controlli sulle esportazioni, ma riflette anche un percorso potenzialmente sostenibile verso uno sviluppo AI più conveniente e democratizzato.
Raggiungere questo obiettivo implica l’esplorazione di varie strade oltre al solo MoE:
- Efficienza Algoritmica: Sviluppare nuovi algoritmi AI che richiedono meno potenza computazionale per l’addestramento e l’inferenza.
- Tecniche di Ottimizzazione del Modello: Impiegare metodi come la quantizzazione (riduzione della precisione dei numeri utilizzati nei calcoli) e il pruning (rimozione di parti ridondanti della rete neurale) per rendere i modelli più piccoli e veloci senza significative perdite di prestazioni.
- Framework Software: Creare software sofisticati in grado di gestire e distribuire in modo efficiente i carichi di lavoro AI su ambienti hardware eterogenei, massimizzando l’utilizzo delle risorse di calcolo disponibili.
- Hardware Domestico Specializzato: Investimento continuo e utilizzo di acceleratori AI sviluppati da aziende cinesi come Huawei (Ascend), Alibaba (T-Head) e potenzialmente altre, progettati specificamente per compiti AI.
Il perseguimento di questo percorso da parte di Ant Group, insieme ad altri nell’ecosistema tecnologico cinese, potrebbe avere implicazioni significative. Se avrà successo, potrebbe dimostrare che la leadership nell’AI non dipende esclusivamente dall’accesso ai chip più veloci in assoluto, ma dipende anche dall’innovazione nel software, nell’architettura e nell’ottimizzazione a livello di sistema. Rappresenta uno sforzo determinato per costruire una capacità AI resiliente e autosufficiente, navigando le complessità dell’attuale panorama tecnologico globale attraverso la diversificazione strategica e l’innovazione incessante. L’integrazione di semiconduttori statunitensi e cinesi, ottimizzata attraverso tecniche come MoE e applicata a settori critici come l’assistenza sanitaria, mostra un approccio pragmatico e adattivo per sostenere il progresso dell’AI sotto pressione.