Mistral ha appena raccolto 830 milioni di dollari per costruire AI più potenti. ScaleOps ha appena ottenuto 130 milioni di dollari per aiutare le aziende a utilizzare meno potenza di calcolo per l’AI. Se sembra contraddittorio, benvenuto nella strana economia dell’intelligenza artificiale nel 2025.
Ecco cosa sta realmente accadendo: siamo nel mezzo di una corsa agli armamenti AI in cui tutti stanno costruendo modelli più grandi che necessitano di maggiore potenza di calcolo, mentre allo stesso tempo si preoccupano dell’alto costo di questa potenza di calcolo. È come vedere qualcuno acquistare uno yacht e una bicicletta nello stesso giorno—per lo stesso tragitto.
Il problema che nessuno ha previsto
Quando le aziende hanno iniziato a implementare agenti AI e modelli di linguaggio di grandi dimensioni, hanno scoperto qualcosa di scomodo: queste cose sono costose da gestire. Davvero costose. Stiamo parlando di costi di calcolo che possono far strabuzzare gli occhi a un CFO.
Ogni volta che un agente AI elabora una richiesta, utilizza risorse di cloud computing. Moltiplica questo per migliaia o milioni di richieste, e all’improvviso ti trovi di fronte a fatture che eguagliano gli stipendi del tuo team di ingegneri. Per molte aziende, i conti hanno smesso di avere senso da qualche parte tra “questo è interessante” e “aspetta, quanto?”
È qui che entra in gioco ScaleOps. La startup israeliana ha appena ottenuto 130 milioni di dollari in un finanziamento di Serie B per risolvere un problema che sta diventando urgente: rendere i carichi di lavoro AI più efficienti senza sacrificare le prestazioni.
Cosa fa realmente ScaleOps
Pensa a ScaleOps come a un termostato davvero intelligente per il tuo cloud computing. Sai come un buon termostato apprende i tuoi schemi e regola il riscaldamento e il raffreddamento per risparmiare energia senza che tu te ne accorga? ScaleOps fa qualcosa di simile per le risorse di calcolo che alimentano le applicazioni AI.
La piattaforma dell’azienda ottimizza automaticamente come sono allocate le risorse di calcolo quando si eseguono carichi di lavoro AI. Scopre quando hai bisogno di più potenza, quando ne hai bisogno di meno e come distribuire i compiti in modo efficiente nella tua infrastruttura. L’obiettivo è semplice: stessa prestazione AI, fatture di calcolo più basse.
Per le persone non tecniche, ecco perché questo è importante: se l’AI deve diventare comune come gli smartphone, deve essere economicamente sostenibile. In questo momento, molte applicazioni AI funzionano con quello che equivale a forza bruta—mettere una potenza di calcolo massiccia sui problemi perché è l’approccio più semplice. Funziona, ma non è efficiente.
Il quadro generale
ScaleOps non è sola nel riconoscere questa crisi di efficienza. Qodo ha appena raccolto 70 milioni di dollari per aiutare a verificare il codice generato dall’AI, affrontando un altro problema di scalabilità: man mano che l’AI scrive più codice, abbiamo bisogno di modi migliori per controllare che funzioni effettivamente correttamente.
Nel frattempo, la competizione per i chip di calcolo AI si sta intensificando. Meta sta esplorando i TPU di Google (chip AI specializzati) come alternative alle GPU dominate da Nvidia. Perché? In parte perché i chip Nvidia sono costosi e scarsi, e in parte perché le aziende vogliono opzioni quando arrivano le fatture di calcolo.
Anche la startup Gestala, che si occupa di interfacce cervello-computer e ha raccolto 21 milioni di dollari solo due mesi dopo il lancio, sta entrando in un mercato dove l’efficienza sarà alla fine importante. Le aziende nelle fasi iniziali possono permettersi di essere inefficienti. Le aziende scalate non possono.
Cosa significa per il futuro dell’AI
La tensione tra costruire AI più potenti e rendere l’AI più efficiente non è realmente una contraddizione—è un processo di maturazione. Ogni tecnologia attraversa questa fase. Le prime automobili erano ingombranti mangiatrici di carburante. I primi computer riempivano intere stanze. I primi smartphone morivano entro l’ora di pranzo.
Stiamo osservando l’AI mentre attraversa la sua rivoluzione di efficienza in tempo reale. Le aziende stanno realizzando che la potenza grezza non è sufficiente; hai bisogno di una gestione della potenza intelligente. I vincitori nella prossima fase dell’AI non saranno solo quelli con i modelli più grandi—saranno quelli che possono eseguire quei modelli economicamente su larga scala.
Per le aziende che stanno considerando l’adozione dell’AI, queste sono buone notizie. Il fatto che aziende come ScaleOps stiano raccogliendo finanziamenti massicci significa che il problema dell’efficienza viene preso sul serio. Le soluzioni stanno arrivando. La fase da far west di “buttare potenza di calcolo e sperare” sta cedendo il passo a metodi più sostenibili.
La scommessa di 130 milioni di dollari su ScaleOps è davvero una scommessa che il futuro dell’AI dipende dal renderla sostenibile a livello economico, non solo dalla possibilità di costruirla. Perché la AI più potente del mondo non conta se nessuno può permettersi di mantenerla in funzione.
🕒 Published: