Pat Gelsinger ha lasciato la presidenza del CEO di Intel alla fine del 2024. Non si è preso una pausa. Ha programmato 100 incontri in 180 giorni. L’obiettivo era semplice: restringere il campo. Aveva bisogno di sapere cosa sarebbe successo dopo.
A marzo la risposta era chiara. È entrato a far parte di Playground Capital come socio accomandatario. L’azienda punta alla tecnologia profonda. Nello specifico, l’hardware che alimenta la prossima generazione di computer.
Gelsinger ha un’ossessione specifica in questo momento: la luce.
Vuole utilizzare la litografia avanzata per riavviare la Legge di Moore. Gordon Moore predisse che la densità dei transistor sarebbe raddoppiata ogni due anni. Ciò durò decenni. Adesso è in fase di stallo. Ridurre i transistor ai limiti atomici è costoso. Sta colpendo le barriere fisiche.
La soluzione, secondo Gelsinger, consiste nell’incidere i chip con fasci di luce su scala nanometrica.
La soluzione leggera ai colli di bottiglia dell’hardware
La litografia attuale si basa sulla luce ultravioletta da 13,5 nanometri. Questo è lo standard stabilito da ASML, il monopolio olandese sulle macchine per la produzione di chip. Funziona. Ma è al limite di ciò che è pratico.
Gelsinger sostiene xLight, una società in portafoglio in Playground. xLight sta sviluppando nuove tecniche di litografia utilizzando laser a elettroni liberi. L’obiettivo? Riduci le lunghezze d’onda della luce fino a 2, 3, 4 o 5 nanometri. Una luce più piccola significa caratteristiche più piccole. Più transistor. Patatine migliori.
Non si tratta di sconfiggere l’ASML. Si tratta di aggiornare il motore.
“Vogliamo collegare la nostra sorgente luminosa e migliorare le macchine AS ML.”
Se funziona, sblocca prestazioni che le modifiche di progettazione tradizionali non possono eguagliare. Altre innovazioni come nuovi materiali o superconduttori stanno emergendo. Tutti si scontrano con lo stesso muro. Non puoi stampare il circuito se non puoi inciderlo con una luce ad alta risoluzione.
Come Pat Gelsinger esamina le startup Deep Tech
Software interrotto dall’intelligenza artificiale. Ora sta attirando il capitale di rischio verso l’hardware.
La maggior parte dei VC non sa come scommettere sulla deep tech. Una volta lo facevano. Ora stanno indovinando. Gelsinger non indovina. Porta al tavolo un team di ingegneri, dottorandi e professori. Il loro processo è rigoroso.
Cercano il problema difficile. Il fondatore può spiegarlo? È risolvibile? Ci sono altre due o tre aziende che inseguono la stessa idea? Raramente trovi un unicorno isolato. Trovi cluster. Scegli il migliore.
“Voglio fare cose che contano”, dice Gelsinger. “Se ci riescono, fai la differenza.”
Il private equity offre assegni più grandi. Ma è ingegneria finanziaria. Gelsinger vuole costruire. Vuole promuovere la scienza. Sta cercando il limite della scoperta.
Crisi energetica dell’intelligenza artificiale e cambiamento dell’hardware
La formazione dei modelli di intelligenza artificiale era la fonte di denaro. Lo è ancora, per ora. Ma l’inferenza è altalenante. Le aziende si formeranno una volta. Utilizzeranno il modello milioni di volte. È qui che si trovano il volume e l’opportunità.
Le GPU hanno gestito bene l’addestramento. Vanno bene per l’inferenza. Ma non sono ottimali. Nvidia lo sa. Ecco perché affari come quello con Groq contano.
La prossima ondata di chip AI non assomiglierà alle GPU di oggi. Saranno eterogenei. Venditori misti. Sistemi armonizzati.
La memoria è un altro collo di bottiglia. La memoria ad alta larghezza di banda è l’attuale re. Ma è difettoso. Entro il 2030 domineranno le architetture di memoria stacked. Aziende come d-Matrix, Fractile, Cerebras e Alva Energy stanno rompendo gli schemi attuali.
L’energia è il vero vincolo. Negli ultimi dieci anni gli Stati Uniti hanno ampliato la capacità energetica a una sola cifra. Questo è inaccettabile.
Nell’era dell’intelligenza artificiale, l’energia è capacità economica.
“Eravamo così presi dal clima”, osserva Gelsinger, “che ci siamo dimenticati della capacità”.
Le nuove turbine a gas impiegano otto anni per essere fornite. Per il nucleare ci vuole un decennio. Il solare fa affidamento sulla Cina. Alva Energy di Gelsinger si concentra sull’ammodernamento degli impianti nucleari esistenti. Percorso più veloce. Raccogli valore ora. Riaccendere la build più tardi.
I vincitori non avranno solo chip intelligenti. Avranno potere.
La regolamentazione statunitense soffocherà la leadership nell’intelligenza artificiale?
L’amministrazione americana è bloccata. Vuole guidare l’intelligenza artificiale. Ma vuole anche controllarlo. Controlli sulle esportazioni di trucioli. Interventi nelle liberatorie dei modelli. Leva.
Gelsinger non vede alcuna contraddizione. Vuole che vincano i valori occidentali. Non cinese.
La tecnologia si muove troppo velocemente per una regolamentazione lenta. Un importante modello fondamentale viene rilasciato ogni quattro settimane. Cosa regoli? Sicurezza? Qualità? Integrità?
“Chi decide?” chiede.
Vuole trasparenza. Vuole sapere su quali modelli proprietari vengono addestrati. Vuole un benchmarking rigoroso. Vuole che i requisiti di sicurezza siano integrati fin dall’inizio.
Se l’industria non riesce ad autoregolamentarsi, deve intervenire il governo. Questo è l’unico modo per garantire che i modelli non siano solo i primi, ma anche sicuri.
La domanda aperta
Gelsinger ritiene che la chiave sia la luce. Non solo per la Legge di Moore. Ma per l’efficienza. Per il potere. Per il prossimo decennio di informatica.
Sta scommettendo su una squadra in grado di stampare con una luce a 2 nanometri. Sta scommettendo sugli aggiornamenti nucleari. Scommette che l’eterogeneità prevarrà sui progetti GPU monolitici.
Funzionerà?
Nessuno lo sa per certo. La scienza sta ancora dimostrando le cose. La fisica è difficile. Il denaro è reale. Il tempo stringe.
Gelsinger ha appena iniziato. La domanda è se l’industria riuscirà a tenere il passo con il ritmo che sta fissando. O se la luce, come la legge, finalmente si oscurerà.
