Per Pony.ai, società cinese specializzata nella guida autonoma, la disponibilità di chip è già un problema operativo: la domanda supera ampiamente l’offerta. A descrivere lo squilibrio è il direttore finanziario Leo Wang, che indica nell’accesso alle risorse di calcolo uno dei punti critici affrontati dall’azienda. La risposta segue due direzioni: rendere più efficiente l’impiego dell’hardware disponibile e aumentare il ricorso ai semiconduttori prodotti in Cina. Il piano alternativo prende quindi forma nelle scelte di ingegneria e di approvvigionamento.
Il ruolo di NVIDIA attraversa diversi livelli dell’ecosistema della guida autonoma. Alcune aziende utilizzano i suoi processori automotive per eseguire il software che gestisce la guida automatizzata; altre impiegano le GPU per addestrare i modelli. Sono due utilizzi distinti: nel primo caso il calcolo serve al funzionamento del sistema sul veicolo, nel secondo alla preparazione dei modelli. La dipendenza dal fornitore assume così forme diverse, con esigenze che cambiano da un’azienda all’altra e secondo la fase di sviluppo della tecnologia.
Esistono poi collaborazioni più estese, definite full-stack, che coinvolgono Mercedes-Benz, Zoox e Wayve. Il ventaglio degli accordi mostra quanto sia articolata la presenza di NVIDIA nel settore: dalla fornitura di componenti per una funzione specifica a partnership che coprono uno spettro più ampio della tecnologia. Per le imprese impegnate nella guida autonoma, la disponibilità dell’hardware si intreccia quindi con il modo in cui vengono costruiti e sviluppati i sistemi.
La prima leva adottata da Pony.ai riguarda l’efficienza del calcolo. Agli ingegneri viene chiesto di utilizzare nel modo più efficiente possibile le risorse dedicate ai modelli di addestramento. Wang porta un esempio concreto: ricorrere a capacità di fascia intermedia al posto di quelle di fascia alta. La scelta sposta una parte della risposta alla scarsità di chip dentro il lavoro tecnico dell’azienda, attraverso l’adattamento delle risorse impiegate. L’accesso ai processori più avanzati diventa così una variabile con cui confrontare le esigenze dell’addestramento.
La seconda leva è il ricorso crescente ai chip prodotti in Cina, utilizzati per contribuire a colmare il divario tra domanda e disponibilità. Wang osserva che negli ultimi anni questi semiconduttori hanno ricevuto attenzione e investimenti nello sviluppo, diventando un’altra opzione per l’addestramento dell’intelligenza artificiale. «Credo che questo ci dia una certa flessibilità», afferma. Per Pony.ai, ampliare le alternative significa poter distribuire le esigenze di calcolo su un insieme più ampio di risorse, affiancando alla ricerca di efficienza una diversa scelta dei fornitori.
L’eventualità di ulteriori restrizioni alle esportazioni dei chip NVIDIA verso la Cina incontra dunque un settore che si sta già preparando. Alla domanda su un possibile irrigidimento dei controlli, Wang risponde che la situazione si sviluppa da un paio d’anni e che le aziende cinesi sperimentano da tempo un piano B. Nella sua valutazione, le alternative sono già disponibili: la preparazione consiste nel praticare percorsi diversi, maturati mentre l’accesso alle tecnologie di calcolo diventava una questione sempre più concreta per gli operatori.
Il nodo ancora aperto riguarda il rapporto tra costi e prestazioni. Wang riconosce che le opzioni alternative probabilmente non rappresentano ancora la scelta più conveniente, pur essendo più mature rispetto a qualche anno fa. Per le imprese, la decisione comprende quindi sia la possibilità di ottenere capacità di calcolo sia le condizioni economiche alle quali utilizzarla. È su questo equilibrio che si misura il passaggio dalla disponibilità di un’alternativa alla sua adozione nell’addestramento dei modelli di guida autonoma.