Unconventional AI, la startup guidata da Naveen Rao, ex responsabile AI di Databricks, ha presentato Un-0, il suo primo modello di intelligenza artificiale. Si tratta di un sistema per la generazione di immagini pensato per dimostrare che una nuova architettura di calcolo, basata su oscillatori, può' replicare il comportamento dei modelli AI convenzionali con una promessa ambiziosa: ridurre il consumo energetico dell’inferenza fino a 1.000 volte.
Il rilascio di Un-0 segna il primo passaggio pubblico di una strategia che non punta soltanto a migliorare un modello, ma a ripensare l’infrastruttura su cui i modelli vengono eseguiti. Nel paper associato al lancio, il team di ricerca dell’azienda descrive un modello di generazione immagini pienamente funzionante, costruito usando una simulazione software della nuova architettura. Secondo Rao, è il primo esempio operativo di un diverso tipo di computer applicato all’AI.
L’output di Un-0 viene descritto come simile a quello di sistemi di image generation già' noti, tra cui Stable Diffusion e GPT Image 1 di OpenAI. Il punto centrale, pero', non è' soltanto la qualità' delle immagini prodotte, ma il percorso tecnico usato per arrivarci. Il modello non si appoggia ai chip tradizionali che alimentano il computing convenzionale e gli attuali LLM, ma a una architettura a oscillatori radicalmente diversa.
La versione attuale non gira ancora su chip fisici proprietari. Unconventional AI ha eseguito Un-0 su una simulazione software dei chip a oscillatori che intende realizzare. L’azienda prevede di pubblicare presto gli schemi di un chip reale e, da li', costruire un intero stack di inferenza partendo dalle fondamenta. L’obiettivo è arrivare a offrire capacità' di calcolo AI come un normale provider, ma con un profilo energetico drasticamente inferiore.
Rao ha sintetizzato la visione in modo diretto: l’azienda vuole costruire un nuovo sistema composto dai propri chip, far girare li' i modelli AI e ricevere prompt attraverso un cavo di rete, restituendo inferenze con un consumo pari a 1/1000 rispetto agli approcci attuali. La promessa resta tecnologicamente molto impegnativa, soprattutto per una società' che conta meno di 50 dipendenti, ma intercetta una pressione concreta: la crescita dei costi e della domanda di inferenza.
Negli ultimi anni l’attenzione sull’AI si è concentrata spesso sull’addestramento dei modelli, ma la fase di utilizzo quotidiano, cioè' l’inferenza, è destinata a pesare sempre di più' sulle infrastrutture. Ogni richiesta inviata a un modello deve essere processata, e la moltiplicazione di assistenti, generatori di immagini e applicazioni enterprise rende il tema energetico un vincolo industriale. Rao sostiene che lo scaling dell’AI sia difficile proprio per l’energia, destinata a diventare un limite fondamentale nei prossimi anni.
Per le imprese, un eventuale salto di efficienza avrebbe implicazioni che vanno oltre la bolletta elettrica. Un’inferenza meno energivora potrebbe cambiare il costo unitario dei servizi AI, rendere più' sostenibili applicazioni ad alto volume e ridurre la dipendenza da infrastrutture concentrate in pochi grandi data center. La condizione, naturalmente, è che la simulazione software si traduca in chip reali e in uno stack affidabile, scalabile e competitivo sul piano operativo.
Un-0 è quindi meno un prodotto finito che una dimostrazione di direzione. Mostra che Unconventional AI vuole affrontare il problema dell’AI non soltanto a livello di modello, ma nel punto in cui software, hardware e consumo energetico si incontrano. Se la promessa dei consumi ridotti di 1.000x trovera' conferma nell’hardware, la partita dell’inferenza potrebbe spostarsi dal solo accesso ai modelli alla capacità' di farli funzionare con molta meno energia.