Di seguito tutti gli interventi pubblicati sul sito, in ordine cronologico.

I primi test mostrano un testa a testa tra i nuovi processori per notebook a basso consumo

Il mercato dei processori per computer portatili sta per essere scosso da una nuova ondata di competizione. Da una parte, l'architettura Lunar Lake di Intel, progettata per la massima efficienza; dall'altra, lo Snapdragon X Elite di Qualcomm, che porta la potenza dell'architettura Arm su Windows. I primi benchmark trapelati online offrono un'anteprima di quello che si preannuncia come un duello tecnologico di altissimo livello.

Architettura a confronto: efficienza vs potenza
Intel Lunar Lake rappresenta un cambio di passo significativo per l'azienda, con un design focalizzato sull'efficienza energetica senza sacrificare le prestazioni. Questa nuova generazione di CPU Core Ultra 200V utilizzerà un'architettura disaggregata con chiplet separati per CPU, GPU e controller I/O, assemblati con la tecnologia di packaging avanzata Foveros 3D. Il cuore del processore sarà composto da nuovi P-Core (Performance-core) con architettura "Lion Cove" e nuovi E-Core (Efficient-core) "Skymont". La vera novità è anche nel comparto grafico, con l'adozione della nuova architettura "Battlemage" (Xe2-LPG) che promette un balzo prestazionale notevole.

Dall'altra parte del ring, Qualcomm schiera lo Snapdragon X Elite, un chip che fa leva sui suoi 12 core custom "Oryon" ad alte prestazioni basati su architettura Arm. La strategia di Qualcomm è quella di offrire prestazioni multi-core eccezionali con un consumo energetico contenuto, sfidando direttamente non solo Intel ma anche Apple con i suoi chip della serie M. La sfida per Qualcomm sarà convincere il mercato e gli sviluppatori, garantendo una perfetta compatibilità e ottimizzazione del software tramite l'emulazione e il porting nativo su Windows on Arm.

I risultati dei primi test
Recentemente sono apparsi nel database del noto software di benchmark SiSoftware Sandra i risultati di un campione di ingegneria di un Intel Core Ultra 5 234V (Lunar Lake). I test lo mettono a confronto diretto con lo Snapdragon X Elite. Nei test aritmetici, che misurano la potenza di calcolo pura del processore, il chip Intel ha mostrato prestazioni impressionanti, superando di circa il 10% il concorrente di Qualcomm. Questo indica che i nuovi P-Core e E-Core di Intel sono estremamente competitivi. Tuttavia, nei test che misurano la larghezza di banda della memoria, lo Snapdragon X Elite ha mostrato un vantaggio significativo, quasi il doppio rispetto alla controparte Intel. Questo potrebbe tradursi in prestazioni migliori in applicazioni che richiedono un rapido accesso a grandi quantità di dati.

Specifiche tecniche preliminari

• Intel Core Ultra 200V (Lunar Lake)
  • CPU: 4 P-Core (Lion Cove) + 4 E-Core (Skymont)
  • GPU: Intel Arc "Battlemage" Xe2-LPG (fino a 8 Xe-Core)
  • NPU (Neural Processing Unit): Fino a 48 TOPS
  • Memoria: LPDDR5x integrata sul package
  • Processo produttivo: Intel 20A per il compute tile, TSMC N3B per il SoC tile


• Qualcomm Snapdragon X Elite
  • CPU: 12 Core custom "Oryon"
  • GPU: Qualcomm Adreno custom
  • NPU (Neural Processing Unit): 45 TOPS
  • Memoria: LPDDR5x esterna (fino a 64 GB)
  • Processo produttivo: TSMC 4nm

In conclusione, questi primi dati suggeriscono che la competizione nel segmento dei notebook a basso consumo sarà più agguerrita che mai. Intel sembra aver fatto enormi passi avanti in termini di efficienza e prestazioni per singolo core con Lunar Lake, mentre Qualcomm punta sulla forza bruta del suo design a 12 core e su un ecosistema Arm sempre più maturo. La vera partita si giocherà non solo sui benchmark, ma sull'esperienza utente reale, sulla durata della batteria e sul supporto software che i produttori di PC sapranno garantire per entrambe le piattaforme.

Ricercatori al lavoro per creare algoritmi di IA più efficienti e meno energivori

L'intelligenza artificiale consuma un'enorme quantità di energia, un problema che rischia di frenarne lo sviluppo e l'impatto positivo. Un gruppo di ricercatori del Dipartimento di Fisica e Astronomia dell'Università di Firenze sta affrontando questa sfida, attingendo ai principi della fisica statistica per sviluppare una nuova generazione di algoritmi più efficienti, ispirati direttamente al funzionamento del cervello umano.

Il problema energetico dell'intelligenza artificiale
I modelli di intelligenza artificiale, in particolare quelli generativi come ChatGPT, richiedono una potenza di calcolo immensa per la fase di addestramento. Questo si traduce in un consumo energetico esorbitante. Si stima che l'addestramento di un singolo modello di grandi dimensioni possa consumare l'equivalente del fabbisogno energetico annuale di centinaia di abitazioni. Questa impronta energetica non solo rappresenta un costo economico significativo, ma pone anche seri interrogativi sulla sostenibilità ambientale di questa tecnologia, proprio mentre l'IA viene proposta come strumento per risolvere problemi globali, inclusi quelli legati al cambiamento climatico.

Il cuore del problema risiede negli attuali algoritmi di apprendimento, che sono spesso "brutali" nel loro approccio, richiedendo miliardi di operazioni per apprendere compiti complessi. Il cervello umano, al confronto, è un capolavoro di efficienza: pur eseguendo compiti incredibilmente sofisticati, consuma una frazione minima di energia, paragonabile a quella di una lampadina. È proprio da questa discrepanza che parte la ricerca fiorentina.

La soluzione nella fisica statistica
Il team di Firenze, coordinato dal professor Duccio Fanelli, sta esplorando come i metodi della fisica statistica, la branca della fisica che descrive il comportamento collettivo di sistemi con un gran numero di particelle, possano essere applicati per creare reti neurali più "intelligenti" ed efficienti. L'idea è quella di imitare i meccanismi di apprendimento del cervello, dove le connessioni tra neuroni (le sinapsi) si rafforzano o si indeboliscono in base all'esperienza, in un processo continuo di ottimizzazione che richiede poche risorse.

I ricercatori stanno lavorando su modelli in cui l'apprendimento non è un processo forzato e dispendioso, ma un fenomeno emergente, una proprietà intrinseca della dinamica della rete neurale. Questo approccio potrebbe portare allo sviluppo di algoritmi che apprendono in modo più naturale e, soprattutto, con un consumo energetico drasticamente inferiore.

• Aree chiave della ricerca:
  • Sviluppo di algoritmi di apprendimento "event-driven", che si attivano solo quando necessario.
  • Studio di reti neurali "spiking", che mimano più fedelmente la comunicazione tra neuroni biologici.
  • Implementazione di modelli a basso consumo energetico per applicazioni "edge", ovvero direttamente su dispositivi come smartphone e sensori.
  • Analisi dei sistemi complessi per ottimizzare l'architettura delle reti neurali.

In definitiva, la ricerca condotta a Firenze non mira solo a un miglioramento incrementale, ma a un vero e proprio cambio di paradigma nel campo dell'intelligenza artificiale. Rendere l'IA più sostenibile è una condizione necessaria per sbloccarne appieno il potenziale, assicurando che questa rivoluzione tecnologica possa procedere in armonia con le esigenze del nostro pianeta. La fisica, ancora una volta, potrebbe fornire la chiave per comprendere e plasmare il futuro.