L’espansione dell’intelligenza artificiale sta portando a un utilizzo sempre più intenso delle risorse di calcolo disponibili. In questo scenario, anche hardware ormai datato continua a mantenere un valore significativo.
È il caso delle NVIDIA A100, acceleratori basati sull’architettura Ampere presentati nel 2020 e ancora oggi impiegati per carichi di lavoro legati all’intelligenza artificiale.
CoreWeave, società specializzata nell’infrastruttura cloud per applicazioni AI, ha confermato di aver sottoscritto un accordo con un cliente per il noleggio di GPU A100 fino al 2029. La notizia è stata inoltre confermata da Jensen Huang, CEO di NVIDIA.
Il dato è particolarmente interessante perché dimostra come una piattaforma hardware introdotta oltre sei anni fa possa mantenere una concreta utilità operativa in un settore caratterizzato da una rapida evoluzione tecnologica.
NVIDIA A100: un acceleratore ancora utilizzabile
La NVIDIA A100 è stata introdotta alla fine del 2020 nella versione basata sul chip GA100, con una configurazione che arriva a 6.912 CUDA Core e fino a 80 GB di memoria HBM2E.
Considerando gli standard delle GPU più recenti, il numero di CUDA Core può apparire ormai modesto. Tuttavia, la capacità e soprattutto la disponibilità della memoria continuano a rappresentare un elemento importante per determinati carichi di lavoro.
L’attuale mercato degli acceleratori per l’intelligenza artificiale è infatti caratterizzato da una forte domanda di memoria ad alta velocità. In questo contesto, anche una GPU di precedente generazione equipaggiata con 80 GB di HBM2E può continuare a risultare interessante per applicazioni che non richiedono necessariamente le prestazioni offerte dagli acceleratori più moderni.
Dalla generazione Ampere alle moderne piattaforme NVIDIA
Dopo Ampere, NVIDIA ha introdotto diverse generazioni di acceleratori, tra cui Hopper e Blackwell, mentre la società ha successivamente portato sul mercato la generazione Rubin.
Queste piattaforme più recenti offrono incrementi significativi in termini di prestazioni, efficienza energetica e capacità di memoria. Nonostante ciò, l’attuale domanda di potenza di calcolo per l’intelligenza artificiale è tale da consentire anche alle generazioni precedenti di trovare ancora spazio nei data center.
La disponibilità di hardware meno recente può inoltre tradursi in costi di accesso inferiori rispetto alle piattaforme di ultima generazione. Per determinati clienti, quindi, una A100 può rappresentare un compromesso interessante tra costo e capacità di elaborazione.
CoreWeave estende la vita operativa delle A100
L’accordo siglato da CoreWeave prevede l’utilizzo delle A100 da parte di un cliente fino al 2029. Si tratta di un orizzonte temporale significativo per un acceleratore presentato nel 2020 e testimonia come il valore di una piattaforma per l’intelligenza artificiale non dipenda esclusivamente dalle prestazioni assolute dell’hardware.
Le A100 possono infatti essere impiegate sia per attività di training, sia per l’inferenza dei modelli di intelligenza artificiale. Non tutti i carichi di lavoro richiedono necessariamente un acceleratore di ultima generazione e, in numerosi scenari, una GPU precedente può continuare a offrire prestazioni sufficienti.
La possibilità di noleggiare queste risorse attraverso un’infrastruttura cloud permette inoltre di utilizzare hardware già disponibile senza dover sostenere direttamente i costi legati all’acquisto e alla gestione di un’infrastruttura proprietaria.
Il ruolo di CUDA nella longevità delle GPU NVIDIA
Secondo Jensen Huang, uno degli elementi fondamentali che contribuiscono alla longevità delle piattaforme NVIDIA è rappresentato dall’ecosistema CUDA.
Il modello software consente infatti agli sviluppatori di lavorare all’interno di una piattaforma comune, facilitando la transizione tra differenti generazioni di acceleratori. Questo approccio permette di aggiornare e ottimizzare l’infrastruttura hardware mantenendo una continuità a livello software.
Nel commentare la notizia, Huang ha sottolineato come la flessibilità offerta da CUDA permetta alle piattaforme NVIDIA di essere utilizzate e aggiornate durante l’intero ciclo di vita operativo.
La compatibilità software diventa un vantaggio competitivo
Il caso della A100 evidenzia un aspetto sempre più importante nel settore dei data center: la longevità di un acceleratore non dipende esclusivamente dalla sua architettura hardware.
Un ecosistema software consolidato può infatti consentire di mantenere operative piattaforme di generazioni precedenti anche quando sul mercato sono già disponibili soluzioni molto più potenti.
In questo senso, la compatibilità con CUDA contribuisce a trasformare le GPU NVIDIA in risorse infrastrutturali con una vita operativa potenzialmente molto lunga. Una GPU che non rappresenta più il riferimento assoluto in termini di prestazioni può comunque continuare a essere utilizzata in presenza di una domanda sufficiente.
A100 ancora protagonista nell’era dell’AI
Il prolungamento dell’utilizzo delle A100 fino al 2029 rappresenta quindi un’interessante conferma della crescente domanda di capacità di calcolo destinata all’intelligenza artificiale.
La disponibilità di acceleratori più recenti e potenti non rende automaticamente inutilizzabili quelli delle generazioni precedenti. Al contrario, in un mercato nel quale le risorse di calcolo sono fortemente richieste, anche hardware con diversi anni sulle spalle può continuare a generare valore.
La A100 dimostra così come prestazioni adeguate, ampia memoria HBM2E, costi di accesso potenzialmente inferiori e compatibilità con CUDA possano estendere considerevolmente il ciclo di vita di un acceleratore.
Una GPU introdotta nel 2020 potrebbe quindi continuare a svolgere attività di AI fino alla fine del decennio, confermando come, nel settore del computing ad alte prestazioni, la vera durata di una piattaforma possa essere molto superiore a quella suggerita dalla semplice successione delle nuove generazioni hardware.
HW Legend Staff
