Come Nvidia sta trasformando i token AI nella più recente risorsa strategica del mondo

Jensen Huang vuole consegnare agli ingegneri un nuovo tipo di benefit insieme ai loro stipendi, un budget di token AI che potrebbe valere decine di migliaia di dollari all'anno.

Il chief executive di NVIDIA ha fatto la proposta alla conferenza annuale GPU Technology Conference della società, dove ha descritto i token, le unità di base che i sistemi AI utilizzano per eseguire compiti, come uno strumento di reclutamento emergente a Silicon Valley.

L'idea si inserisce in un quadro più ampio che Huang sta dipingendo del luogo di lavoro moderno. A suo avviso, i lavoratori gestiranno presto grandi team di agenti AI, programmi software in grado di completare lavori complicati e multi-step da soli.

Huang ha dichiarato che, sebbene NVIDIA impieghi ora 42.000 persone, prevede che questa cifra sarà presto oscurata da "centinaia di migliaia" di "dipendenti digitali". In quello scenario, i data center diventano ciò che Huang definisce "fabbriche AI", stabilimenti che producono token nello stesso modo in cui le fabbriche producono cose.

Huang sostiene che i token siano diventati la valuta principale del settore tecnologico.

"Se la potenza di calcolo viene paragonata a una macchina per stampare denaro, i token sono la vera valuta dell'era AI", ha detto. La potenza di calcolo, ha aggiunto, ora funziona come i ricavi: senza di essa, non è possibile generare token e, senza token, la crescita si ferma.

Nuovi chip, numeri più grandi

NVIDIA ha citato la sua nuova architettura di chip Grace Blackwell per supportare tale affermazione. Secondo l'azienda, può elaborare 5.000 token al secondo, rispetto a circa 700 su una configurazione Hopper, e fornisce 50 volte il throughput della vecchia piattaforma Hopper.

Il salto, secondo Huang, è stato un calcolo calcolato fatto mentre Hopper stava ancora andando bene. Ha definito Grace Blackwell l'unica infrastruttura su cui le aziende possono espandersi con fiducia, sia in una cloud privata che a livello internazionale.

Secondo Huang, gli aumenti di efficienza sono importanti perché una volta che un'azienda costruisce un data center su scala gigawatt, la sua capacità di alimentazione è praticamente fissa.

"Il tuo carico di lavoro è l'inferenza, i tuoi token sono la tua merce e quel calcolo è il tuo ricavo", ha detto. "Ogni azienda penserà all'efficienza dei token."

NVIDIA sta già lavorando alla sua prossima piattaforma, chiamata Vera Rubin, che è progettata per l'addestramento di grandi modelli AI e per eseguirli continuamente.

Huang ha suggerito che i servizi AI probabilmente si orienteranno verso una tariffazione a livelli in futuro, con un accesso gratuito di livello base da un lato e livelli premium che costano fino a 150 dollari per milione di token dall'altro.

Altri grandi attori si stanno muovendo nella stessa direzione. Alibaba ha recentemente riorganizzato parti del suo business per creare il Gruppo di Business Alibaba Token Hub, guidato dal CEO Eddie Wu Yongming. L'unità ha lo scopo di riunire tutti i prodotti AI di Alibaba sotto un unico obiettivo: costruire, consegnare e utilizzare i token.

Lavori, costi e carenza di talenti

Ma il cambiamento non è privo di complicazioni.

Un recente sondaggio ha rilevato che il 98% dei dirigenti di vertice crede che l'AI alla fine ridurrà il numero di dipendenti, ma il 54% dice che trovare talenti qualificati è ancora la loro sfida più grande.

Goldman Sachs ha stimato che l'AI potrebbe automatizzare il lavoro che rappresenta il 25% di tutte le ore lavorative negli Stati Uniti. L'economista globale senior di Goldman Joseph Briggs ha riconosciuto che la transizione non sarà fluida, ma ha detto che la storia mostra che la nuova tecnologia alla fine crea lavori che non esistevano precedentemente.

Per le piccole aziende, i costi stanno già mordendo.

I fondatori di startup dicono che ogni compito completato dall'AI ha un prezzo in token. Diversi principali fornitori di AI hanno recentemente aumentato i prezzi dal 5% al 30%.

Bruno Guicardi, presidente dell'azienda IT CI&T, ha descritto il cambiamento come uno in cui gli ingegneri ora istruiscono i computer in inglese semplice invece di scrivere codice.

In quell'ambiente, sapere quando e come usare l'AI e ottenere un valore reale da ogni token speso è ciò che separa un buon giudizio da uno spreco di denaro.