Nvidia e Valeo raggiungono un accordo su una disputa sui segreti commerciali legata a codice per guida autonoma rubato

Nvidia ha risolto una causa iniziata quando un ex dipendente è entrato in azienda portando segreti commerciali sulla guida autonoma che aveva sottratto al suo precedente lavoro presso Valeo.

L'accordo è diventato pubblico tramite un deposito presso il tribunale federale di San Jose, dove entrambe le parti hanno informato il giudice di aver risolto la controversia. Il tribunale ha quindi cancellato il processo programmato per il mese successivo.

Non sono stati resi noti i termini dell'accordo e nessuna delle due parti ha rivelato gli accordi raggiunti, ma la disputa nasceva da un progetto congiunto per Mercedes-Benz, in cui entrambe le aziende lavoravano a tecnologie per funzionalità di guida avanzata.

Nel 2021, Valeo ha dichiarato che uno dei suoi ingegneri è passato a Nvidia e in seguito ha collaborato a progetti interni presso l'azienda di chip. Durante una videochiamata, il personale di Valeo ha riconosciuto il proprio codice sorgente verbatim sullo schermo dell'ex dipendente e ha scattato uno screenshot prima che chiudesse la finestra.

Quel momento è diventato il nucleo di una causa intentata da Valeo nel 2023, che accusava Nvidia di trarre vantaggio da materiale che non avrebbe mai dovuto lasciare i suoi server.

Il giudice avanza il caso dopo aver esaminato le prove

Un deposito di Nvidia ha respinto l'accusa di aver utilizzato codice rubato per sviluppare il suo sistema di assistenza al parcheggio. L'azienda ha dichiarato di aver "revertito" ogni attività a cui l'ingegnere, Mohammad Moniruzzaman, aveva lavorato.

Nvidia ha affermato di aver anche interrotto i rapporti con Mohammad una volta confermata la questione. Mohammad è stato successivamente condannato in Germania per violazione dei segreti commerciali legati al software di Valeo.

Un giudice ha esaminato gli atti processuali e ha ritenuto che ci fossero sufficienti prove "circostanziali" per permettere a una giuria di valutare il caso.

Questa sentenza è arrivata ad agosto e ha fornito a Valeo la base per sostenere che Nvidia ha tratto valore dai file confidenziali. Il caso è stato archiviato con la denominazione Valeo Schalter und Sensoren GmbH v. Nvidia Corp., 23-cv-05721, presso il tribunale distrettuale degli Stati Uniti per il distretto settentrionale della California.

Google spinge per il supporto TPU per sfidare Nvidia

Mentre Nvidia chiudeva il capitolo legale con Valeo, Google sta minacciando il suo trono, intensificando un nuovo sforzo interno all'azienda chiamato TorchTPU per migliorare le prestazioni dei suoi chip nell'esecuzione di PyTorch, il framework software per l'intelligenza artificiale più utilizzato al mondo.

Il CEO di Alphabet, Sundar Pichai, ha dichiarato agli azionisti durante l'evento del terzo trimestre che il suo obiettivo è rimuovere le barriere che hanno spinto gli sviluppatori a utilizzare l'hardware Nvidia.

Google vuole che le sue Tensor Processing Units (TPU) rappresentino una vera alternativa alle GPU Nvidia, che dominano ancora le installazioni nei data center per il machine learning. Le vendite di TPU alimentano i ricavi del cloud di Google e l'azienda vuole che gli investitori vedano un ritorno sul budget dedicato all'IA.

TorchTPU mira a rendere le TPU pienamente compatibili con gli strumenti già utilizzati dagli sviluppatori. Alcuni team interni a Google stanno anche discutendo se open-sourcere parti del software per accelerarne l'adozione.

PyTorch, fortemente sostenuto da Meta, si trova al centro dello sviluppo moderno dell'IA. In Silicon Valley, pochi ingegneri scrivono istruzioni a basso livello per i chip di Nvidia, AMD o Google. Invece, si affidano a framework con codice pronto all'uso.

PyTorch è stato lanciato nel 2016 ed è cresciuto insieme a CUDA, lo stack software che molti analisti dicono protegga Nvidia dai concorrenti.

I team di Nvidia hanno trascorso anni a far funzionare PyTorch in modo fluido sui loro chip. Google, al confronto, ha addestrato i suoi ingegneri su Jax, abbinato a uno strumento chiamato XLA per le prestazioni sulle TPU.

Questa focalizzazione interna ha creato una distanza tra il modo in cui Google costruisce i sistemi di IA e il modo in cui i clienti scrivono effettivamente i loro modelli. TorchTPU serve a colmare questo divario e a dare alle aziende una ragione per spostare i carichi di lavoro fuori dall'hardware Nvidia.