Far funzionare un modello di intelligenza artificiale su un nuovo chip non è mai banale: non basta copiarlo in memoria e premere avvio. Dietro le quinte serve un lavoro enorme di adattamento, ottimizzazione e test che può richiedere giorni, se non settimane. Un collo di bottiglia che la startup americana Lola Vision Systems vuole eliminare.
Un traduttore tra AI e silicio
L'azienda sta mettendo a punto una sorta di compiler toolchain: un insieme di strumenti software che prende il codice di un modello e lo converte nelle istruzioni che uno specifico chip è realmente in grado di eseguire. Ogni piattaforma hardware ha caratteristiche diverse, quindi portare lo stesso modello su un altro processore può significare ripetere gran parte del lavoro da capo. Secondo il fondatore Tayo Adesanya, solo arrivare alla fase iniziale di test può richiedere circa 200 ore di lavoro manuale.
Perché è una svolta
Se Lola Vision riuscirà nell'intento, le aziende potranno distribuire i loro modelli AI su una gamma molto più ampia di processori senza dover riscrivere ogni volta l'infrastruttura. Un vantaggio enorme in un settore dove la corsa all'hardware specializzato – dalle GPU ai chip per l'inferenza – è sempre più agguerrita. La startup non ha ancora reso pubblici i dettagli tecnici completi, ma la promessa è chiara: azzerare il lavoro ripetitivo e rendere l'AI portabile su qualsiasi silicio.
Resta da capire quanto la soluzione sarà matura e se riuscirà a imporsi in un ecosistema dominato da giganti come Nvidia e AMD. Di certo, il problema che Lola Vision affronta è reale e sentito da chiunque sviluppi AI su larga scala.
