Apple sta valutando l’acquisizione di una o più startup specializzate nei processori per l’intelligenza artificiale, con l’obiettivo di accelerare lo sviluppo di un’infrastruttura server proprietaria capace di eseguire modelli di grandi dimensioni e sostenere l’evoluzione dei servizi basati su Apple Intelligence. L’azienda avrebbe avviato contatti preliminari con diversi produttori emergenti di semiconduttori e coinvolto alcune banche d’investimento nell’analisi delle possibili operazioni.
L’interesse riguarda soprattutto le architetture destinate all’inferenza, cioè alla fase nella quale un modello già addestrato elabora le richieste degli utenti e produce risposte, immagini, azioni o altre forme di output. Questa attività richiede processori capaci di gestire grandi quantità di calcoli paralleli, trasferire rapidamente i dati tra memoria e unità di elaborazione e mantenere un consumo energetico compatibile con il funzionamento continuo dei data center.
La necessità di integrare competenze esterne deriva dai limiti dell’infrastruttura server attualmente utilizzata da Apple. Una parte dei carichi di intelligenza artificiale viene gestita attraverso sistemi basati su M2 Ultra, un processore originariamente progettato per workstation Mac e successivamente adattato all’impiego nei server della piattaforma Private Cloud Compute. Il chip combina due componenti M2 Max attraverso l’interconnessione UltraFusion e offre un’architettura a memoria unificata, nella quale CPU, GPU e Neural Engine possono accedere allo stesso spazio di memoria senza trasferire continuamente i dati tra sottosistemi separati.
Questa configurazione permette di gestire modelli e servizi che richiedono una maggiore capacità rispetto all’esecuzione locale su iPhone, iPad o Mac, mantenendo al tempo stesso un’architettura coerente con quella utilizzata nei dispositivi Apple. Il M2 Ultra rimane però un processore general purpose, progettato per combinare elaborazione grafica, carichi professionali e operazioni di machine learning, non un acceleratore sviluppato specificamente per sostenere l’inferenza di modelli di frontiera all’interno di grandi cluster.
L’espansione delle funzioni generative richiede una quantità crescente di memoria, larghezza di banda e capacità di calcolo. I modelli più avanzati devono elaborare contesti estesi, utilizzare sistemi multimodali, coordinare strumenti e mantenere numerose sessioni simultanee. Quando il servizio viene distribuito a centinaia di milioni di dispositivi, il problema non riguarda soltanto la velocità del singolo processore, ma anche il numero di richieste gestibili da ogni server, il consumo energetico per inferenza e la possibilità di collegare più acceleratori senza creare colli di bottiglia.
Le difficoltà sarebbero emerse anche durante il lavoro sulla nuova generazione di Siri. Apple avrebbe considerato l’esecuzione interna di modelli Gemini attraverso i propri server, ma i sistemi basati su M2 Ultra non avrebbero offerto le prestazioni necessarie per sostenere in modo efficiente i carichi previsti. Alcune elaborazioni potrebbero quindi essere affidate a infrastrutture Google Cloud equipaggiate con acceleratori Nvidia, almeno fino a quando Apple non disporrà di una capacità server proprietaria più avanzata.
Un simile assetto sarebbe tecnicamente funzionale, ma ridurrebbe il controllo diretto dell’azienda sull’infrastruttura utilizzata per alcuni dei servizi più importanti. Apple ha costruito la propria strategia AI intorno alla combinazione tra elaborazione sul dispositivo e Private Cloud Compute, un ambiente server progettato per estendere le capacità del dispositivo senza rinunciare ai principi di protezione dei dati. Una dipendenza significativa da hardware e cloud esterni renderebbe più difficile mantenere un’integrazione completa tra chip, sistema operativo, modelli e requisiti di privacy.
La società sta già lavorando a una nuova generazione di processori server sviluppati specificamente per l’intelligenza artificiale. Il progetto, identificato con il nome in codice Baltra, viene portato avanti insieme a Broadcom e dovrebbe introdurre un’architettura più adatta all’inferenza nei data center rispetto ai chip derivati direttamente dalla linea Mac. Broadcom può contribuire soprattutto sul piano delle interconnessioni ad alta velocità, del networking e dei componenti personalizzati necessari per collegare grandi quantità di acceleratori.
Nei sistemi AI moderni, infatti, le prestazioni complessive dipendono sempre meno dal singolo chip considerato isolatamente. I modelli vengono suddivisi tra più processori, che devono scambiarsi continuamente parametri, attivazioni e dati intermedi. La velocità delle connessioni interne al cluster diventa quindi determinante, perché un acceleratore molto potente può rimanere inutilizzato quando deve attendere informazioni provenienti da altri nodi.
Broadcom possiede una lunga esperienza nello sviluppo di ASIC personalizzati e infrastrutture di rete per data center. La collaborazione potrebbe permettere ad Apple di progettare un processore nel quale unità di calcolo, memoria e collegamenti ad alta velocità vengano ottimizzati congiuntamente per i modelli utilizzati nei propri servizi. Il progetto Baltra risulta tuttavia più complesso e lento del previsto, rendendo necessario individuare soluzioni capaci di colmare il divario tecnologico nel periodo precedente alla disponibilità dei nuovi chip.
Apple potrebbe utilizzare inizialmente server basati su versioni più potenti dei processori Ultra della propria linea M, proseguendo l’evoluzione dell’architettura già impiegata nel Private Cloud Compute. Una soluzione basata su M5 Ultra consentirebbe di aumentare il numero di core, la memoria disponibile e le prestazioni del Neural Engine, mantenendo una piattaforma software compatibile con quella esistente. Non eliminerebbe però completamente la differenza rispetto agli acceleratori dedicati prodotti da Nvidia, Google, Amazon e altri operatori specializzati.
Una successiva generazione basata su M7 Ultra potrebbe puntare a capacità di memoria molto più elevate, fino a circa 1,5 terabyte per sistema. La memoria rappresenta un elemento centrale nell’inferenza dei grandi modelli, perché i parametri devono essere mantenuti il più possibile vicino alle unità di calcolo. Una capacità superiore consente di eseguire modelli più grandi senza distribuire eccessivamente i pesi tra numerosi server, riducendo la quantità di comunicazioni necessarie durante la generazione.
La disponibilità di memoria non è però sufficiente a determinare le prestazioni. Servono anche una larghezza di banda adeguata, sistemi efficienti di quantizzazione, unità specializzate nel calcolo matriciale e un software capace di distribuire correttamente il carico. L’acquisizione di una startup potrebbe fornire ad Apple non soltanto una proprietà intellettuale specifica, ma anche gruppi di ingegneri che hanno già lavorato su compilatori, architetture di memoria, interconnessioni e acceleratori ottimizzati per i transformer.
Le aziende emergenti del settore hanno sviluppato approcci differenti per ridurre la dipendenza dalle GPU tradizionali. Alcune utilizzano ASIC destinati esclusivamente all’inferenza, eliminando le funzioni grafiche non necessarie e riservando una maggiore parte del silicio alle operazioni tensoriali. Altre concentrano il progetto sulla memoria integrata, sulla riduzione del movimento dei dati o sull’esecuzione di modelli quantizzati a precisione ridotta.
Un’acquisizione permetterebbe ad Apple di integrare rapidamente una di queste tecnologie nel proprio programma interno, evitando di partire da zero in settori nei quali i concorrenti hanno accumulato anni di esperienza. Il valore strategico di un’operazione dipenderebbe quindi meno dalle dimensioni commerciali della startup e più dalla compatibilità della sua architettura con i sistemi Apple, dalla qualità del portafoglio brevettuale e dalla possibilità di trasferire il progetto verso processi produttivi utilizzabili su vasta scala.
La produzione dei chip resterebbe probabilmente affidata a partner esterni, in particolare TSMC, che realizza già i processori della serie Apple Silicon. Apple controllerebbe la progettazione dell’architettura, mentre la fabbricazione fisica verrebbe eseguita attraverso nodi produttivi avanzati. Questa separazione consente di personalizzare profondamente il processore senza sostenere i costi necessari per costruire e gestire impianti di produzione di semiconduttori.
L’interesse per le acquisizioni si inserisce in un cambiamento più ampio della strategia aziendale. Apple ha tradizionalmente preferito comprare società di dimensioni contenute, integrando tecnologie e personale all’interno dei propri gruppi di sviluppo. La necessità di recuperare terreno nell’intelligenza artificiale potrebbe portare a operazioni più consistenti, soprattutto quando l’acquisizione permette di ottenere capacità difficili da sviluppare rapidamente soltanto attraverso assunzioni individuali.
L’azienda ha già mostrato una maggiore disponibilità a investire in tecnologie esterne legate ai modelli, all’interazione vocale e all’elaborazione dei segnali. Le competenze ricercate non riguardano esclusivamente il chip server, ma l’intero percorso che collega il modello all’hardware, comprendendo compressione, quantizzazione, compilazione e distribuzione dell’inferenza tra dispositivo e cloud.
La collaborazione con startup impegnate nella riduzione delle dimensioni dei modelli può contribuire a diminuire la pressione sull’infrastruttura. Un modello più compatto richiede meno memoria e meno operazioni per ogni risposta, permettendo di eseguire una quota maggiore delle funzioni direttamente sul dispositivo oppure di aumentare il numero di utenti serviti da ogni processore nel data center. L’ottimizzazione del software e lo sviluppo dell’hardware vengono quindi affrontati come parti dello stesso problema.
La strategia di Apple continua a distinguere tra elaborazione locale e calcolo remoto. Le richieste meno complesse possono essere gestite dal Neural Engine integrato nei dispositivi, evitando il trasferimento dei dati e riducendo i costi del cloud. Le operazioni che richiedono modelli più grandi vengono invece inoltrate al Private Cloud Compute, dove il sistema deve mantenere standard di sicurezza e riservatezza coerenti con quelli del dispositivo.
Per sostenere questo modello ibrido, Apple necessita di un’infrastruttura server capace di eseguire modelli avanzati senza dipendere stabilmente da piattaforme progettate da altri fornitori. Il controllo del processore permette di definire direttamente le caratteristiche della memoria, le istruzioni dedicate, i meccanismi di sicurezza e l’integrazione con il sistema operativo dei server. Consente inoltre di ottimizzare congiuntamente i modelli e l’hardware, seguendo lo stesso approccio adottato con i chip della serie A e M.
Il rafforzamento dell’accordo con Broadcom, esteso fino al 2031, indica che lo sviluppo dei processori AI viene considerato un programma pluriennale. La possibile acquisizione di startup non sostituirebbe necessariamente il progetto Baltra, ma potrebbe fornire tecnologie complementari, accelerare singole componenti e ridurre il rischio legato ai ritardi della roadmap interna.
Apple sta quindi costruendo un percorso composto da più soluzioni parallele: l’utilizzo temporaneo di infrastrutture esterne per alcuni modelli, l’evoluzione dei server basati sui processori Ultra, la progettazione di chip AI personalizzati con Broadcom e la ricerca di tecnologie acquisibili sul mercato. L’obiettivo è ottenere un’infrastruttura proprietaria in grado di sostenere la futura generazione di Siri e degli altri servizi intelligenti, mantenendo sotto il controllo dell’azienda il rapporto tra dispositivi, modelli, processori server e protezione dei dati.