ByteDance avrebbe avviato un progetto per sviluppare processori proprietari destinati ai propri data center, una scelta che evidenzia come l’evoluzione dell’intelligenza artificiale stia modificando profondamente le priorità infrastrutturali del settore. Se negli ultimi anni l’attenzione si è concentrata quasi esclusivamente sulle GPU utilizzate per l’addestramento dei modelli, la crescente diffusione di applicazioni AI operative sta riportando le CPU al centro delle strategie tecnologiche dei grandi operatori.
L’iniziativa sarebbe legata all’espansione dei servizi AI sviluppati dall’azienda, compresi gli ecosistemi basati su agenti intelligenti e piattaforme come Coze. Questi sistemi non si limitano a generare testo o contenuti, ma devono gestire orchestrazione di processi, accesso a strumenti esterni, gestione della memoria, coordinamento di task multipli e interazioni continue con database e applicazioni. In questo tipo di architetture, le CPU svolgono un ruolo fondamentale accanto alle GPU, occupandosi di gran parte delle attività di coordinamento e gestione operativa.
Secondo le informazioni emerse, ByteDance starebbe valutando contemporaneamente due differenti architetture. Una soluzione sarebbe basata su Arm, ormai largamente adottata nei data center moderni grazie all’elevata efficienza energetica, mentre una seconda opzione utilizzerebbe RISC-V, l’architettura open-source che sta attirando crescente interesse per la possibilità di sviluppare processori personalizzati senza dipendere dalle tradizionali licenze proprietarie. La valutazione parallela dei due approcci consentirebbe all’azienda di confrontare prestazioni, costi e flessibilità prima di procedere verso eventuali fasi produttive su larga scala.
La decisione riflette un cambiamento strutturale nel mercato dell’intelligenza artificiale. Con il passaggio progressivo da una fase dominata dal training dei modelli a una sempre più orientata all’inferenza, la domanda di CPU per server sta crescendo rapidamente. I sistemi AI basati su agenti richiedono infatti una stretta collaborazione tra processori generici e acceleratori specializzati, aumentando la pressione sull’intera catena di fornitura hardware.
Negli ultimi mesi il mercato ha registrato forti tensioni nella disponibilità di CPU per data center, con incrementi significativi dei prezzi e tempi di consegna sempre più lunghi. Questa situazione sta spingendo molte grandi aziende tecnologiche a investire nello sviluppo di chip proprietari per ridurre la dipendenza da fornitori esterni e ottimizzare le infrastrutture in funzione dei propri carichi di lavoro specifici.
La strategia di ByteDance segue un percorso già intrapreso da altri hyperscaler globali. Aziende come Google, Amazon e Microsoft hanno investito per anni nello sviluppo di processori personalizzati destinati ai propri data center, ottenendo maggiore controllo sull’infrastruttura e una migliore ottimizzazione dei costi operativi. L’obiettivo non è soltanto ridurre le spese hardware, ma costruire piattaforme progettate specificamente per le esigenze dell’intelligenza artificiale moderna.
Parallelamente, anche il mercato tradizionale dei semiconduttori sta attraversando una fase di trasformazione. Intel e AMD continuano a beneficiare della forte domanda di processori per server, mentre NVIDIA sta espandendo la propria presenza oltre le GPU con nuove famiglie di CPU dedicate ai carichi di lavoro AI. Questo scenario conferma come la competizione futura sull’intelligenza artificiale non dipenderà esclusivamente dalla qualità dei modelli, ma sempre più dalla capacità di controllare e ottimizzare l’intera infrastruttura hardware che li rende operativi su scala globale.