Intel, Google, Qualcomm e Samsung stanno collaborando per contrastare l’egemonia di Nvidia nel settore dei semiconduttori per l’intelligenza artificiale (AI). Il loro obiettivo è sviluppare un progetto open source che consenta l’implementazione dell’intelligenza artificiale su diversi hardware e software, non limitandosi alle sole GPU Nvidia e al software CUDA.
Il progetto, gestito dalla “UXL Foundation” guidata da queste aziende, mira a offrire una soluzione alternativa alla piattaforma CUDA di Nvidia. CUDA è diventato uno strumento fondamentale per gli sviluppatori di intelligenza artificiale, ma i programmi creati con esso funzionano solo sulle GPU Nvidia, limitando così le opzioni degli sviluppatori.
L’UXL Foundation, fondata lo scorso anno, vuole sviluppare un software open source che funzioni su qualsiasi dispositivo, indipendentemente dal chip o dall’hardware utilizzato. Questo permetterebbe agli sviluppatori di avere più scelte e aumenterebbe la produttività nel campo dell’intelligenza artificiale.
Il comitato direttivo tecnico di UXL prevede di finalizzare le specifiche tecniche entro la prima metà di quest’anno e di stabilire i dettagli tecnici entro la fine dell’anno. L’obiettivo futuro è di espandere la collaborazione con altre società, inclusi i fornitori di servizi cloud come AWS e Microsoft, e altre società di sviluppo di chip.
Fin dal suo lancio, UXL ha ricevuto donazioni tecnologiche da aziende associate e terze parti interessate all’uso della tecnologia open source. Alcune tecnologie, come “OneAPI” di Intel, sono già state integrate nel progetto, creando un modello di programmazione standard per l’intelligenza artificiale che supporta l’hardware e il software di Nvidia.
Anche altre aziende stanno cercando alternative a CUDA. Intel ha avviato il “Programma di accelerazione PC AI” per sviluppare intelligenza artificiale su PC utilizzando i propri chip. AMD ha acquisito la startup “Node.AI” per creare software aperto ottimizzato per i suoi chip, mentre la startup “Modula” sta sviluppando un software alternativo a CUDA.
Nonostante gli sforzi delle aziende concorrenti, gli esperti ritengono che superare CUDA non sarà facile, considerando il suo utilizzo diffuso e la vasta quantità di codice scritto per essa nel corso degli anni.