Secondo il rapporto di Gartner “Emerging Tech: The Future of AI PCs”, entro il 2026 il 50% dei nuovi PC basati su x86 sarà dotato di processori ottimizzati per l’intelligenza artificiale (AI). Questo rappresenta un notevole incremento rispetto ai livelli trascurabili del 2024.
L’avvento dei processori AI-ottimizzati nei PC
La ragione principale di questa crescita è la carenza di potenza di calcolo e l’inadeguatezza dei tradizionali CPU presenti nella maggior parte degli attuali PC definiti “AI PC”. Tali CPU non sono in grado di eseguire efficientemente algoritmi di AI in termini di consumo energetico e altre risorse, né di fornire la bassa latenza e la capacità di elaborazione parallela necessarie per eseguire applicazioni di AI. Con la crescente domanda di funzionalità di AI nei PC, l’adozione di processori ottimizzati per l’AI diventerà quindi essenziale per soddisfare queste esigenze.
Aziende come Apple, Intel e Qualcomm stanno già compiendo progressi significativi in questa direzione. Apple ha integrato capacità di AI direttamente nella sua linea di processori M per i Mac, mentre Intel ha lanciato il programma Intel Core Ultra per migliorare le capacità di AI su diverse piattaforme PC.
Anche il processore Snapdragon X Elite di Qualcomm presenta notevoli miglioramenti nelle prestazioni di AI per i PC. Questi sforzi sottolineano la domanda sostanziale di capacità di AI nei PC da parte degli utenti finali, che potranno sfruttare appieno i vantaggi di un PC con AI solo attraverso l’integrazione di processori ottimizzati per l’AI e applicazioni software con funzionalità di AI integrate.
AI PC: lo sviluppo software assistito per modelli personalizzati
Entro il 2027, secondo Gartner, il 45% degli AI PC incorporerà strumenti di sviluppo software assistiti dall’AI per creare modelli di AI personalizzati locali, rispetto ai livelli trascurabili del 2024. Questa crescita sarà trainata dalla maturità dell’hardware AI nei PC e dalla necessità di semplificare il processo di creazione di modelli di AI, attualmente complesso e che richiede conoscenze specialistiche. Gli strumenti di sviluppo software assistiti dall’AI, come GitHub Copilot e Google AutoML, renderanno più accessibile la creazione di applicazioni di AI, aprendo opportunità a una gamma più ampia di sviluppatori in vari settori.
Aziende leader nel settore tecnologico stanno già integrando questi strumenti nelle loro piattaforme per migliorare il processo di creazione software e l’esperienza utente, sia per gli sviluppatori che per i non sviluppatori. Utenti finali come piccoli imprenditori, ricercatori e hobbisti potranno creare modelli di AI personalizzati per le loro esigenze specifiche senza la necessità di competenze tecnologiche approfondite. Questa personalizzazione amplierà la portata dello sviluppo di AI e aumenterà la popolarità degli AI PC, fornendo un motivo convincente per sceglierli rispetto ai PC tradizionali.
AI PC: l’integrazione dell’intelligenza distribuita tra cloud e dispositivi
Entro il 2028, secondo le previsioni di Gartner, il 60% dei compiti di AI nei PC sarà gestito attraverso sistemi di intelligenza artificiale distribuita che integrano l’elaborazione on-device e quella cloud. Questo rappresenta un significativo aumento rispetto ai livelli trascurabili del 2024. Gli attuali AI PC sul mercato non offrono funzionalità avanzate come l’analisi in tempo reale, funzioni di sicurezza evolute e esperienze utente personalizzate. Per fornire queste capacità, le funzionalità di AI del PC devono essere integrate con quelle cloud, ed è qui che entra in gioco l’intelligenza artificiale distribuita.
L’AI distribuita consente l’integrazione selettiva di servizi di AI cloud per attività complesse, come l‘AI generativa (GenAI) e i grandi modelli linguistici (LLM), garantendo che gli AI PC siano più reattivi e rispettosi della privacy senza dipendere eccessivamente dai servizi cloud per le operazioni in tempo reale. La spinta verso l’AI distribuita nei PC è sostenuta da investimenti significativi da parte di attori chiave per una nuova era del computing, riflettendo uno spostamento strategico verso un approccio di AI più integrato che mira a colmare il divorzio tra le vastissime risorse del cloud computing e i vantaggi in termini di risposta e privacy offerti dai dispositivi locali.
Le nuove architetture neurali per interpretare dati complessi
Secondo il rapporto di Gartner, entro il 2029 il 20% degli AI PC adotterà architetture neurali avanzate per interpretare dati complessi e risolvere problemi, rispetto ai livelli trascurabili del 2024. L’adozione di queste architetture è trainata dalla ricerca continua di sistemi più intelligenti, come GenAI e LLM più piccoli o efficienti sui PC locali. Gli attuali modelli di AI nei PC spesso faticano con applicazioni del mondo reale complesse, mancando della profondità e flessibilità necessarie per un’efficace operazione locale. Le architetture neurali avanzate, tra cui l’apprendimento profondo e l’apprendimento per rinforzo, mirano a colmare questo divario grazie alle loro migliori capacità di apprendimento.
Gli avanzamenti nell’hardware di calcolo forniscono l’infrastruttura necessaria per far funzionare efficientemente queste reti neurali avanzate. Queste innovazioni supportano i calcoli complessi richiesti e sfruttano il calcolo confidenziale per migliorare la privacy dei dati e ridurre la latenza, accelerando lo sviluppo di applicazioni di AI in modi senza precedenti. Il passaggio verso architetture neurali avanzate negli AI PC richiede però investimenti significativi in ricerca e sviluppo, nonché la collaborazione con esperti di ricerca sull’AI, scienziati dei dati e neuroscienziati cognitivi.
La cybersecurity AI-powered per proteggere i sistemi avanzati
Entro il 2030, secondo Gartner, il 75% degli AI PC adotterà tecnologie di cybersecurity basate sull’intelligenza artificiale per migliorare le difese in tempo reale contro le complesse minacce informatiche e proteggere i sistemi e i dati di AI. Questo rappresenta un notevole incremento rispetto alla percentuale trascurabile di oggi. Con l’aumento dell’adozione degli AI PC, questi diventeranno anche i principali obiettivi per gli attacchi informatici poiché detengono dati più sensibili e un maggiore controllo sui processi critici. Le tradizionali misure di cybersecurity statiche saranno inadeguate.
Le tecnologie di cybersecurity basate sull’AI, che utilizzano un sistema di difesa dinamico e basato sull’apprendimento, diventeranno essenziali per migliorare la capacità di modellazione delle minacce in tempo reale e aumentare l’efficienza dei modelli locali. Questo approccio è cruciale per contrastare minacce persistenti avanzate (APT), ransomware e attacchi zero-day progettati per eludere i metodi di rilevamento tradizionali. La necessità di tecnologie di cybersecurity AI-powered deriva dalle debolezze intrinseche negli ecosistemi di AI complessi e nelle vaste reti in cui operano, che presentano una vasta gamma di minacce informatiche.
