JH Explorer in Belgio: l'innovazione nel settore dei semiconduttori
Richard Clode, Gestore di portafoglio, è entusiasta delle moderne innovazioni presentate alla Conferenza Mondiale ITF di Anversa per affrontare il problema del consumo energetico dei semiconduttori, un aspetto cruciale nello sviluppo dell'intelligenza artificiale generativa.
2 min di visione
In sintesi
- L'industria dei semiconduttori deve affrontare la sfida di ridurre il consumo energetico nei data center, in progressivo aumento a causa dalle crescenti richieste di modelli linguistici avanzati di grandi dimensioni nell'AI generativa.
- L'industria sta compiendo grandi progressi nel consumo energetico sostenibile grazie a moderne innovazioni nel campo della litografia olistica, della backside power delivery e degli strumenti EUV.
- Questo fa crescere il nostro entusiasmo per il settore dei semiconduttori e il suo ruolo di miglioramento dell'efficienza, in un futuro dominato dall'AI generativa.
La serie JH Explorer segue i nostri team di investimento in tutto il mondo e condivide la loro ricerca sul campo a livello di Paese e di società. |
Backside power delivery: tecnica di instradamento delle linee di alimentazione sul retro di un chip semiconduttore o di un circuito integrato, anziché sul lato anteriore, come di consueto. Questo approccio aumenta la densità logica e migliora potenza e performance.
EUV: la litografia ultravioletta estrema è un tipo di fotolitografia che utilizza la luce ultravioletta estrema per creare modelli complessi su materiali semiconduttori ed è progredita grazie all'uso di lunghezze d'onda sempre più corte.
Gate-all-around transistor: la tecnologia GAA è una nuova tecnologia di processo di semiproduzione che può contribuire a migliorare la scalabilità del silicio, in modo che i transistor possano trasportare una maggiore quantità di corrente mantenendo dimensioni relativamente ridotte.
AI generativa: si riferisce a modelli di apprendimento strutturato profondo che si addestrano su grandi volumi di dati grezzi per generare "nuovi contenuti", in forma di testo, immagini, audio e video.
Inferenza: la prima fase dell'apprendimento automatico è la fase di addestramento in cui l'intelligenza viene sviluppata registrando, memorizzando ed etichettando le informazioni. Nella seconda fase, il motore di inferenza applica regole logiche alla base di conoscenza per valutare e analizzare nuove informazioni, che possono essere utilizzate per aumentare il processo decisionale umano.
Modello linguistico di grandi dimensioni (LLM): un tipo specializzato di intelligenza artificiale che è stato addestrato su grandi quantità di testi per comprendere i contenuti esistenti e generare contenuti originali.
Il nostro approccio di integrazione ESG: ponderato, pratico, basato sulla ricerca e lungimirante
Sto partecipando alla Conferenza Mondiale ITF, uno dei principali eventi dell'industria dei semiconduttori a livello globale che si svolge ad Anversa, in Belgio, perché è qui che ha sede IMEC, uno dei più importanti laboratori R&S dell'industria dei semiconduttori, tra i maggiori promotori dell'innovazione nell'industria dei semiconduttori degli ultimi 40 anni.
Uno dei temi centrali della conferenza è che l'industria dei semiconduttori deve affrontare uno dei problemi più grandi di sempre, ovvero la crescita esponenziale del consumo energetico e dei data center necessari all'addestramento e all'inferenza di modelli linguistici di grandi dimensioni (LLM), mentre entriamo nell'era dell'AI generativa.
E la risposta delle aziende di semiconduttori è: "Risolveremo questo problema". I loro piani d'azione e le loro pipeline includono moltissime innovazioni, che contribuiranno a ridurre e ad appiattire la curva del consumo energetico, come durante l'era di Internet, attraverso il passaggio ai transistor gate-all-around o alla backside power delivery. È in atto un'innovazione sul fronte delle apparecchiature per semiconduttori, grazie alla litografia olistica per l'apprendimento automatico. Gli strumenti EUV possono generare un rendimento molto più elevato, e a questo si aggiungono software innovativi. Dunque, la soluzione al problema è completa, che si tratti di algoritmi in grado di ridurre la quantità dei calcoli necessari a mantenere l'accuratezza di questi modelli linguistici di grandi dimensioni, e a farlo molto più velocemente e con consumi energetici inferiori, o di dispositivi edge in grado di fare inferenza localmente sul dispositivo senza dover tornare al centro dati, il che richiede un'ingente quantità di larghezza di banda e, quindi, di consumo energetico supplementare. Pertanto, nell'intero ecosistema e lungo la filiera l'industria dei semiconduttori sta offrendo soluzioni innovative per affrontare una delle principali sfide del nostro tempo. Ci auguriamo che questo crei grandi opportunità di investimento, ed per questo che mi trovo qui oggi.
Queste sono le opinioni dell'autore al momento della pubblicazione e possono differire da quelle di altri individui/team di Janus Henderson Investors. I riferimenti a singoli titoli non costituiscono una raccomandazione all'acquisto, alla vendita o alla detenzione di un titolo, di una strategia d'investimento o di un settore di mercato e non devono essere considerati redditizi. Janus Henderson Investors, le sue affiliate o i suoi dipendenti possono avere un’esposizione nei titoli citati.
Le performance passate non sono indicative dei rendimenti futuri. Tutti i dati dei rendimenti includono sia il reddito che le plusvalenze o le eventuali perdite ma sono al lordo dei costi delle commissioni dovuti al momento dell'emissione.
Le informazioni contenute in questo articolo non devono essere intese come una guida all'investimento.
Comunicazione di Marketing.