Tokenomics e AI: La Nuova Frontiera per Salvare i Computer!

Finalmente i PC AI trovano una ragione di esistere: ridurre la spesa aziendale per l’AI

Il mercato dei PC sta vivendo una fase particolarmente interessante e si prospetta un futuro ancora più ricco di cambiamenti significativi. A livello generale, le spedizioni di PC erano previste in calo e questo declino sta effettivamente iniziando a manifestarsi.

L’aumento dei costi di memoria e storage ha portato a un significativo incremento dei prezzi medi di vendita dei PC nell’ultimo anno, influenzando negativamente la domanda, soprattutto tra i consumatori più attenti al prezzo e nei segmenti di mercato dei PC di fascia bassa.

Nonostante ciò, i principali produttori di PC, come Dell, HP e Lenovo, hanno registrato un aumento delle entrate complessive e si aspettano che questa crescita continui fino al 2026. La domanda di PC di fascia alta e più performanti rimane forte e i ricavi generati da queste macchine più costose compensano ampiamente le perdite dei modelli a prezzo più basso. Questo è, di per sé, un fatto interessante e sorprendente.

Tuttavia, credo che potremmo essere sull’orlo di uno spostamento ancora più grande: un significativo aumento della domanda di PC capaci di gestire l’intelligenza artificiale (AI). La crescita esplosiva nell’uso dell’AI nelle imprese sta creando una nuova categoria di spese aziendali, i token, e la necessità di controllare queste spese potrebbe finalmente fornire la giustificazione economica per i PC AI che il settore ha faticato a definire.

Diversi cambiamenti strutturali sono già avvenuti nel modo in cui le aziende considerano le loro necessità informatiche, e altri cambiamenti sono ancora necessari, indicando questa transizione.

In primo luogo, le aziende si sono trovate improvvisamente a dover gestire una nuova categoria di spese multimilionaria: la spesa per l’inferenza AI, sempre più misurata e gestita attraverso il consumo di token. Tra tendenze come il tokenmaxxing e la convinzione ormai generalmente accettata che le aziende rischiano di rimanere indietro rispetto ai concorrenti se non sfruttano le nuove capacità di GenAI e AI agentica il più aggressivamente possibile, le organizzazioni stanno deviando enormi somme di denaro verso qualcosa che prima avevano appena considerato.

Inizialmente, l’entusiasmo generale e il senso di urgenza nell’utilizzare GenAI e AI agentica significava che poco controllo o analisi di questi sforzi erano in corso. Ora, tuttavia, le aziende stanno realizzando che queste questioni di tokenomics rappresenteranno una parte grande e duratura dei loro budget aziendali, quindi si sta prestando molto più attenzione a come questi costi possono essere gestiti.

Inizialmente, quasi tutte le richieste di token venivano inviate a servizi basati su cloud. All’inizio, questo non era una preoccupazione maggiore perché la maggior parte dei token veniva generata gratuitamente, una situazione che è ancora largamente presente in altre parti del mondo, in particolare in Cina.

Questo è cambiato drasticamente circa un anno fa quando i principali fornitori di modelli hanno iniziato a far pagare l’uso dei token. Già abbiamo grandi fornitori di modelli come Anthropic che presumibilmente raggiungono tassi di ricavi annualizzati di 65 miliardi di dollari.

Allo stesso tempo, diversi progressi tecnici stanno aprendo nuove opzioni per la generazione di token. Miglioramenti nelle prestazioni di modelli più piccoli, l’aumento nell’uso di modelli open-weight personalizzabili, e la crescente disponibilità di infrastrutture AI progettate specificamente per i data center aziendali stanno guidando nuovi modi di pensare a come possono essere soddisfatte le esigenze di calcolo focalizzate sull’AI.

Particolarmente notevole è l’ascesa delle architetture AI ibride che combinano il cloud, l’elaborazione on-premise e on-device, offrendo alle organizzazioni più scelte su dove i token sono generati. C’è anche una crescente consapevolezza del fatto che non tutte le richieste AI necessitano di essere gestite da modelli di livello avanzato. Modelli più piccoli e più specializzati possono gestire molte di queste richieste e, in alcune situazioni, fornire risposte migliori e più accurate.

PC AI adeguatamente equipaggiati, come le workstation “deskside” alimentate dal chip GB10 di Nvidia e Ryzen AI Max/Max+ 400x di AMD, si inseriscono perfettamente in questo nuovo scenario. Possono eseguire molti dei modelli più potenti e più compatti che stanno apparirendo ogni giorno e offrire una nuova alternativa economica interessante per la generazione di token.

Infatti, alcuni sostengono che questi sistemi sono capaci di eseguire modelli di livello avanzato di circa un anno fa. Inoltre, a causa del crescente numero di applicazioni AI e piattaforme agentiche che sfruttano modelli open-weight, queste macchine possono essere impiegate in applicazioni e soluzioni più specializzate.

Oltre a tutte queste ragioni tecniche, tuttavia, l’argomento più semplice e convincente per i PC AI è economico, o meglio, tokenomico. Per gli utenti AI sufficientemente intensi, dirottare anche solo il 20% del consumo di token da costosi modelli cloud a inferenze locali potrebbe accorciare significativamente il periodo di ammortamento di un PC AI da 4.000 dollari. In alcuni scenari ad alto utilizzo, questo periodo potrebbe potenzialmente ridursi a mesi anziché anni.

Aggiungendo la possibilità di inviare, diciamo, un altro 30% delle richieste di token a un server GPU on-premise, o a una fabbrica AI aziendale, come le ha denominate Jensen Huang di Nvidia, i risparmi potrebbero essere ancora maggiori.

Naturalmente, ci sarebbe un esborso di capitale iniziale per questi acquisti, ma costruire un modello di ritorno sull’investimento per giustificarli sta diventando ogni giorno più facile. Attingere ai fondi o alle linee di bilancio dei token appena creati che le organizzazioni sono state costrette a stabilire potrebbe rendere l’argomentazione ancora più facile.

Per quanto tutto ciò possa sembrare logico, ci sono certamente ostacoli lungo la strada. In primo luogo, il processo di approvvigionamento dei PC esistente nella maggior parte delle organizzazioni è strutturato in modo tale che non potrebbe mai giustificare questi tipi di acquisti.

Le aziende di solito hanno piani di ciclo di vita di tre-cinque anni per i loro PC e cercano di mantenere i prezzi di acquisto entro l’intervallo storico di 1.000 a 2.000 dollari per i sistemi aziendali. Passare a un dispiegamento su larga scala di macchine significativamente più costose richiederebbe cambiamenti a livello di C-suite ai processi ben stabiliti e probabilmente altamente protetti.

Il cambiamento critico è che le imprese devono smettere di pensare ai PC AI strettamente come acquisti endpoint e iniziare a pensarli come infrastruttura AI distribuita.

In secondo luogo, la sfida di come dividere e orchestrare al meglio i diversi elementi di un singolo prompt AI o flusso di lavoro tra le varie risorse di calcolo in un ambiente AI ibrido deve ancora essere risolta.

Molte organizzazioni stanno chiaramente lavorando su questa sfida, e standard del settore come MCP e A2A aiutano a creare la base di interoperabilità necessaria per un calcolo AI più eterogeneo. Quello che rimane immaturo è lo strato di intelligenza capace di determinare dinamicamente quale modello e risorsa di calcolo dovrebbe gestire ogni parte di un flusso di lavoro in base a capacità, costo, latenza, privacy e disponibilità.

Fortunatamente, stiamo anche vedendo sforzi da parte di alcuni dei più grandi fornitori di modelli per rendere disponibili versioni dei loro modelli in ambienti diversi. Alcuni mesi fa, Google ha annunciato un accordo con Dell che permette alle versioni di Gemini di essere eseguite sull’infrastruttura AI di Dell all’interno delle imprese.

Inoltre, ci sono chiari incentivi economici per aziende come Anthropic e OpenAI a creare strumenti che consentano loro di mantenere un certo grado di utilizzo in un ambiente AI ibrido. Una parte della maggioranza dei prompt AI continuerà probabilmente a richiedere una risposta dai modelli di frontiera più recenti. Creando strumenti che rendano quel processo senza soluzione di continuità, queste aziende possono garantire un livello di utilizzo anche mentre le organizzazioni lavorano per ridurre la loro dipendenza dai modelli di frontiera più recenti, come inevitabilmente faranno.

Per dirla in modo conciso, è meglio orchestrare il 100% dell’attività AI di un’impresa e monetizzarne direttamente il 30% piuttosto che insistere nel processare il 100% e rischiare di essere bypassati.

Per essere chiari, i PC AI non sono l’unica soluzione alla crescente sfida economica creata dal massiccio consumo di token. Allo stesso modo in cui l’uso precoce e sfrenato del cloud computing ha portato alle piattaforme FinOps per gestire il consumo di cloud, è probabile che vedremo un aumento drammatico sia nel numero che nella varietà di soluzioni progettate per aiutare le aziende a gestire le loro sfide di tokenomics man mano che l’uso dell’AI continua a crescere.

Da una prospettiva pratica ed economica, tuttavia, potenti PC AI e workstation possono e dovrebbero dimostrarsi strumenti formidabili nell’aiutare le organizzazioni a raggiungere quegli obiettivi. Ironia della sorte, l’applicazione killer per i PC AI potrebbe non rivelarsi affatto una particolare applicazione AI. Potrebbe semplicemente essere l’economia.

Se le imprese scoprono che mettere più calcolo AI sulle scrivanie dei dipendenti può ridurre significativamente il costo rapidamente crescente dell’inferenza basata su cloud, la tokenomics dell’AI potrebbe finalmente fornire ai PC AI la convincente storia di ritorno sull’investimento che avevano perso.

Bob O’Donnell è il fondatore e analista capo di TECHnalysis Research, LLC, una società di consulenza tecnologica che fornisce servizi di consulenza strategica e ricerca di mercato all’industria tecnologica e alla comunità finanziaria professionale. Puoi seguirlo su Twitter @bobodtech

Messaggi simili:

• Microsoft Lancia Windows 365 Link a $350: Disponibile Ora il Nuovo Client Cloud!
• CyberArk e Wiz collaborano per fornire visibilità e controllo completi per le identità create nel cloud
• Paul McCartney lancia canzone “silenziosa” contro l’IA – Scopri di più!
• Arriva il primo computer biologico commerciale al mondo, funziona con cellule cerebrali umane!
• Apple @ Work: l’intelligenza artificiale generativa avrà un impatto così importante sui manager IT di Apple