Claude guida il 26% della ricerca e sviluppo, Anthropic lancia il dibattito sul “rallentamento dell’AI” e scatena la discussione su “AI che sviluppa AI”! Il paradigma di allenamento RSI catalizza una massiccia espansione della domanda di potenza computazionale

Secondo quanto riportato da Italian Market News APP, Anthropic, il principale pioniere globale delle applicazioni AI, ha pubblicato il 17 settembre i risultati di una misurazione che mostra come, fino ad agosto, Claude abbia “dominato” il 26% del lavoro di ricerca e sviluppo sull’AI, mentre la quota di lavoro svolto al livello di “collaborazione” o superiore ha superato il 90%. Con Anthropic e OpenAI completamente focalizzati su RSI (Recursive Self-Improvement), il più recente paradigma di training di modelli AI, sia le capacità di ricerca dei laboratori AI all’avanguardia che la scala del capitale continuano ad ampliarsi; così, gli investitori nell’industria AI globale hanno spostato l’attenzione dai soli modelli AI o prodotti agent AI anche verso le piattaforme di R&S e la capacità/l’ambito di infrastrutture di calcolo AI a lungo termine.

Secondo una recente serie di notizie riportate dai media citando fonti informate, nelle discussioni degli investitori con l’altro gigante leader delle applicazioni AI, OpenAI, le nuove trattative di finanziamento coinvolgono una valutazione da 1.200 miliardi di dollari, mentre la società mira a circa 1.500 miliardi di dollari; dopo il round di maggio, Anthropic era stata valutata 965 miliardi, ma ora gli scenari di IPO in discussione prevedono una raccolta fino a 2.000 miliardi di dollari con un massimo di 100 miliardi di nuovo capitale, e la scala di emissione potrebbe eguagliare o superare di gran lunga quella di SpaceX – sottolineando che questa valutazione di 2.000 miliardi rappresenta la valutazione stimata per l’IPO, non il valore di mercato post-quotazione già raggiunto.

Il nuovo modello Astra appena lanciato da OpenAI prolunga ulteriormente la gamma dei compiti professionali che l’AI può assumere; il CEO di Nvidia Jensen Huang ha poi dichiarato tramite i social media che il rilascio di GPT-6 Astra segna “l’arrivo dell’AGI”, mentre il robusto intervallo di ricavi già confermato da Nvidia e le prospettive di vendite future in crescita si associano all’ingresso della ricerca e sviluppo AI nella fase innovativa del “Recursive Self-Improvement (RSI)” – una nuova curva di domanda di calcolo AI in piena espansione. Astra promette di ampliare la richiesta di calcolo AI nel settore business, il percorso RSI, in cui l’AI inizia a “costruire AI”, potrebbe incrementare gli investimenti in sperimentazione, valutazione e training prolungato dei modelli di frontiera, estendendo complessivamente il ciclo di investimenti in capacità di calcolo. Questo spiega il forte rialzo collettivo delle azioni USA legate all’AI computing di giovedì scorso, con l’indice Philadelphia Semiconductor in aumento di oltre il 3%.

Da segnalare che, poco dopo aver svelato che Claude ha contribuito al 26% degli sforzi di ricerca e sviluppo e dato tutto per realizzare la più grande IPO della storia umana, il CEO di Anthropic ha lanciato durante il weekend una forte posizione di “decelerazione AI”; questa settimana, il mercato ha iniziato a prezzare i rischi legati proprio a tale discussione – Anthropic, OpenAI e altri leader globali hanno infatti tutti invitato a rallentare lo sviluppo dei modelli AI di frontiera.

Il dibattito sulla “decelerazione AI” influenza la percezione degli operatori riguardo ai ritmi della ricerca di frontiera, ai percorsi di spesa in capitale e alla compensazione del rischio, ma ciò non implica un arresto nella crescita della domanda per le applicazioni AI già esistenti. Il 12 settembre, Amodei ha chiesto di rallentare il tasso di avanzamento delle capacità dei modelli; Altman ha quindi concordato sulla necessità di controllare il ritmo degli sviluppi più avanzati, anche se il settore non ha ancora adottato una modalità o un’organizzazione esterna per la valutazione e la regolazione.

Claude da solo domina il 26% dell’attività di ricerca! Anthropic rivela l’investimento in AI research e sicurezza

In un rapporto pubblicato giovedì, Anthropic PBC ha reso noto che oltre un quarto dei propri sforzi in ricerca e sviluppo AI è guidato dal proprio chatbot AI di punta Claude o dalla sua linea di prodotti agent AI. Si tratta di uno degli indicatori più trasparenti ad oggi del fatto che l’AI può davvero accelerare significativamente lo sviluppo di modelli futuri.

Secondo questo ultimo rapporto ufficiale rilasciato giovedì, Anthropic ha scoperto che Claude “domina” il 26% dei lavori di ricerca e sviluppo della società, mentre all’inizio dell’anno questa quota era praticamente pari a zero. L’azienda afferma inoltre che Claude collabora con il 90% circa del personale nelle attività lavorative o nei compiti complessi.

Questi dati fanno parte di un report più ampio, che mira ad aiutare il pubblico a tracciare i progressi nello sviluppo AI, andando incontro alle crescenti preoccupazioni relative alla capacità dell’intelligenza artificiale di migliorarsi rapidamente e sfuggire al controllo umano.

L’azienda ha anche riaffermato il suo piano di introdurre valutatori di terze parti appartenenti a diverse organizzazioni all’interno dei suoi processi e di garantire loro accesso equivalente – in termini di flussi interni, sistemi e dati – al personale interno, così da rafforzare la sicurezza della tecnologia AI e i sistemi interni di gestione e controllo del rischio legati all’intelligenza artificiale.

“Le capacità dei sistemi AI stanno migliorando in modo esponenziale e hanno ora automatizzato molti dei propri processi di sviluppo. Di fronte alle prospettive di rallentamento della ricerca AI di frontiera su scala globale, il pubblico necessita di maggiore trasparenza”, scrive la società.

Anthropic è una delle diverse aziende AI focalizzate sul “Recursive Self-Improvement” (RSI), una teoria che prevede la capacità dei sistemi AI di migliorarsi ulteriormente con scarso o nullo supporto umano. Alcune imprese vedono qui il futuro dello sviluppo AI, ma la prospettiva di un superpotere AI di questo tipo solleva non pochi timori sulla sicurezza.

Anthropic ha spiegato nel proprio blog di voler costruire un framework che permetta di tracciare gli agenti e monitorare il volume di lavoro da essi svolto sulla piattaforma. L’azienda dichiara che fino ad agosto erano oltre 30.000 gli agenti impegnati internamente in attività di ricerca e sviluppo ingegneristico nello stesso momento.

Anthropic ha inoltre illustrato come alloca le risorse tra accelerazione dello sviluppo AI e sicurezza AI: in base alle misurazioni, a seconda del tipo specifico di ricerca portata avanti, tra il 6% e il 12% delle risorse computazionali aziendali sono dedicate al monitoraggio della sicurezza.

A inizio settembre anche OpenAI, il principale concorrente nei modelli AI, ha condiviso nel proprio blog i progressi più recenti sull’automazione della ricerca, segnalando che dopo aver rilevato l’intrusione del proprio modello su sistemi esterni della start-up Hugging Face, ha sospeso parte del training dei modelli.

La settimana scorsa, le dimissioni eclatanti del dipendente Anthropic Jacob Cookson hanno reso ancora più acuto il timore per la sopravvivenza umana nell’era dell’AI. Nel suo post di dimissioni sui social media, ha accusato gli sviluppatori AI di “scommettere sulle nostre vite”.

Negli ultimi giorni, diversi CEO di imprese AI tra cui Dario Amodei (Anthropic) e Sam Altman (OpenAI) hanno sollevato pubblicamente l’appello a rallentare lo sviluppo di questa tecnologia per fronteggiare rischi sempre più imprevedibili – sebbene con divergenze sulle modalità di intervento.

Sabato, in un saggio di 3.800 parole, Amodei ha invocato la regolamentazione governativa, invitando il settore tecnologico a sostenere un’ampia iniziativa per rallentare il progresso AI. Questo ha scatenato la feroce opposizione dell’ex Presidente USA Donald Trump, che ha bollato le preoccupazioni sulla tecnologia come “una bufala tecnologica” rifiutando qualsiasi nuova normativa.

Anche altri leader del settore tech hanno reagito. Altman e il CEO di Nvidia Jensen Huang sostengono che le imprese AI possano gestire in modo sicuro autonomamente il ritmo dell’evoluzione; Mark Zuckerberg, CEO di Meta Platforms, sostiene che i laboratori AI debbano affidarsi a valutatori esterni e a consulenti per la sicurezza operativa, garantendo così la sicurezza dei modelli sviluppati.

Dall’“AI research assistant” alla recursive improvement, la domanda di calcolo AI apre nuove dimensioni?

Il significato degli investimenti in Astra e nel Recursive Self-Improvement (RSI) sta nel fatto che sia i modelli AI ad alte prestazioni di frontiera sia la ricerca stessa sull’AI stanno diventando nuovi scenari di consumo prolungato di capacità computazionale. OpenAI, il 6 settembre, ha annunciato di aver raggiunto l’obiettivo di “automated research intern”, in grado di completare, sotto supervisione umana, task che richiedevano giorni di lavoro di tecnici esperti; a metà agosto, ogni giornata di lavoro umano corrispondeva a circa 3,1 giornate di lavoro di agent AI. Questa è una misura delle ore uomo-computer, non della produttività scientifica moltiplicata per 3,1 volte. Da ciò si deduce che l’automazione della ricerca non solo aumenta la generazione di codice e la valutazione degli esperimenti, ma incrementa anche il training dei modelli candidati. Tuttavia, una vera RSI non è ancora lo standard dominante: direzione e allocazione delle risorse sono ancora gestite dagli umani.

Il modello GPT-6 Astra rilasciato da OpenAI e il percorso RSI perseguito dai leader del settore, sono destinati a diventare i due motori centrali della crescita esponenziale della domanda di calcolo AI: ossia, modelli AI sempre più potenti e strumenti applicativi sempre più diffusi, nonché percorsi di training che richiedono volumi di calcolo sempre più elevati, costituiscono la base della robusta crescita della domanda di infrastrutture AI. OpenAI ha recentemente rivelato che Astra ha rafforzato le sue capacità in programmazione, navigazione web, operazioni informatiche ed esecuzione di compiti complessi, ampliando notevolmente lo spettro delle attività pratiche del modello. Il product manager di OpenAI ha dichiarato che la crescente domanda per Astra sta mettendo sotto pressione le infrastrutture; dal 10 settembre l’azienda ha sospeso nuove sottoscrizioni e upgrade per il piano Pro 20X da $200/mese, mentre i vecchi iscritti possono continuare a rinnovare regolarmente.

Il nucleo della Recursive Self-Improvement (RSI) consiste nel far partecipare l’AI allo sviluppo di AI più potenti, e far sì che i nuovi modelli così ottenuti migliorino ulteriormente le proprie capacità, in un feedback loop continuo. Non si tratta di un semplice nuovo algoritmo alternativo al pre-training o al reinforcement learning, ma di un paradigma che copre design sperimentale, scrittura codice, esecuzione esperimenti, valutazione risultati e iterazione dei modelli. I risultati di Anthropic e OpenAI sinora pubblici riguardano l’automazione di R&S sotto supervisione umana, e non un sistema completamente autonomo che si auto-migliora senza intervento umano.

Fino ad agosto, Claude ha “dominato” il 26% del lavoro R&S sull’AI, mentre la collaborazione su o sopra il livello “cooperativo” ha superato il 90%; sulla piattaforma interna più utilizzata della compagnia, ci sono circa 30.000 agent AI attivi nello svolgere in parallelo attività di ricerca e sviluppo ingegneristico. Il significato per l’industria è che l’AI è ormai passata dall’essere uno strumento occasionale per i ricercatori a risorsa esecutiva coinvolta continuativamente nelle fasi di R&S; l’attività di ricerca stessa è ora una fonte importante di domanda prolungata per capacità di calcolo dedotta al ragionamento.

Anthropic e OpenAI puntano sul RSI innanzitutto per aumentare l’efficienza complessiva del ciclo di iterazione delle ricerche, un processo che richiede sempre più esperimenti paralleli e agent AI in funzione continua. Dal punto di vista tecnologico, questi agent possono proporre e filtrare soluzioni, modificare il codice di training, generare configurazioni sperimentali, eseguire test e analizzare risultati – consentendo così agli umani di esplorare più percorsi candidati simultaneamente; in tutto ciò, il ragionamento computazionale degli agent e le attività di programmazione richiedono capacità di calcolo, mentre la verifica delle soluzioni necessita di risorse per training, valutazione ed elaborazione dati.

OpenAI ha dichiarato che fino a metà agosto, ogni giorno lavorativo umano del suo team di ricerca corrispondeva a circa 3,1 giorni di lavoro di un agent AI standard; per i ricercatori di mediana attività, il costo giornaliero del ragionamento via API superava i $600 al giorno (il dato è calcolato per tempo di funzionamento e prezzo di servizio, non indica né produttività multipla né costi di cassa effettivi). L’azienda osserva inoltre che, man mano che la rimozione di altri colli di bottiglia di R&S avanza, la capacità computazionale potrebbe diventare il limite principale. Anche la ricerca sulla sicurezza costituisce un carico di lavoro autonomo: nello studio Anthropic dal 13 al 20 luglio, circa il 6% della potenza computazionale AI totale e il 12% di quella guidata da AI sono stati riservati ai processi legati alla sicurezza AI.

Questi sviluppi di frontiera su RSI e la comparsa del modello Astra AGI dicono che, quando i grandi modelli AI assumeranno in pieno il carico delle attività R&S, il settore non si limiterà più a “investire potenza computazionale nell’addestramento dei modelli”, ma aggiungerà un nuovo ciclo di lavoro – “usare il calcolo per eseguire agent di ricerca, che a loro volta organizzano altri esperimenti”. L’automazione della R&S espande lo spettro degli esperimenti scalabili e aumenta i requisiti su capacità di calcolo, efficienza della schedulazione e affidabilità disponibili.

Il catalizzatore più importante che RSI e Astra portano al tema degli investimenti in calcolo AI non sta solo nella “crescita dei parametri dei modelli”, ma nell’ampliamento delle mansioni che l’AI può svolgere e nell’approfondimento dei processi di esecuzione: ragionamento applicativo per l’utente e ragionamento di ricerca per lo sviluppo dei modelli insieme estendono in modo significativo la domanda a lungo termine per infrastrutture di calcolo AI. RSI e Astra forniscono segnali reali di domanda dal mercato applicativo, permettendo di vedere contemporaneamente “R&S automatizzata + ragionamento lato utente” come motori della crescita del calcolo.

Secondo un nuovo rapporto di TrendForce, il volume di spedizioni dei rack NVL72 crescerà di oltre il 50% YoY nel 2027, il valore complessivo delle forniture rack NVL collegate ai GPU AI Nvidia delle serie GB200/GB300 e alla futura architettura Vera Rubin potrebbe superare i 710 miliardi $ (+214% YoY), includendo sia gli upgrade sia gli aumenti di prezzo. Mentre i modelli avanzati come Astra aumentano la domanda di calcolo AI, Morgan Stanley prevede che la spesa totale in capitale dei principali quattro fornitori cloud e AI USA salirà dai 917 miliardi $ del 2026 agli 1.470 miliardi $ del 2027 e ai 1.640 miliardi $ del 2028; la capacità implementata passerà da 35 gigawatt nel 2025 a 145 gigawatt nel 2028.

Dal punto di vista architetturale, compiti più complessi implicano finestre contestuali più lunghe, più richiami ai modelli, strumenti esecutivi e verifica dei risultati: il prefill deve gestire l’input, il decode genera output in tempo reale, mentre la KV cache occupa sempre più memoria con l’aumentare del contesto e della concorrenza, richiedendo sinergia tra throughput, bandwidth della memoria e capacità totale. Ne consegue che GPU/TPU si dedichino al calcolo dei modelli, CPU all’esecuzione degli strumenti e all’orchestrazione dei compiti, HBM, DRAM di server, storage, rete ad alte prestazioni e dispositivi di interconnessione ottica facilitano il trasporto dati efficiente e la gestione dello stato – tutto ciò va a costituire cluster di server AI in crescita ed estensione, fondamento per servizi operativi sostenibili di domani.