L’evoluzione rapida dei carichi di lavoro dell’IA, in particolare dei Large Language Models, mette in evidenza i limiti delle architetture di calcolo attuali in termini di efficienza energetica, banda di memoria e capacità di adattamento. Il seminario discute come nessuna singola architettura (CPU, GPU, FPGA, ASIC o PIM) sia sufficiente per supportare efficacemente tutti i tipi di workload e presenta il paradigma del Cooperative Heterogeneous Computing, dove più acceleratori specializzati collaborano in modo energeticamente efficiente. Viene approfondito il ruolo cruciale della computazione riconfigurabile—dagli FPGA ai sistemi PIM riconfigurabili—per garantire flessibilità, ridurre l’obsolescenza hardware e ottimizzare operazioni sia compute‑bound sia memory‑bound. Il seminario propone infine una roadmap architetturale basata sull’energia, che integra riconfigurabilità a vari livelli del sistema per affrontare l’evoluzione continua dei modelli di IA.
(Per maggiori dettagli, si rimanda alla versione inglese del sito)