Un chip ispirato al cervello promette di tagliare del 70% i consumi energetici dell’intelligenza artificiale
Quando si parla di consumo energetico dell’intelligenza artificiale, i numeri fanno girare la testa. I data center che alimentano i modelli di IA più avanzati divorano elettricità a ritmi impressionanti, e la situazione peggiora man mano che queste tecnologie si diffondono. Ecco perché fa notizia il lavoro di un gruppo di ricercatori dell’Università di Cambridge, che ha sviluppato un nuovo chip neuromorfico capace, almeno in teoria, di ridurre i consumi fino al 70%. Non è fantascienza: i risultati sono stati pubblicati sulla rivista Science Advances nell’aprile 2026, e il dispositivo funziona imitando il modo in cui il cervello umano elabora e conserva le informazioni.
Il cuore di questa innovazione è un componente chiamato memristore, realizzato con una versione modificata dell’ossido di afnio. A differenza dei chip tradizionali, che sprecano energia spostando continuamente dati tra unità di memoria e unità di calcolo, questo dispositivo fa tutto nello stesso posto. Proprio come fanno i neuroni biologici, che processano e memorizzano simultaneamente. Il team guidato dal dottor Babak Bakhit ha aggiunto stronzio e titanio al materiale, creando delle micro giunzioni elettroniche tra gli strati del film sottile. Il risultato è un meccanismo di commutazione molto più controllato e affidabile rispetto ai memristori convenzionali, che si basano su filamenti conduttivi imprevedibili e spesso richiedono tensioni elevate.
Prestazioni da record e comportamenti che ricordano quelli biologici
I test di laboratorio hanno restituito dati notevoli. Le correnti di commutazione del nuovo dispositivo sono circa un milione di volte inferiori rispetto ad alcuni memristori a base di ossido già esistenti. Il chip è rimasto stabile per decine di migliaia di cicli e ha dimostrato di poter raggiungere centinaia di livelli di conduttanza stabili, un requisito fondamentale per il cosiddetto computing analogico in memoria. Ancora più interessante: il dispositivo ha replicato comportamenti tipici dell’apprendimento biologico, come la plasticità dipendente dal tempo degli impulsi, quel meccanismo che permette ai neuroni di rafforzare o indebolire le proprie connessioni in base alla tempistica dei segnali. “Queste sono le proprietà necessarie se si vuole un hardware capace di imparare e adattarsi, non solo di immagazzinare bit”, ha spiegato Bakhit.
Le sfide che restano prima di vedere questo chip sul mercato
Nonostante i risultati promettenti, la strada verso la produzione su larga scala non è priva di ostacoli. Il processo di fabbricazione attuale richiede temperature intorno ai 700°C, decisamente troppo alte per essere compatibili con le linee produttive standard dei semiconduttori. Lo stesso Bakhit lo ammette con franchezza: è la sfida principale su cui il team sta lavorando adesso, cercando di abbassare le temperature senza compromettere le prestazioni del dispositivo.
Dietro questa svolta ci sono quasi tre anni di tentativi e fallimenti. Il salto di qualità è arrivato verso la fine del 2025, quando Bakhit ha modificato il processo aggiungendo ossigeno solo dopo la formazione del primo strato. “I fallimenti sono stati tantissimi”, ha raccontato. “Ma se riusciremo a risolvere il problema della temperatura, questa tecnologia potrebbe cambiare le regole del gioco, perché il consumo energetico è drasticamente più basso e le prestazioni sono estremamente promettenti.”
L’Università di Cambridge ha già depositato un brevetto tramite Cambridge Enterprise. Il progetto ha ricevuto supporto dal Consiglio svedese per la ricerca, dalla Royal Academy of Engineering, dalla Royal Society e da UK Research and Innovation. Resta da vedere quanto tempo servirà per portare questo chip neuromorfico fuori dal laboratorio e dentro i dispositivi reali, ma la direzione sembra quella giusta. E con l’intelligenza artificiale che continua a espandersi a ritmi vertiginosi, trovare il modo di farla funzionare consumando meno non è solo auspicabile: è urgente.
