ByteDance, la società madre di TikTok, sta sviluppando due GPU per intelligenza artificiale che entreranno in produzione di massa entro il 2026. Secondo quanto riportato da , i chip saranno prodotti da TSMC e includeranno un modello per l’allenamento IA e uno per l’inferenza.
Questa mossa permetterebbe a ByteDance di ridurre la dipendenza da NVIDIA per l’hardware IA, pur rimanendo all’interno delle normative statunitensi sull’esportazione. L’azienda ha già investito oltre 2 miliardi di dollari in oltre 200.000 GPU Nvidia H20 solo quest’anno, evidenziando l’importanza strategica dell’IA per ByteDance.
La decisione di sviluppare hardware proprietario sarebbe motivata anche dalla carenza di GPU NVIDIA che si sta registrando in queste settimane, oltre che dal loro costo elevato. Le GPU di ByteDance utilizzeranno uno dei processi produttivi N4/N5 di TSMC, simile a quello usato per le GPU NVIDIA Blackwell, prodotte con il processo N4P.
Attualmente, ByteDance si affida alla piattaforma CUDA di NVIDIA per il training e l’inferenza IA. Lo sviluppo di GPU proprietarie richiederà la creazione di un nuovo stack software compatibile, una sfida significativa anche per un colosso come questo.
Il mercato IA in Cina non è rallentato dalle norme USA
NVIDIA ha progettato GPU specifiche per il mercato cinese in risposta ai controlli sulle esportazioni USA. La HGX H20, pur avendo prestazioni inferiori rispetto alla H100 non limitata, rimane molto richiesta dalle aziende cinesi.
Secondo le stime, NVIDIA prevede di spedire oltre un milione di unità HGX H20 ai clienti cinesi quest’anno, generando ricavi per oltre 12 miliardi di dollari. Questo supererebbe i guadagni totali dell’azienda in Cina dell’anno precedente, incluse le vendite di altri tipi di hardware.
Lo sviluppo di GPU IA da parte di ByteDance si inserisce però in un trend più ampio, che sta portando le aziende cinesi a ridurre la dipendenza da fornitori esteri. La strada per avere hardware competitivo sembra essere, tuttavia, ancora lunga: molte di queste aziende continuano infatti ad affidarsi alle soluzioni NVIDIA per determinati carichi di lavoro, data la complessità dello sviluppo di soluzioni completamente autonome.