Vitalik Buterin testa l’AI locale sul laptop con chip AMD
Buterin vede l’AI locale come un’opzione pratica per attività sensibili legate a wallet e codice, anche grazie allo Strix Halo di AMD con molta memoria condivisa.
In breve
- Vitalik Buterin ha testato Alibaba Qwen3.8-Flash-Next sul suo laptop con AMD Strix Halo e ha trovato l’AI locale già utile per le attività di tutti i giorni.
- Il chip Strix Halo rende disponibile più memoria per i modelli di AI, permettendo ai modelli più pesanti di girare su un solo laptop senza server cloud.
- Buterin sottolinea il vantaggio in termini di privacy dell’AI locale, soprattutto per informazioni sensibili come indirizzi wallet, codice privato e nomi.
cofondatore di Ethereum Vitalik Buterin dice che l’AI locale ormai può gestire gran parte delle attività quotidiane. Ha eseguito Alibaba Qwen3.8-Flash-Next sul suo laptop e ha condiviso risultati di velocità che, secondo lui, mostrano come questo tipo di modelli stia diventando sempre più utile senza server cloud.
L’AI locale diventa più pratica
Il test di Buterin è stato eseguito su un laptop con chip Strix Halo di AMD. Questo chip combina processore e potenza grafica in un unico pezzo di silicio e permette a entrambe le parti di usare un’unica memoria condivisa. È importante, perché un modello di AI deve prima entrare nella memoria prima di poter funzionare.
Secondo la descrizione del test, è proprio qui che molti laptop normali sono ancora in difficoltà. Una scheda grafica separata ha spesso tra 8 e 24 gigabyte di memoria, mentre le macchine con Strix Halo possono offrire fino a 128 gigabyte utilizzabili da entrambe le parti del chip. Di conseguenza, un modello che prima richiedeva hardware da server ora può girare su un solo laptop.
La crescente domanda di potenza di calcolo mostra perché sistemi locali di questo tipo stanno diventando ancora più interessanti: le aziende continuano a cercare in massa modi per finanziare ed espandere l’infrastruttura AI. Il test di Buterin mostra invece che una parte di quel carico di calcolo potrebbe spostarsi più vicino all’utente.
Secondo Buterin, la velocità sembrava abbastanza buona per il lavoro normale. I prompt brevi arrivavano rapidamente, mentre i documenti molto lunghi risultavano sensibilmente più lenti. Questo rende chiaro che l’AI locale è già molto avanti, ma non ancora fluida allo stesso modo in ogni situazione.
La privacy conta sempre di più
Oltre alla velocità, Buterin vede soprattutto un vantaggio in termini di privacy. Un modello locale elabora la richiesta direttamente sul dispositivo, quindi il provider non deve ricevere il prompt. Per gli utenti che condividono informazioni sensibili, può fare una grande differenza.
Buterin descrive anche un approccio ibrido. Un modello locale può prima estrarre i dettagli sensibili da una richiesta, come nomi, indirizzi wallet o codice privato, e poi inoltrare solo la parte restante a un modello hosted più grande. Questo potrebbe limitare la quantità di dati che lascia il dispositivo, anche se non offre una garanzia assoluta che nulla di sensibile venga esposto.
Questa attenzione alla privacy si inserisce in una tendenza più ampia nell’AI. I modelli locali stanno guadagnando terreno perché elaborano i dati interamente sul proprio dispositivo, senza trasferirli a server esterni. Allo stesso tempo, aziende come Nvidia e Palantir mostrano che privacy e gestione dei dati pesano sempre di più nell’uso di modelli AI avanzati.
Perché questo riguarda il crypto
Per chi usa crypto, questo è rilevante perché molte attività quotidiane legate a wallet, codice e dati personali sono proprio sensibili. In questi casi, una configurazione AI locale può essere interessante, perché meno informazioni devono uscire dal dispositivo. Buterin collega inoltre il tema alle sue precedenti preoccupazioni su sorveglianza e raccolta dati, un argomento che nel mondo crypto esiste da tempo.
La domanda più ampia non è solo quanto diventa intelligente l’AI, ma anche dove gira quella potenza di calcolo. Se sempre più attività standard possono essere gestite localmente, una parte del controllo si sposta dalle piattaforme cloud all’utente stesso.
