La corsa agli armamenti AI di Wall Street: i trader costruiscono le proprie fattorie di calcolo

Quando pensi a Wall Street, immagini schermi ticker lampeggianti e trader che urlano intorno al caffè. Quello che di solito non immagini è una fila di rack di server che ronza in un seminterrato climatizzato, o un braccio di venture capital che finanzia la prossima startup silicon‑on‑silicon. Eppure è esattamente quello che le più veloci società di trading ad alta frequenza (HFT) stanno facendo ora: stanno trasformando la corsa agli armamenti AI in una guerra hardware.

Jane Street, Hudson River Trading e alcune altre boutique hanno iniziato silenziosamente a investire milioni in data center su misura. L’obiettivo? Estrarre ogni nanosecondo possibile dai loro modelli che prevedono i movimenti di mercato. Nel mondo ultra‑bassa latenza dell’HFT, un vantaggio di 10 microsecondi può tradursi in milioni di dollari al giorno, e le strategie guidate dall’AI sono il nuovo santo graal. Le società non si limitano a noleggiare GPU cloud; acquistano i rack, i sistemi di raffreddamento e persino i contratti energetici che mantengono le macchine in funzione 24/7.

Ma la corsa all’hardware non si ferma alla porta del data center. Questi trader sostengono anche startup di chip che promettono il prossimo balzo in velocità di inferenza e efficienza energetica. Prendendo partecipazioni azionarie in anticipo, sperano di assicurarsi una catena di fornitura isolata dalle carenze globali che hanno afflitto il più ampio mercato AI. È il classico dilemma “costruire‑o‑acquistare”, ma con una svolta: la parte “acquistare” è essenzialmente un investimento di venture capital che può ripagare sia in termini di prestazioni sia di profitto.

Da un punto di vista pratico, questa mossa ha senso. Le GPU pronte all’uso sono ottimizzate per l’addestramento di grandi modelli linguistici, non per l’inferenza ultra‑bassa latenza necessaria all’esecuzione di operazioni in meno di un millisecondo. ASIC o FPGA personalizzati, progettati specificamente per inferenze critiche in termini di tempo, possono togliere preziosi microsecondi. Lo svantaggio? I costi di R&S sono enormi e il ritorno è sottilissimo: devi essere costantemente un passo avanti rispetto ai concorrenti che fanno esattamente la stessa cosa.

Cosa significa tutto ciò per l’ecosistema AI più ampio? Prima di tutto, probabilmente vedremo un effetto a catena in cui i chip specializzati, un tempo esclusivi per i trader d’élite, diventeranno più accessibili ad altre industrie sensibili alla latenza, come i veicoli autonomi e l’IoT edge. In secondo luogo, l’afflusso di capitale privato nelle startup di chip potrebbe accelerare l’innovazione, ma rischia anche di creare un panorama hardware frammentato, con pochi standard e interoperabilità un incubo. Infine, la pura scala di questi data center privati segnala un allontanamento dal modello AI incentrato sul cloud che ha dominato gli ultimi anni. Se Wall Street riuscirà a sostenere questa spinta hardware, potremmo assistere a un nuovo livello di servizi AI ultra‑bassa latenza che sfideranno il dominio dei grandi provider cloud.

In sintesi, la comunità HFT sta puntando forte sul calcolo AI e, sebbene il ritorno possa essere astronomico, alza anche il livello per tutti gli altri che cercano di tenere il passo con la velocità della finanza.

Foto: Rosalind Chang / Unsplash (https://unsplash.com/@rosalindjchang)