LinkedIn Congela la Spesa nei Data Center AI per un Anno Intero
Mentre i competitor investono miliardi in nuovi chip e server farm, LinkedIn dichiara di aver raddoppiato l'efficienza del suo hardware esistente e risparmiato 24 milioni di dollari nel processo.
Punti chiave
- LinkedIn manterrà la sua infrastruttura informatica AI invariata fino a giugno 2026, senza acquistare nuova capacità significativa.
- L'azienda ha raddoppiato l'efficienza delle GPU in sei mesi, equivalente all'aggiunta di circa 1.100 chip in funzione continuo senza acquistarne uno.
- LinkedIn stima che questi guadagni di efficienza hanno risparmiato 24 milioni di dollari negli ultimi 12 mesi.
- I prezzi dei server sono triplicati nei mesi recenti, secondo il capo dell'infrastruttura di LinkedIn, rendendo il congelamento ancora più difficile da sostenere.
- La mossa rappresenta una contromossa pubblica rara alla corsa di spesa tra OpenAI, Meta e Google.
LinkedIn, il sito di networking professionale di proprietà di Microsoft, dichiara che non espanderà la sua infrastruttura informatica AI questo anno fiscale. L'azienda ha comunicato a Wired AI che intende mantenere il suo investimento in GPU (i chip specializzati che svolgono i calcoli pesanti necessari all'IA) completamente invariato fino a giugno 2026, con la capacità di archiviazione anch'essa invariata.
Si tratta di un impegno sorprendente per una piattaforma con 1,3 miliardi di utenti che sta contemporaneamente lanciando sempre più funzionalità AI, non meno.
Come ci è riuscita LinkedIn?
La risposta breve: l'azienda ha ottenuto molto più lavoro dall'hardware che già possiede. Negli ultimi sei mesi, i team di ingegneria di LinkedIn hanno raddoppiato l'efficienza del loro utilizzo delle GPU, estraendo la stessa potenza di calcolo dai medesimi chip fisici riducendo gli sprechi del tempo di inattività.
LinkedIn possiede i suoi data centre in Oregon, Texas e Virginia, ritirandosi dal servizio cloud Azure di Microsoft intorno al 2022. Questa proprietà ha dato ai tecnici il controllo diretto su ogni livello dello stack tecnologico.
Hanno utilizzato una tecnica chiamata distillazione, dove un modello di IA più piccolo viene addestrato per imparare da due modelli più grandi. Per lo strumento di raccomandazione di lavoro di LinkedIn, un modello compatto gestisce ora quello che in precedenza richiedeva due modelli separati e più costosi. Il risultato è meno costoso da eseguire e, secondo Erran Berger, chief technology officer per l'ingegneria di LinkedIn, non meno accurato. "Le persone stanno trovando e scoprendo lavori che in precedenza non riuscivano a trovare con successo", ha detto.
Il team ha anche riscritto alcuni software di basso livello in modo che determinati compiti vengono eseguiti su CPU standard (i chip per usi generali trovati in qualsiasi computer) invece dei più costosi GPU Nvidia, riducendo l'uso di elettricità e i problemi di approvvigionamento allo stesso tempo. LinkedIn dichiara che l'utilizzo delle GPU nei suoi sistemi di training ora supera il 95 percento, il che significa che i chip rimangono inattivi quasi mai.
In totale, questi cambiamenti hanno risparmiato un importo stimato di 24 milioni di dollari nei dodici mesi passati.
Importa 24 milioni di dollari per un'azienda di queste dimensioni?
Non così tanto di per sé. LinkedIn riporta 18 miliardi di dollari di ricavi annuali, quindi il risparmio è circa lo 0,1 percento delle vendite. Il capo dell'infrastruttura di LinkedIn Raghu Hiremagalur ha riconosciuto questo direttamente, ma ha sostenuto che il valore reale è l'agilità: i tecnici possono iniziare il loro prossimo progetto di IA prima senza aspettare l'arrivo del nuovo hardware.
Il congelamento arriva anche in un momento difficile per acquistare server. Hiremagalur ha detto che alcuni hardware sono triplicati di prezzo negli ultimi mesi. LinkedIn ha bloccato gli acquisti prima che i prezzi aumentassero, dandosi un cuscino di costo che i competitor potrebbero non avere.
| Metrica | Cifra |
|---|---|
| Utenti LinkedIn | 1,3 miliardi |
| Anno fiscale coperto | Luglio 2025 a giugno 2026 |
| Risparmi stimati (12 mesi) | 24 milioni di dollari |
| Equivalente GPU risparmiato | ~1.100 chip, a tempo pieno |
| Tasso di utilizzo GPU (training) | oltre il 95% |
| Ricavi annuali LinkedIn | 18 miliardi di dollari |
Cosa significa tutto questo per gli utenti ordinari?
Per i membri di LinkedIn, la conclusione pratica è che le funzionalità di IA dovrebbero continuare a migliorare nonostante il tetto di spesa. Migliori raccomandazioni di lavoro e strumenti di abbinamento candidati più intelligenti sono già in produzione. Il rischio, segnalato dall'analista Gartner Chirag Dekate, è che un tetto di spesa rigido potrebbe eventualmente costringere LinkedIn a rallentare le sue ambizioni di IA se la domanda di computing continua a crescere. Per ora, però, i tecnici scommettono che l'efficienza può colmare il divario.
Domande frequenti
Le funzionalità AI di LinkedIn peggioreranno a causa di questo?
LinkedIn dice di no. L'azienda sostiene che il suo lavoro di efficienza ha effettivamente migliorato i risultati per le persone in cerca di lavoro e i reclutatori, e intende continuare a lanciare nuovi strumenti di IA all'interno del medesimo budget informatico.
Perché le altre grandi aziende tecnologiche spendono molto di più?
OpenAI, Meta e Google stanno costruendo interi sistemi di IA nuovi che richiedono quantità vastissime di potenza informatica nuova. LinkedIn sta costruendo su modelli che già esistono, il che significa che può concentrarsi sul ricavare di più dal meno piuttosto che iniziare da zero.
LinkedIn potrebbe cambiare idea a metà anno?
Sì. Sia Berger che Hiremagalur hanno riconosciuto che le esigenze di hardware AI cambiano rapidamente, e i prezzi in aumento dei chip di memoria potrebbero forzare una riconsiderazione. L'azienda dice di aver già considerato questi aumenti di prezzo, ma il piano non è garantito.
