LinkedIn congela la spesa per i data center AI per un anno intero
Mentre i competitor investono miliardi in nuovi chip e server farm, LinkedIn afferma di aver raddoppiato l'efficienza dell'hardware esistente risparmiando 24 milioni di dollari nel processo.
Punti chiave
- LinkedIn manterrà la sua infrastruttura di computing AI invariata fino a giugno 2026, senza acquistare capacità significativamente nuova.
- L'azienda ha raddoppiato l'efficienza delle GPU in sei mesi, equivalente all'aggiunta di circa 1.100 chip in funzionamento continuo senza acquistarne nemmeno uno.
- LinkedIn stima che questi guadagni di efficienza abbiano risparmiato 24 milioni di dollari negli ultimi 12 mesi.
- I prezzi dei server sono triplicati negli ultimi mesi, secondo il chief della infrastruttura di LinkedIn, rendendo il congelamento più difficile da sostenere.
- La mossa rappresenta un controcanto pubblico raro alla corsa di investimenti tra OpenAI e Google.
LinkedIn, il sito di networking professionale di proprietà di Microsoft, afferma che non espanderà la sua infrastruttura di computing AI in questo anno fiscale. L'azienda ha dichiarato a Wired AI di voler mantenere completamente invariato il suo investimento in GPU (i chip specializzati che svolgono il pesante calcolo numerico di cui l'AI ha bisogno) fino a giugno 2026, con la capacità di storage anch'essa invariata.
Si tratta di un impegno sorprendente per una piattaforma con 1,3 miliardi di utenti che sta contemporaneamente lanciando sempre più funzioni AI, non meno.
Come ha fatto LinkedIn a realizzarlo?
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, spremendo la stessa potenza di computing dagli stessi chip fisici sprecando meno il loro tempo di inattività.
LinkedIn possiede i suoi data center in Oregon e Texas, essendosi ritirata dal servizio cloud Azure di Microsoft intorno al 2022. Questa proprietà ha dato agli ingegneri il controllo diretto su ogni livello dello stack tecnologico.
Hanno utilizzato una tecnica chiamata distillazione, dove un modello di AI più piccolo è addestrato a imparare dai modelli più grandi. Per lo strumento di raccomandazione dei lavori di LinkedIn, un modello compatto ora gestisce quello che prima richiedeva due modelli separati e più costosi. È più economico 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 prima non riuscivano a trovare con successo," ha affermato.
Il team ha anche riscritto un software di basso livello affinché determinati compiti vengano eseguiti su CPU standard (i chip di uso generale presenti in qualsiasi computer) invece delle più costose GPU Nvidia, riducendo al contempo il consumo di elettricità. LinkedIn afferma che l'utilizzo delle GPU sui suoi sistemi di training ora raggiunge percentuali superiori al 95%, il che significa che i chip rimangono inattivi quasi mai.
Nel complesso, questi cambiamenti hanno risparmiato un importo stimato di 24 milioni di dollari negli ultimi dodici mesi.
24 milioni di dollari sono importanti per un'azienda di questa dimensione?
Non eccessivamente di per sé. LinkedIn ha 18 miliardi di dollari di ricavi annuali, quindi il risparmio rappresenta una piccola frazione delle vendite. Il chief della infrastruttura di LinkedIn Raghu Hiremagalur ha riconosciuto questo direttamente, ma ha sostenuto che il vero valore è l'agilità: gli ingegneri possono avviare il loro prossimo progetto di AI prima senza aspettare l'arrivo di nuovo hardware.
Il congelamento arriva anche in un momento difficile per acquistare server. Hiremagalur ha affermato che alcuni hardware hanno triplicato il prezzo negli ultimi mesi. LinkedIn ha bloccato gli acquisti prima che i prezzi salissero, dándole un cuscino di costi che i suoi competitor potrebbero non avere. Il nostro articolo del 28 luglio sui costi in crescita di Google ha mostrato come questo tipo di pressione sui prezzi sta allarmando gli investitori in tutta l'industria.
| Metrica | Cifra |
|---|---|
| Utenti LinkedIn | 1,3 miliardi |
| Anno fiscale considerato | Luglio 2025 - Giugno 2026 |
| Risparmi stimati (12 mesi) | 24 milioni di dollari |
| Equivalente GPU risparmiato | ~1.100 chip, full-time |
| Tasso di utilizzo GPU (training) | oltre il 95% |
| Ricavi annuali LinkedIn | 18 miliardi di dollari |
Cosa significa questo per gli utenti ordinari?
Per i membri di LinkedIn, le funzioni di AI dovrebbero continuare a migliorare nonostante il tetto di spesa. Le raccomandazioni di lavoro migliori e gli strumenti di matching tra candidati più intelligenti sono già in produzione. La preoccupazione legittima è che un tetto di spesa rigido potrebbe eventualmente costringere LinkedIn a rallentare le sue ambizioni di AI se la domanda di computing continua a crescere più velocemente di quanto i guadagni di efficienza riescono a compensare. Questa è la scommessa che gli ingegneri stanno facendo, e merita di essere monitorata da vicino.
Domande frequenti
Le funzioni di AI di LinkedIn peggioreranno a causa di ciò?
LinkedIn afferma di no. L'azienda sostiene che il suo lavoro di efficienza ha effettivamente migliorato i risultati per i cercatori di lavoro e i reclutatori, e ha in programma di continuare a lanciare nuovi strumenti di AI all'interno dello stesso budget di computing.
Perché le altre grandi aziende tecnologiche stanno spendendo molto di più?
OpenAI e Google stanno costruendo sistemi di AI completamente nuovi che richiedono enormi quantità di nuova potenza di computing. LinkedIn sta costruendo su modelli che già esistono, il che significa che può concentrarsi nell'ottenere di più da meno piuttosto che iniziare da zero.
Potrebbe LinkedIn cambiare idea a metà anno?
Sì. Sia Berger che Hiremagalur hanno riconosciuto che le esigenze di hardware di AI cambiano rapidamente, e l'aumento dei prezzi dei chip di memoria potrebbe forzare una riconsiderazione. L'azienda afferma di aver già tenuto conto di questi aumenti di prezzo, ma il piano non è garantito.
