- 1 giorno fa
RTX Spark esce dal portatile ed entra in un mini PC da 15 × 15 cm: l’Asus ProArt GR1X, con 128 GB di memoria unificata. Lo abbiamo provato e abbiamo scoperto che caricarci un modello IA gigante è uno sbaglio: conviene usare tanti modelli piccoli insieme.
Ci abbiamo fatto un progetto reale: da una scansione fatta con l’iPhone a una stanza arredata in stili diversi, tutto in locale ma con Claude come regista.
E a riposo consuma 7,5 W: si può tenere sempre acceso e comandare da Telegram.
0:00 Perché parliamo ancora di RTX Spark
1:46 L'Asus ProArt GR1X
4:23 Cosa abbiamo misurato
8:28 Il modello gigante in casa conviene?
12:53 Tanti modelli e un regista
15:09 La demo: dalla scansione al modello
21:20 Il render con l'IA
25:12 Sempre acceso, da Telegram
29:27 Il prezzo e le conclusioni
Ci abbiamo fatto un progetto reale: da una scansione fatta con l’iPhone a una stanza arredata in stili diversi, tutto in locale ma con Claude come regista.
E a riposo consuma 7,5 W: si può tenere sempre acceso e comandare da Telegram.
0:00 Perché parliamo ancora di RTX Spark
1:46 L'Asus ProArt GR1X
4:23 Cosa abbiamo misurato
8:28 Il modello gigante in casa conviene?
12:53 Tanti modelli e un regista
15:09 La demo: dalla scansione al modello
21:20 Il render con l'IA
25:12 Sempre acceso, da Telegram
29:27 Il prezzo e le conclusioni
Categoria
🤖
TecnologiaTrascrizione
00:00RTX Spark, ne parliamo ancora, perché? Perché in questi giorni sono arrivati sul mercato anche i mini PC con dentro
00:09il chip di Nvidia e questo è uno dei primi, è l'Asus ProArt.
00:14Vi dico subito una cosa, non mi sono messo a rifare tutto quello che avevo fatto con il Surface Laptop
00:19Ultra, non credo che ne avrebbe avuto senso, non era interessante.
00:23Il chip è lo stesso, la memoria all'interno è la stessa, cambia solo la scocca e quanta potenza il
00:29chip può usare.
00:30Come vedremo poi nella maggior parte dei casi dell'applicazione la differenza è davvero minima, perché alla fine Nvidia ha
00:36fatto quello che sta facendo Apple con Apple Silicon da anni.
00:40Ha fatto un processore che va bene in un portatile, in un mini PC, in qualsiasi four factor, probabilmente arriveranno
00:45anche gli One in One, con prestazioni praticamente uguali.
00:49Quindi se volete sapere tutto sulla competitività delle app, tutto sul chip, sulle prestazioni, sui programmi creativi, Resolve, Premiere, Lightroom
00:58e anche i giochi, perché comunque è una Blackwell RTX, quindi ha tutti gli effetti,
01:03andatevi a leggere la recensione del Surface Laptop Ultra di qualche settimana fa.
01:06Il succo è quello, nel frattempo qualcosa ho visto migliorato con i driver, come succede sempre, ma il quadro non
01:13cambia.
01:13E il quadro, in questo caso, è che per la prima volta su Windows abbiamo un chip che consuma davvero
01:20poco, con prestazioni che sono, nei programmi creativi, paragonabili a quelle di un M5 Pro, a volte superiore, non supera
01:28mai comunque M5 Max,
01:29però la compatibilità non è più un problema, ormai è praticamente un problema risolto, e questa macchina permette di dare
01:36tantissima memoria al GPU e al sistema per l'intelligenza artificiale, ovviamente locale.
01:47Vi racconto un attimo questo Asus ProArt GR1X, che è un gioiellino.
01:55La prima cosa curiosa, secondo me, quando l'ho tirato fuori dalla scatola, è l'alimentatore che è lo stesso
02:00del DGX Spark,
02:02che è il piccolo computer di Nvidia per l'IA, annunciato due anni fa, quello basato su Linux.
02:07L'ho tirato fuori l'altro giorno e guardandoli mi sono reso conto proprio che sia la macchina, sia i
02:13due alimentatori, 240 Watt, sono praticamente identici.
02:16La differenza sta nei connettori sul fondo, perché questa ha solo la 10 GB, l'altra invece ha anche i
02:21connettori di rete ad alta velocità per metterli in stack.
02:25Per il resto sembra davvero la stessa macchina, con lo stesso chip, stesso tutto.
02:30Viene quasi il sospetto che il progetto sia stato fatto da Nvidia e poi Asus l'abbia sia prodotto che
02:36implementato e trasformato anche in questo suo mini PC.
02:40Comunque Asus ha fatto davvero un lavoro eccellente, perché questo è un cubetto da 15 cm, alto 5, pesa penso
02:47un chilo e mezzo,
02:48e sul retro c'è tutto quello che serve, perché troviamo le tre USB-C a 20 GB che portano
02:55anche i segnali video per collegare più monitor,
02:56c'è una quarta USB-C per l'alimentazione, 240 Watt, abbiamo le HDMI 2.1, poi all'interno WiFi
03:047 e Bluetooth 5.4.
03:07Ci sono due venti all'interno, si fanno sentire ma non sono fastidiose, diciamo che sono a livello di quelle
03:13di un Mac Studio.
03:15Dentro troviamo ovviamente il chip completo, quindi CPU da 20 core, GPU Blackwell da 6144 core, CUDA,
03:23abbiamo 128 GB di memoria condivisa tra processore e grafica, e c'è un disco da 2 Tera che l
03:30'abbiamo smontato
03:30ed è effettivamente sostituibile dall'utente togliendo queste quattro vitine sul fondo e sei viti all'interno.
03:37Ora voi mi chiederete, ma se non rifai tutte le prove, di cosa parliamo in questo video?
03:42Beh, di due cose. La prima sono i consumi, perché alla fine qualcosa da dire sulla potenza c'è,
03:46perché questo chip è messo in una scocca un pochino più grande, la mini PC, quindi ha più margine termico,
03:52voglio vedere come lavora.
03:54E la seconda, che è quella che mi interessa di più, è una considerazione sulle AI locale,
03:59un po' diversa da quella che probabilmente ascolterete in altri video, perché proverò a farvi vedere
04:04la cosa da un punto di vista diverso rispetto alla solita narrativa che trovate nelle recensioni dove vi dicono
04:10ok, avete un computer con 128 GB, serve a far girare un modello grande gigante, perché gli altri non possono
04:17farlo girare.
04:18È così, però secondo me non conviene poi tanto utilizzarla in questo modo.
04:22Ma partiamo dalle misure.
04:24Per vedere quanto consuma realmente questo ProArt di Asus, abbiamo attaccato il computer da solo ad una Power Station EcoFlow
04:33e questa Power Station all'invertere ci dice istante per istante quanto consuma tutto il PC, quindi il consumo alla
04:39presa.
04:40Nel frattempo abbiamo anche letto ovviamente i sensori interni che ci dicono invece quanto consumano CPU e GPU,
04:47quanto scaldano, quanto lavorano ovviamente, e a che frequenza vanno.
04:50Abbiamo fatto una sessione unica, mi pare, di circa un'ora, 67 minuti, erano con 35 test diversi che si
04:57susseguivano
04:58e possiamo dirvi che a riposo questo PC consuma 7,5 W.
05:02Con la CPU al massimo arriva a 66 W, con la GPU al massimo arriva attorno ai 190 W.
05:09E qui c'è la prima differenza rispetto al portatile, al Surface Laptop, perché là vi ricordo che il chip
05:14lavorava intorno agli 80 W.
05:15Qui invece CPU e GPU insieme hanno a disposizione circa 120 W totali, sono al 50% in più.
05:22Quindi vi chiederete, ma allora va più forte?
05:25Beh, dipende, qua la situazione si fa interessante, perché nei test brevi praticamente no.
05:30Ovvero, con Geekbench 7, per esempio, la CPU fa 2500 punti in single core e 23.000 in multi core.
05:38Se il Surface avevo 249 60 e 23.000, prendo uguale.
05:43Con Blender Rendering 3D mi pare che questo vada addirittura un pelo più piano di quanto andava sul Surface.
05:49E se guardo i W, il consumo si vede che, tipo con Blender, la GPU usa solo 50 W, che
05:55è meno della metà di quanto potrebbe dare.
05:57Il Ray Tracing non utilizza tutto il chip, quindi la potenza in più non serve.
06:03Nella grafica ho fatto altri benchmark, 3D Mark.
06:06La GPU lavora molto di più che in Blender, tra 76 e 92 W, e resta stabile 96%, 2.5
06:15GHz.
06:16Sul portatile stava forse un po' meno, attorno ai 2.
06:19Il risultato, però, non è che sia così drammatico.
06:223.164 punti contro 2.900 sono l'8% in più.
06:26Quindi non è un incremento memorabile.
06:28Il margine c'è, ma non è questo stravolgimento.
06:31Dove vediamo allora quella potenza in più che ha questo chip quando lavora pieno?
06:36Abbiamo fatto un benchmark noi, abbiamo fatto moltiplicare alla GPU matrici enormi,
06:40che sono un po' l'operazione alla base dell'intelligenza artificiale,
06:43e con numeri precisi fa 20 Teraflops.
06:47Con quelli a 16 bit, 98, 8 bit, 193.
06:51Quindi i VAT sono sempre gli stessi, 115.
06:54Però ogni volta che andiamo a dimezzare la precisione,
06:56raddoppia il lavoro fatto, con la stessa energia, quindi monotodamente scalare.
07:01E passando alla CPU, l'abbiamo tenuta al massimo per circa 10 minuti di fila.
07:05E anche qui, stessa frequenza dal primo all'ultimo minuto, quasi un test noioso.
07:1076 gradi, nessun rallentamento, niente thermal trotting.
07:13Quindi, diciamo, la macchina raffredda e ha margine termico perfettamente gestito.
07:19Quando CPU e GPU lavorano insieme, succede un qualcosa che non succede sui computer normali.
07:24Ovvero i consumi non si sommano.
07:26Le due componenti di Spark, come sul laptop e come su Apple Silicon,
07:30si dividono quei 120 Watt che hanno.
07:32E il chip qua però dà la precedenza alla grafica.
07:35Quindi, la GPU perde il 10%, la CPU perde più di un terzo.
07:40Questa è una macchina dove la CPU è al servizio della GPU.
07:43E teniamo a mente questa cosa perché ci tornerà utile tra poco.
07:47Tornando un attimo a un po' una sintesi, no?
07:50Nell'uso di tutti i giorni, questo si comporta praticamente come il Surface Laptop Ultra.
07:54Leggete l'arcizio di questo, è uguale.
07:56Stesse prestazioni.
07:57Abbiamo quel margine termico in più che evita il thermal trotting
08:01e si vede solamente sui carichi comunque lunghi e pesanti
08:03che sono quelli legati all'IA.
08:06L'incremento però anche qua è comunque relativo
08:08perché alla fine il chip è quello, è l'N1X.
08:10Non è un chip che va drammaticamente diverso.
08:13Quindi, diciamo, le prestazioni sono esattamente quelle.
08:17Qualcosina in più, ma niente che vi dica
08:18ok, compro questo perché va meglio del laptop.
08:21A parità di prezzo, se volete un qualcosa di trasportabile,
08:25comprate il laptop.
08:26Questo però ha un senso e lo vediamo dopo.
08:28Parliamo a questo punto di intelligenza artificiale.
08:31Allora, come ho detto prima, sono sicuro che molti di voi adesso pensano
08:34a 128 giga di memoria, l'ho pagata cara,
08:37ci carico il modello più grande che posso metterci
08:39come QN 3.8 Flash Next, quindi 125 miliardi di parametri,
08:43e mi faccio il mio charge GPT in casa per risparmiare.
08:46È la prima cosa a cui tutti pensano
08:48ed è anche uno degli usi che suggerisce, per esempio, Nvidia.
08:52Ed è probabilmente quello che vedrete anche in tutte le recensioni
08:55di questa macchina o degli RTX Spark, no?
08:58Ormai un computer per il locale vuol dire questo.
09:01Io prendo la macchina, ci faccio girare un modello gigante
09:04che altrove non girerebbe, e vi dico che il vantaggio
09:08è quello di farvi vedere quanti token al secondo fa.
09:12Finita lì.
09:13Io invece vi dico di fare due conti con me.
09:16Prima sulla velocità, poi sulla convenienza economica.
09:19Allora, partiamo dalla velocità.
09:20Un modello da 8 miliardi di parametri
09:23su questa macchina ben misurato scrive circa 49 token al secondo.
09:28Lo stesso modello da 32 miliardi scende a 14.
09:31Guardate i watt mentre lui scrive token.
09:34La GPU lavora a metà potenza.
09:36Il problema non è il calcolo a frenarla,
09:38è la banda di memoria che non c'è.
09:39Per scrivere ogni parola il modello, lo sapete,
09:41deve andare a rileggere tutto se stesso.
09:44E questa memoria su questa macchina
09:46viaggia intorno ai 280 gigabyte al secondo,
09:49esattamente come sul portatile.
09:51La banda di memoria è quella.
09:53Solo aumentando la banda avreste più velocità.
09:55Quindi, più il modello è grande,
09:57più lento va in proporzione.
09:59E i watt in più del mini PC qua
10:01non servono a niente se guardiamo al confronto
10:03tra laptop e mini PC.
10:05C'è solo un modo per aggerare questo problema
10:07e ve l'avevo già raccontato
10:09quando ho provato il Surface.
10:10Ci sono i modelli esperti.
10:12Questo, ad esempio, è QN 3.6 da 35 miliardi di parametri,
10:16quindi è più grande del 32 di prima,
10:18però qui per ogni parola ne uso solamente 3 miliardi,
10:21quindi devi rileggere pochissima memoria.
10:23Il risultato è 71 token al secondo,
10:26quindi sono 5 volte il 32 miliardi denso
10:30ed è anche più veloce del modello da 8 miliardi.
10:32Sul Surface lo stesso modello faceva 59,
10:35quindi vedete la differenza?
10:36C'è.
10:36La GPU qua consuma addirittura un po' meno,
10:39una quarantina di watt,
10:40perché si sforza di meno.
10:41Quindi, se volete davvero utilizzare
10:43un modello linguistico
10:44su una macchina così,
10:45non prendete quello più grosso che c'è
10:47per fare il vostro CAGPT personale.
10:49Usate un tipo di modello esperti,
10:51però te lo voglio dire subito.
10:53Anche così il discorso economico non cambia.
10:56E adesso cerco di spiegarti il perché
10:58con un esempio pratico e concreto.
11:01Tutto il codice dell'esperimento
11:02che vedrete tra poco,
11:04vi faccio vedere tra qualche minuto,
11:06l'ha scritto la gente
11:07e in due giornate ha scritto
11:09praticamente 600.000 token.
11:12Il modello da 32 miliardi
11:13che ho caricato su questa macchina
11:15ci avrebbe messo circa 12 ore
11:17solo per scriverli.
11:18Ci mettiamo le pause,
11:19il prompt e tutto,
11:21sarebbe stata una giornata e mezza di lavoro.
11:22Senza contare ovviamente
11:24poi tutto il tempo necessario per gestirlo.
11:27E credo non sarebbe stato
11:29un risultato all'altezza
11:30di un modello di frontiera.
11:31Noi questo progetto qua
11:32l'abbiamo fatto praticamente fare
11:33ad un modello in cloud.
11:34e abbiamo anche tenuto conto
11:37di tutti i tempi,
11:38di tutte le richieste
11:39che ha fatto nei log.
11:40Ha fatto 546 richieste a cloud opus,
11:45168 milioni di token letti,
11:47quasi tutti letti della cash
11:48che costano addirittura poco
11:49e se guardo i prezzi
11:51dell'istino dell'API
11:52praticamente per due giorni
11:53ho speso circa 50 dollari.
11:55Due giornate di sviluppo
11:56tutto, l'interfaccia,
11:57di quello che vedrete dopo.
11:59La questione è che io
12:00non ho pagato a consumo,
12:01non ho pagato l'API,
12:02ho pagato l'abbonamento a cloud
12:03da 22 euro al mese,
12:05tra l'altro c'avevo anche
12:06una promo di tre giorni gratis
12:07per provarlo, no?
12:08E ci sono tutto dentro
12:09senza passare le soglie.
12:11Ora, ho chiesto
12:12il prezzo di questa macchina,
12:14non ce l'hanno ancora dato,
12:15quando leggerete
12:15e pronti ci sarà,
12:16ma il video l'ho gestito prima,
12:17ipotizzo 6.000 euro.
12:19Con 6.000 euro
12:20si pagano praticamente
12:2023 anni di abbonamento
12:22a Cloud Pro.
12:23e anche ponendo
12:24che i prezzi aumentino,
12:26aumenteranno
12:26perché aumenteranno sicuro,
12:28facciamo 10 anni.
12:30Quindi, diciamo,
12:31ed è un modello
12:32che funziona.
12:33Se non avete problemi
12:33di privacy
12:34sui vostri dati,
12:35oggi convene di più
12:36un abbonamento
12:37a un servizio come
12:38Cloud o CiaGPT
12:39rispetto a comprarvi
12:416.000 euro di computer
12:42solo per farci girare
12:43un modello linguistico gigante.
12:45Non lo amortizzate.
12:46Con un modello linguistico
12:48più veloce,
12:48più capace,
12:49quindi,
12:49spendete di meno
12:50e il risultato
12:51è sicuramente migliore.
12:53A quel punto
12:54tu mi chiedi,
12:54beh, allora
12:55perché dovrei comprare
12:56un computer così
12:57spendendo 6.000-7.000 euro?
12:59Beh,
13:00secondo me
13:00il vero vantaggio
13:01di una macchina così
13:02come di un MacBook Pro
13:04è poter tenere
13:06l'intelligenza artificiale
13:07in locale
13:08accanto alle app
13:09con cui si lavora.
13:10Non serve un modello enorme,
13:12ma 3, 4, 5, 6 modelli diversi
13:15molto specializzati
13:16ognuno in un compito,
13:17bravi a fare una cosa,
13:19tutti caricati insieme,
13:20quindi disponibili
13:21e coordinati.
13:22Avrei potuto farvi vedere
13:24come si poteva gestire
13:26un ambiente di editing video
13:27con l'IA.
13:28L'ho usato anche per quello,
13:30ma ho preferito far qualcosa
13:31di totalmente diverso,
13:32fuori dalla mia comfort zone,
13:34qualcosa che non è le mie corde
13:35per capire se una soluzione
13:36di questo tipo
13:37può anche davvero aiutare
13:38chi non è molto pratico
13:39a sviluppare un'idea.
13:41Poi ho preso anche un campo
13:42dove forse Nvidia
13:43è la più forte di tutti,
13:44che è quello del 3D.
13:45L'idea è questa,
13:47io ho usato Cloud
13:48Cloud come orchestratore,
13:49quindi come regista.
13:51Non utilizzo la sua potenza
13:52di calcolo,
13:53utilizzo solo
13:54la sua intelligenza
13:55superiore rispetto
13:56a quella di molti modelli
13:57che potresti caricare
13:58su questa macchina.
13:59Lui è bravo a ragionare,
14:00a scrivere codici,
14:00a coordinare.
14:02Cloud quindi gira in Cloud,
14:03ma le mani,
14:04però, che usa?
14:05Sono qui.
14:06Lancia i comandi
14:06su questa macchina,
14:08scrivi file,
14:09chiamo modelli locali,
14:10apre Blender,
14:11apre programmi, no?
14:11In Cloud non va nulla
14:13del mio lavoro.
14:14Tutto quello che usa
14:15rimane sul computer.
14:16In Cloud vanno solamente
14:18i comandi e i file di testo.
14:19La generazione di tutto
14:20resta qui,
14:21in locale.
14:22Quindi il principio
14:22è semplice, no?
14:23Io preferisco utilizzare
14:25un orchestratore capace,
14:26in Cloud,
14:27e tenermi la RAM disponibile
14:29per diversi modelli
14:30che sono perfetti
14:31per il mio scopo specifico.
14:33Quindi non sprecare
14:35i 128 GB
14:36per un modello linguistico.
14:37Il caso che vi faccio vedere
14:38è uno spunto.
14:40Poi capirete
14:40che potete davvero
14:41fare quello che volete.
14:42Io vi racconto
14:43l'esempio di un architetto
14:44che deve far vedere
14:45a un cliente
14:46come potrebbe diventare
14:47una stanza.
14:49Abbiamo usato
14:50una camera di letto vera,
14:52uno sgabello vero,
14:53in legno,
14:54quindi questo qua
14:54è un progetto totalmente reale.
14:56Non abbiamo inventato nulla.
14:57Abbiamo preso l'iPhone,
14:59abbiamo scansionato la stanza
15:00con una delle tante app
15:01che usano il LiDAR,
15:03poi sempre con il LiDAR
15:04abbiamo scansionato
15:06lo sgabello
15:06e abbiamo scattato
15:07anche un paio di foto.
15:08Pochi minuti,
15:09il resto lo ha fatto
15:10l'RTX Spark.
15:12Per farvi vedere tutto
15:14mentre succede
15:15poi abbiamo anche
15:15programmato
15:16un'interfaccia
15:17chiamata Studio.
15:19Anche questa interfaccia
15:20è stata totalmente
15:21fatta scrivere
15:22dalla gente.
15:23Io devo solamente caricare
15:24le due scansioni
15:25nello spazio dedicato
15:27alle tre foto
15:27dall'iPhone,
15:29la pagina controlla
15:30che siano file validi,
15:31a quel punto premo avvio
15:33e lascio fare
15:33tutto allo Spark.
15:35Primo passo,
15:35la stanza ricavata
15:36della scansione 3D
15:37fatta con l'iPhone.
15:38Sono 4 metri 20,
15:40quasi 5,
15:41ha 9 pareti,
15:42una in diagonale,
15:43a due porte
15:43e una finestra.
15:44Non abbiamo usato
15:45una app particolare,
15:46basta una qualsiasi app
15:48che usa Roomplan
15:49perché non la conosce
15:50una funzione nativa
15:51del framework
15:52di realtà aumentata
15:53di Apple.
15:54Roomplan usa il LiDAR
15:56per ricostruire la stanza,
15:58lo fa senza fare
15:59una foto 3D,
16:00riconosce le pareti,
16:01le porte,
16:02le finestre,
16:03i mobili
16:04e li trasforma
16:05in forme semplici
16:06con le misure giuste.
16:07Quindi il letto
16:08per esempio
16:09per Roomplan
16:09diventa una scatola
16:10delle dimensioni del letto.
16:12Ed è questo che
16:13serviva a noi,
16:14non ci serviva tanto
16:15avere la foto,
16:16ci serviva semplicemente
16:17avere la misura,
16:18la forma,
16:19quindi non l'aspetto.
16:21Poi abbiamo preso
16:21anche uno sgabello
16:22che dovevamo mettere
16:23a nostra stanza.
16:24Qui le cose si complicano
16:25perché lo sgabello
16:26praticamente
16:26l'abbiamo dovuto scansionare
16:27e quella che vedete qui
16:28è una nuvola di punti.
16:29Quindi migliaia di puntini
16:31e ognuno
16:32è un punto
16:33della superficie
16:34che il ladder
16:34dell'iPhone
16:35ha misurato davvero.
16:36Questo non è un disegno,
16:38sono semplicemente dati,
16:39no?
16:39Ed è importante
16:40perché questi punti
16:41ci danno esattamente
16:43le dimensioni reali
16:43dell'oggetto.
16:44Una foto da sola
16:45non sarebbe bastata,
16:47non sa quanto è grande
16:48lo sgabello
16:48una foto, no?
16:49Il problema
16:50è che la scansione
16:51si porta praticamente
16:52dietro
16:53mezzo soggiorno.
16:54Io quando l'ho scansionato
16:55ho girato attorno
16:55lo sgabello
16:56e ha scansionato tutto.
16:57Divano,
16:58tappeto mobili,
16:59il pezzo più grande
17:00non era addirittura
17:00lo sgabello,
17:01era il divano.
17:02Qui un programma
17:03automatico
17:04avrebbe tenuto
17:04praticamente tutto.
17:06In più le gambe
17:07dello sgabello
17:07erano molto sottili,
17:08vedete non ci sono,
17:09l'IDAR quasi non le vede.
17:11L'orchestratore
17:12qui cosa ha fatto?
17:13Ha scritto un programma
17:14che ha fatto tre cose.
17:15Ha trovato il pavimento,
17:17ovvero la nuvola di punti
17:18più allineata
17:19che è quello arancione,
17:21lo ha tolto
17:21ma l'ha tenuto
17:22come riferimento
17:23per sapere
17:24dove appoggiava lo sgabello.
17:25Poi ha ritagliato
17:26la zona dello sgabello
17:27e ha buttato via tutto il resto.
17:29E da quello che rimane
17:30sono rimasti
17:31i 2048 punti
17:32che insieme alle foto
17:34che io gli ho dato
17:34dello sgabello
17:35hanno guidato il modello
17:37a ricostruire la forma.
17:38Tutto questo
17:39viene fatto in locale
17:40senza mandare la scansione
17:42in LIDAR sul cloud.
17:43Cioè
17:43Cloud ha lavorato in locale.
17:45Nel frattempo
17:46la foto dello sgabello
17:47viene scontornata
17:48perché ci serve pulita.
17:49Perché questa
17:50insieme ai punti
17:51è quello che serve
17:51poi al modello
17:52che ricostruisce la forma
17:53per ridarci l'oggetto.
17:56Anche lo scontorno
17:57viene fatto
17:57con strumenti
17:58in computer vision
17:59in locale.
18:00Quindi altro strumento
18:01utilizzato dall'orchestratore.
18:03E adesso entra in gioco
18:03il primo modello
18:04generativo
18:05vero e proprio
18:06che è un
18:07Yuan
18:07scusate la pronuncia
18:093D Omni.
18:10Comunque è un modello
18:11di Tencent
18:12che costruisce
18:13oggetti in 3D
18:14partendo
18:15da uno
18:16più foto
18:16e da una nuova di punti.
18:18Questo modello
18:19in locale
18:19ci mette poco più di un minuto.
18:21Quindi
18:21mentre aspettiamo
18:23in approfitto
18:23per raccontarvi
18:24un pochino
18:25di quello
18:26che c'è dietro.
18:27Perché servono
18:27sia la foto
18:29sia i punti
18:29al modello?
18:30Perché sono elementi
18:31che si completano.
18:32La foto ci dice
18:33come è fatto
18:34lo sgabello
18:34ci dà la forma
18:35della seduta
18:36ci dà
18:37la dimensione
18:37delle gambe
18:38ci dice
18:38che è di legno
18:39i punti invece
18:40ci dicono esattamente
18:41quanto è grande
18:42e come sono messe
18:43le parti
18:44nello spazio.
18:45Il modello
18:45che parte
18:46dalla sola foto
18:46dovrebbe indovinare
18:47praticamente le proporzioni
18:48con i punti
18:49invece che lo guidano
18:50sa già
18:51quali sono
18:52e dove il leader
18:53non vedeva
18:54come ad esempio
18:54le gambe
18:54che erano sottili
18:55la foto
18:55aiuta il modello
18:56a capire
18:57come riempire
18:57questi buchi.
18:58Su questa macchina
18:59poi non abbiamo
19:00un modello solo
19:01abbiamo Omni
19:02che è quello
19:02che sta lavorando
19:03adesso
19:03ma c'è anche
19:04Qen 3 Vision Language
19:06che è un modello
19:06che ha anche la vista
19:07quindi
19:08lui guarda le foto
19:09e i render
19:10sceglie i materiali
19:11e controlla il risultato
19:12e abbiamo anche
19:14un terzo modello
19:15che sta girando
19:16che è Flux 2
19:16che genera immagini
19:18e tra poco
19:18ridisegnerà
19:19questa stanza
19:20poi abbiamo anche Blender
19:21quindi applicazione
19:22che fa rendering background
19:24utilizzando il motore
19:25di ray tracing
19:26quello accelerato
19:27dell'RTX
19:28Optics
19:29integrato
19:30e poi abbiamo anche
19:31delle librie geometriche
19:32che calcolano le misure
19:33perché le misure
19:33non le deve assolutamente
19:34inventare il modello linguistico
19:36devono essere precise
19:37e credo che qua
19:38si inizi un pochino
19:39a vedere il senso
19:40di 128 giga
19:41abbiamo tenuto caricato
19:42tre modelli
19:43tutti insieme
19:4472 giga e mezzo
19:45di RAM occupato
19:47in memoria
19:47lasciando il resto libero
19:49per poter utilizzare
19:50le app
19:50per poter usare Blender
19:51per poter usare il computer
19:52così facendo
19:54non abbiamo modelli
19:55da scaricare
19:56e ricaricare in memoria
19:57tra un passaggio e l'altro
19:58se avessimo usato
20:00un computer desktop
20:01con un RTX 5080
20:02come GPU
20:03dovevamo operarlo
20:04per forza
20:05caricavamo un modello
20:06lo usavamo
20:07lo si scaricava
20:08nuovo modello
20:09qua invece
20:10li abbiamo tenuti
20:11tutti
20:11in contemporanea
20:13non è detto neppure
20:13che alcuni modelli
20:14ci stiano poi
20:15sulla RTX 5080
20:17e tutto questo
20:18ricordatevi
20:19l'ha messo in piedi
20:20praticamente
20:20un agente in cloud
20:21che non ha mai visto
20:22una camera da letto
20:23gli ho dovuto spiegare
20:24io tutto quello
20:25che voleva
20:25i pezzi
20:26li ha messi insieme a lui
20:27l'idea è mia
20:28interfaccia inclusa
20:29gli ho detto io
20:30come la volevo
20:30cosa mi serviva
20:31comunque adesso
20:32vedete lo sgabello
20:33è pronto
20:33c'è la seduta
20:34quattro gambe
20:35traversi
20:35e combacia
20:36esattamente
20:37con la scansione
20:38cioè
20:39ci sono 4 mm
20:40di differenza
20:41tra quello che
20:42ha costruito
20:42omni
20:43e la scansione
20:44poi la posizione
20:46all'inizio
20:46lo sgabello
20:47me l'ha messo
20:48prende a caso
20:48dentro il letto
20:49adesso abbiamo aggiunto
20:50anche un controllo
20:51che verifica
20:51che non tocchi nulla
20:52lo sgabello
20:53deve essere posizionato
20:54nella stanza
20:54senza toccare mobili
20:55pareti
20:56porte
20:56finestre
20:57nella posizione finale
20:58l'abbiamo messo
20:59a circa 20 centinaia
21:00da finestra
21:0124 ore dal letto
21:02basta chiedere di spostarlo
21:04e la gente
21:04prende e lo sposta
21:05posso spostarlo
21:06anche da blender
21:06se voglio
21:07quindi
21:08dai file dell'iPhone
21:09al render finale
21:10ci sono voluti
21:11praticamente
21:12con tre modelli
21:13che ha lavorato
21:14e a questo punto
21:14la scena è giusta
21:15è corretta
21:16semplicemente
21:17è un po' spoglia
21:18è un letto
21:19che è una scatola
21:20ed ecco
21:20a questo punto
21:21l'architetto
21:21può chiedere al cliente
21:22che stile le piacerebbe
21:23il cliente sceglie
21:25scandinavo
21:26e io premo
21:27genera
21:27guardate i tempi
21:28a sinistra
21:29intanto vi racconto
21:30cosa sta succedendo
21:31in questo programma
21:32che abbiamo sviluppato noi
21:33prima blender
21:34ha fatto un render
21:35della scena vera
21:35quella con le misure
21:36giuste
21:37ci ha messo circa
21:38due secondi e mezzo
21:39perché blender
21:39su questa macchina
21:40è comunque veloce
21:41il modello visivo
21:42ha scelto le finiture
21:43ci ha messo circa
21:44nove secondi
21:45quentra vision
21:46ha guardato il render
21:47e ha deciso come
21:48questa stanza
21:49può essere modificata
21:50con lo stile scandinavo
21:51come chiesto dal cliente
21:52quindi che pavimento
21:54che pareti
21:54che luce
21:55le scelte le vedete
21:56scritte qua
21:57una per una
21:57a quel punto
21:58interviene Flux
21:59che ridisegna
22:00ci mette circa
22:01cinque secondi
22:02non crea un'immagine da zero
22:03prende il render
22:04di blender
22:05quello che ha fatto blender
22:06quindi fedele e preciso
22:07e lo modifica
22:08cambia le superfici
22:09cambia la luce
22:10ma deve lasciare
22:11tutto il resto
22:12esattamente com'è
22:13e questa è la differenza
22:14tra chiedere a un'IA
22:16disegnami una camera
22:17in stile scandinavo
22:18oppure chiederle
22:19vesti questa camera
22:21in stile scandinavo
22:22stiamo lavorando
22:23su un progetto vero
22:24che non può essere
22:25e non deve essere cambiato
22:26e per questo
22:27ci aiuta il controllo visivo
22:28il controllo visivo
22:29di QN
22:29confronta sempre il risultato
22:31con il render di partenza
22:32si chiede
22:33ha messo dei mobili nuovi
22:34ha spostato la finestra
22:35ha cambiato la stanza
22:36questo è il passaggio più lungo
22:39ed è quello che serve di più
22:40per verificare
22:41che tutto sia esattamente
22:43coerente
22:43a quello che vogliamo ottenere
22:44ecco qui
22:45a sinistra vedete
22:47la geometria vera
22:48a destra
22:48quella che invece è
22:49il disegno fatto dall'IA
22:51stessa stanza
22:52stesso sgabello
22:53tutto nello stesso punto
22:54semplicemente
22:56Flux ha cambiato atmosfera
22:58ha cambiato ambiente
22:59e l'ha fatto in un minuto e mezzo
23:00quindi scandinavo
23:02industriale
23:02giapponese
23:03cotto toscano
23:04io posso cambiare
23:05posso dargli anche dei prompt infiniti
23:07e cambia solamente la finitura
23:09Blender si aggiorna da solo
23:10e volendo posso anche andare
23:12a lavorare a mano su Blender
23:14mentre lo sta facendo
23:15quindi tutto coordinato
23:16c'è da dire che
23:17non tutto è andato liscio
23:18anzi
23:19la prima volta
23:20l'IA si è inventata
23:21praticamente tutto
23:22un'altra camera
23:23un armadio
23:24una scrivania
23:25al posto dello sgabello
23:26addirittura
23:27aveva messo anche una sede
23:28d'ufficio
23:28e perché questo?
23:30beh perché il modello visivo
23:32per essere utile
23:33scriveva istruzioni
23:34a Flux
23:35dicendo che a Reddy voleva
23:37e Flux li disegnava
23:38senza porsi il problema
23:39è stato lo stesso modello
23:40che poi
23:41si è accorto del risultato
23:42e l'ha bocciato da solo
23:43ci ha chiesto
23:44che modifiche volevamo
23:45e più facevamo modifiche
23:47più il programma ha capito
23:48esattamente
23:48cosa volevamo ottenere
23:49e ha ridotto gli errori
23:51quindi il nostro
23:52agente interior designer
23:53praticamente
23:54è un agente
23:55che vive su questo computer
23:56in una directory
23:57e ha dei file
23:58che lo definiscono
23:59ed è estremamente personale
24:00perché ogni progetto
24:02migliora
24:02e impara a lavorare
24:03esattamente
24:04come noi
24:05avremmo fatto
24:06su quel progetto
24:07se l'avessimo fatto a mano
24:08con Blender
24:09aveva poi sbagliato
24:10anche lo stile serale
24:11per esempio
24:12il modello ha chiesto
24:13luce da lampade da terra
24:14e Flux
24:15ha disegnato le lampade
24:17per terra
24:18no?
24:18il controllo
24:19anche qui
24:19l'ha segnalato
24:20abbiamo verificato
24:21e adesso la luce
24:22si descrive
24:22solo per direzione
24:24e colore
24:24e lo stile serale
24:26esce
24:26giusto
24:27proprio per farvi
24:29capire
24:29come
24:30questo è un po'
24:31un aiuto reciproco
24:32tra agente AI
24:33e chi lavora
24:34e forse quello
24:36del cotto toscano
24:37è l'esempio migliore
24:38ah il cotto toscano
24:39tra l'altro
24:39è lo stile più bello
24:40di tutti
24:40che fa
24:41questo sistema
24:42perché guardate
24:43la finestra
24:44è uscita più piccola
24:45e più bassa
24:46di quella vera
24:47e qui il controllo
24:48automatico
24:48fatto dall'agente visivo
24:49ha detto
24:50ma va tutto bene
24:51ce ne siamo accorti noi
24:52abbiamo detto
24:53al nostro agente
24:54guarda che
24:54queste finestre non va bene
24:56abbiamo detto due istruzioni
24:57lui l'ha corretto
24:58e da quel momento
24:59l'ha fatto sempre giusto
25:00quindi
25:01l'IA propone
25:02il professionista
25:02corregge
25:03ma l'ultima parola
25:03è sempre di chi lavora
25:05della persona
25:06dell'utente
25:06che ha avuto l'idea
25:07no?
25:08questo ovviamente
25:08era solo un progetto
25:09però vi fa capire
25:10come ciascuno
25:10può partire da una base
25:12semplice
25:12e poi andarla a sviluppare
25:13e farla crescere
25:14cloud è a pagamento
25:16ed è il cervello
25:16che però
25:17usa un computer veloce
25:18come questo
25:19con tutti i suoi strumenti
25:20e i suoi 128 giga di ram
25:22per caricarci
25:23e usare modelli locali
25:24che diventano
25:25praticamente il braccio operativo
25:26di cloud
25:26gli strumenti
25:27i software
25:28i tool
25:28e poi c'è una seconda parte
25:30che secondo me
25:31cambia davvero
25:32il modo di lavorare
25:33per questo computer
25:34rispetto al laptop
25:35resta sempre acceso
25:37a casa
25:38in studio
25:39e nel nostro caso
25:40abbiamo voluto fare di più
25:41l'abbiamo collegato a telegram
25:43basta dirlo
25:44alla gente
25:44fa tutto lui
25:45e una volta collegato a telegram
25:46mi immagino l'architetto
25:48che è in giro
25:49con un cliente
25:49magari è in questo appartamento
25:51che è quello che mi ha appena scansionato
25:53che deve vendere o arredare
25:54e lui scrive con telegram al bot
25:56fammi vedere
25:57è una cucina
25:58in stile orientale
26:00oppure
26:00fammi vedere
26:01questa parete gialla
26:02mettimi le luci serale
26:04il messaggio arriva via telegram
26:05allo spark
26:06che l'ho acceso in studio
26:07lui inizia a lavorare
26:08da solo
26:09la scena si aggiorna
26:10blender renderizza
26:11la nuova inquadratura
26:12ci mette poco meno di un secondo
26:14poi lì ha
26:15flux
26:15veste la stanza
26:16e dopo circa 30 secondi
26:18l'immagine
26:19viene recapitata di nuovo
26:20sul mio telefono
26:21e la posso far vedere
26:21direttamente al cliente
26:23e credo che a questo punto
26:24sia facile capire
26:25il passo successivo
26:26quando capite che può fare tutto
26:28iniziate a chiedere tutto
26:29potete pensare
26:30non so
26:30ma se io leggo la scansione a telegram
26:31posso far vedere
26:33come verrebbe in una stanza
26:34una cucina
26:35magari vista su una rivista
26:37oh sì
26:38potete farlo sul posto
26:39potete mandare i materiali
26:41al vostro spark
26:41e lui
26:42in pochi minuti
26:43fa quello che deve fare
26:45ricostruisce le misure
26:46ma è tutta una scena
26:47renderizza
26:47e te la rimanda indietro
26:49e questo
26:50cambia il modo di lavorare
26:51perché pensate cosa vuol dire
26:52per una persona
26:52che fa questo lavoro
26:53e che davanti a un cliente
26:55che deve convincerlo
26:56a comprare un appartamento
26:58tra fargli vedere
26:59le pareti vuote
27:00dirgli
27:01venga tra qualche giorno da me
27:02oppure fargli subito
27:03vedere lì
27:04guardi come viene
27:04guardi
27:05vuole un suggerimento
27:06vuole cambiare qualcosa
27:08ecco
27:08cambi
27:09mi dica cosa vuole cambiare
27:10e fa vedere tutto
27:11il punto qua
27:12non è tanto l'architetto
27:13il punto che
27:13ognuno con una macchina del genere
27:15può davvero costruirsi
27:16quello che gli serve
27:17io non sono un architetto
27:18questo qua era solamente un esempio
27:19non è il mio campo
27:20però ho spiegato alla gente
27:22quello che volevo
27:23e i petti
27:23li hai messi lui insieme
27:24e al posto
27:25della poltroncina
27:26poteva esserci
27:27il vostro lavoro
27:28potevano esserci
27:29i vostri modelli
27:29poteva esserci
27:30qualsiasi strumento
27:31in questo campo
27:33cioè la gente intelligente
27:34io lo prendo in cloud
27:35tutto il resto
27:37lui sta sul computer
27:38e sta sempre acceso
27:39in casa
27:40con i vostri strumenti
27:41con i vostri dati
27:42possono essere elaborati
27:43in ogni istante
27:44senza che passino dal cloud
27:46perché rimangono in locale
27:47vengono mandati
27:48ovviamente su telegram
27:49passano dal cloud
27:50quindi diciamo
27:51il modello orchestratore
27:52è l'intelligenza
27:53tutto quello che c'è su
27:54è il braccio
27:56è la potenza
27:56serve una macchina così
27:58perché vi permette di utilizzare
27:59tutti gli strumenti
28:00perché vi permette di utilizzare
28:01diversi applicativi
28:02perché vi permette di lanciare
28:04anche modelli in locale
28:05quanto costa
28:05tenerlo sempre acceso
28:06abbiamo visto prima
28:07consuma 7 watt e mezzo
28:08quindi in un anno
28:09sono circa
28:0966 kilowattora
28:11una ventina di euro di corrente
28:12ci mettete
28:13l'abbonamento
28:14a cloud pro
28:15o a gpd
28:16o così sia
28:17e sono attorno ai 20 euro al mese
28:18voi con 300 euro
28:20avete un risultato eccellente
28:22con una macchina
28:23che è ibrida
28:24lavora in parte in cloud
28:26usando i modelli di frontiera
28:27e in parte locale
28:28usando gli strumenti
28:29credo che questi computer AI
28:31quindi non vadano presi
28:32per far girare il modello
28:33più grosso che c'è
28:34sono sprecati per quello
28:35vanno presi perché
28:37ci puoi far girare
28:373, 4, 5 modelli specifici
28:40anche allenandoli tu
28:40vanno presi perché
28:42i modelli in locale
28:43possono utilizzare
28:44gli strumenti
28:45che tu utilizzi
28:46che sia montaggio video
28:47architettura
28:48musica
28:49e li coordino
28:50il regista
28:50che è bravissimo
28:51che paghiamo per quello
28:52ed è una macchina
28:53sempre accesa
28:54quindi è raggiungibile
28:54ovunque
28:55che lavora sempre per te
28:56in questo momento
28:57quando non sei davanti
28:58al computer
28:58e poi è un computer
29:00ovviamente
29:00ogni volta che tu
29:01torni a casa
29:02ti siedi davanti alla scrivania
29:03lui è collegato
29:04al tuo bel monitor 4K
29:05lo apri
29:06e puoi usare
29:07Resolve, Premiere
29:093D Studio
29:11AutoCAD
29:12e tutti i software
29:13che funzionano
29:14perché funzionano
29:15praticamente quasi tutti i software
29:16non dico tutti
29:17ma quasi no
29:18quindi diciamo
29:19il succo è questo
29:21è veramente la macchina
29:22ibrida per eccellenza
29:24ibrida perché
29:24ci giochi
29:25ibrida perché
29:26lo usi come computer
29:28ibrida perché
29:28consuma poco
29:29ibrida perché
29:30ti fa DAIA locale
29:31ibrida perché
29:32ti fa DAIA
29:32ibrida insieme al cloud
29:33è una macchina
29:35incredibilmente versatile
29:36l'unico problema
29:37che ci vede
29:37questa macchina qua
29:38è il prezzo
29:39il prezzo che
29:40io non so più ormai
29:42come gestire la cosa
29:44perché è ovvio
29:44che è un prezzo gonfiato
29:45nel prezzo folle
29:46delle RAM
29:47del prezzo folle
29:48della tecnologia di oggi
29:50cioè è un prezzo
29:51che non è forse
29:53nemmeno
29:54giudicabile onestamente
29:55perché io credo
29:56che un computer del genere
29:58fra qualche anno
30:00ma anche
30:00tre anni fa
30:01se fosse uscito
30:02sarebbe costato
30:03comunque non dico
30:03la metà
30:04ma saremmo stati
30:05attorno ai
30:062.900-3.000 euro
30:07che era il prezzo
30:08perfetto per una
30:08workstation così piccola
30:09che Windows
30:10non ha mai avuto
30:11c'è da dire
30:11che con la mia logica
30:12quindi con un orchestratore
30:13che lavora in cloud
30:14che usa modelli locali
30:15forse non
30:16servono 128 giga
30:18potete prendere
30:18anche una versione
30:19un pochino
30:19meno carrozzata
30:21mi pare che parte
30:22da 4.399 dollari
30:24non so come
30:25questi dopo
30:26diventino
30:26in euro
30:27però diciamo
30:28il prezzo
30:29dovrebbe essere
30:29un pelo più basso
30:30non so neanche
30:30che configurazioni
30:31la vendono
30:32comunque questo è lui
30:33è il ProArt
30:34RTX
30:36Spark
30:36ProArt
30:37non mi ha azzeccato
30:37perché comunque
30:38è rivolto
30:39ai content creator
30:40a chi crea contenuti
30:41ed effettivamente
30:42è così
30:42va bene come
30:43mini pc per giocare
30:45però
30:45per giocare
30:47sprecato
30:48e credo di avervi dato
30:49in questo video
30:50una visione
30:51un po' diversa
30:52da quella che può essere
30:53il classico
30:54appunto
30:55utilizzo
30:55IA locale
30:56che
30:57se comprate
30:587 miliardi macchine
30:59per far girare
30:59un modello linguistico
31:00abbonatevi in cloud
31:02se non avete problemi di privacy
31:03sicuramente risparmiate
31:04questo però
31:06averci alla casa
31:07acceso tutto il giorno
31:08a un professionista
31:09con le idee giuste
31:11perché servono le idee giuste
31:11fa la differenza
31:13chiedetemi
31:14qualsiasi cosa
31:14su questa macchina
31:15come sempre
31:16rispondo sotto nei commenti
31:18seguiteci
31:19like al canale
31:20solite cose
31:20ci vediamo al prossimo video