Nvidia sta costruendo un vantaggio che va oltre le GPU
Per anni la storia dominante su Nvidia è stata piuttosto semplice: durante i primi anni del boom dell’intelligenza artificiale, l’azienda era praticamente l’unico produttore in grado di offrire GPU all’avanguardia su larga scala. La domanda enorme ha trasformato questi chip in uno dei prodotti più redditizi dell’intero settore tecnologico.
Negli ultimi anni, però, la situazione è cambiata. I grandi hyperscaler, tra cui Amazon e Google, hanno iniziato a sviluppare processori proprietari, riducendo la dipendenza dalle GPU Nvidia. Questo ha alimentato i dubbi degli investitori sulla capacità dell’azienda di mantenere a lungo il proprio vantaggio competitivo.
La situazione, tuttavia, potrebbe essere più complessa. Dopo aver visto la propria capitalizzazione di mercato aumentare di circa 10 volte tra l’inizio del 2023 e la metà del 2025, il titolo Nvidia ha attraversato una fase di crescita più moderata nell’ultimo anno, anche a causa delle preoccupazioni legate alla concorrenza.
Dopo i risultati finanziari pubblicati mercoledì, sta però emergendo una nuova interpretazione: il vantaggio di Nvidia non dipenderebbe più soltanto dalle GPU.
La nuova frontiera è l’orchestrazione
Con l’espansione dei sistemi di intelligenza artificiale verso infrastrutture che richiedono gigawatt di potenza, la gestione dell’intero sistema diventa sempre più complessa.
Non basta quindi avere il processore più potente. È necessario assicurarsi che memoria, archiviazione, networking, CPU e acceleratori riescano a lavorare insieme senza creare colli di bottiglia.
È proprio in questo settore che Nvidia sta costruendo una posizione particolarmente forte.
L’azienda sta introducendo l’architettura Vera Rubin, che non comprende soltanto la nuova GPU Rubin, ma un’intera piattaforma composta da diversi elementi, tra cui la Vera CPU, l’acceleratore per l’inferenza Groq 3 LPX e sistemi dedicati a storage e networking.
L’idea è semplice: se la GPU rappresenta il motore, tutti questi componenti costituiscono il resto dell’automobile e devono funzionare in maniera coordinata.
La Vera CPU deve impedire i colli di bottiglia
Uno degli elementi più interessanti è la Vera CPU, progettata anche per gestire l’orchestrazione dei dati.
Con l’aumento della potenza di calcolo dei data center cresce infatti anche la quantità di memoria necessaria. Il problema è riuscire a trasferire i dati verso la GPU esattamente quando servono, senza lasciare inutilizzata una parte della capacità di elaborazione.
Secondo Jason Hardy, vicepresidente Nvidia per le tecnologie di storage, la Vera CPU può accelerare queste operazioni in modo significativo. L’azienda sostiene di aver osservato miglioramenti fino a 3 volte in determinate operazioni.
Questo permetterebbe, ad esempio, di sfruttare più efficacemente lo storage flash evitando che la gestione dei dati diventi un nuovo collo di bottiglia.
Anche OpenAI sta affrontando lo stesso problema
La questione non riguarda esclusivamente Nvidia. Un esempio interessante arriva da OpenAI e dal suo chip Jalapeño.
In questo caso l’approccio è differente: invece di sviluppare un sistema estremamente sofisticato per spostare i dati nel modo più efficiente possibile, OpenAI punta a ridurre alla fonte la quantità di dati che deve essere trasferita.
Il principio è quindi simile, anche se la soluzione è diversa: ottenere maggiore efficienza non semplicemente aumentando i cicli di elaborazione, ma riducendo i tempi e le distanze necessari per far circolare i dati.
Questo dimostra come l’industria dell’AI stia entrando in una fase nella quale la competizione non riguarda più soltanto chi produce il chip più potente.
Nvidia vuole controllare l’intero sistema
Questa evoluzione potrebbe avere conseguenze importanti per Nvidia.
Se la competizione si sposta dalle sole GPU all’intera infrastruttura AI, il vantaggio dell’azienda potrebbe risultare più difficile da replicare. Un concorrente potrebbe sviluppare una GPU estremamente competitiva, ma questo non significa necessariamente riuscire a costruire un sistema completo altrettanto efficiente.
La sfida comprende infatti CPU, memoria, storage, networking, acceleratori e software, oltre alla capacità di orchestrare tutti questi componenti.
Naturalmente non significa che Nvidia abbia già vinto. Anche hyperscaler e produttori rivali possono sviluppare soluzioni proprietarie per affrontare lo stesso problema. La concorrenza potrebbe quindi semplicemente essersi spostata a un livello superiore.
Per il momento, però, Nvidia sembra avere un vantaggio considerevole: l’azienda non sta più cercando soltanto di costruire la GPU più potente, ma di progettare l’intero ecosistema necessario per far funzionare un data center AI su scala gigantesca nel modo più efficiente possibile.
Ed è proprio questo che potrebbe rendere il suo vantaggio competitivo molto più solido di quanto suggerisca la semplice competizione tra GPU.
