Nvidia sta spingendo per controllare ogni chip all'interno dei data center dell'IA

Punti chiave

• Il nuovo sistema di chip Vera Rubin di Nvidia afferma di elaborare dieci volte più attività di IA per watt rispetto al suo precedente sistema Grace Blackwell.
• OpenAI ha già un rack Vera Rubin in funzione nelle sue strutture, come confermato da Nvidia durante un briefing tecnico nel giugno 2025.
• Nvidia sta vendendo la CPU Vera, il cervello elaborativo all'interno del nuovo sistema, come prodotto autonomo e ha comunicato ai clienti cinesi che potrebbe essere spedito già ad agosto 2025.
• AMD ha rivelato il suo chip rack IA Helios concorrente domenica, la stessa settimana del briefing di Vera Rubin di Nvidia, in una chiara gara per contratti multi-anno con aziende come Meta, Amazon e OpenAI.

Nvidia ha costruito la sua fortuna vendendo GPU, i chip specializzati che eseguono il pesante calcolo numerico richiesto dall'IA. Ora vuole vendere anche l'altro tipo di chip all'interno dei data center dell'IA.

Durante un briefing per giornalisti presso la sua sede a Santa Clara la scorsa settimana, riportato in dettaglio per la prima volta da Wired AI, i dirigenti di Nvidia hanno esposto il caso per Vera Rubin, il suo sistema di chip di prossima generazione. L'affermazione principale: Vera Rubin elabora dieci volte più token per watt rispetto al suo predecessore. Un token è un piccolo pezzo di testo o dati, e i token per watt è essenzialmente una misura di quanta elaborazione IA un sistema può svolgere per una determinata quantità di elettricità.

Questo è importante per le aziende che eseguono IA su larga scala. L'elettricità è uno dei costi maggiori in un data center e i guadagni di efficienza si traducono direttamente in bollette più basse.

Perché Nvidia vende ora CPU?

Perché l'IA sta diventando più complessa e questo richiede un tipo diverso di chip. Le GPU elaborano i numeri velocemente. Le CPU, i processori general-purpose che hanno fatto funzionare i computer per decenni, sono migliori nel coordinare i compiti, gestire i flussi di dati ed eseguire la logica del software. Mentre le aziende costruiscono agenti IA, software che può svolgere compiti multi-step autonomamente come prenotare una riunione o analizzare un foglio di calcolo senza che un umano faccia clic su ogni passaggio, hanno bisogno di più potenza CPU insieme alle loro GPU.

Vera Rubin accoppia una CPU con ogni due GPU. Un rack completo Vera Rubin NVL72, una pila di chip compattati in una singola unità raffredddata a liquido, contiene 36 CPU Vera e 72 GPU Rubin.

Nvidia sostiene anche che il nuovo sistema è molto più facile da installare rispetto ai prodotti precedenti. Descrive Vera Rubin come "calcolo senza cavi" e afferma che il tempo di installazione può scendere da un paio d'ore per rack a pochi minuti. L'intero sistema funziona con raffreddamento a liquido, che utilizza meno energia rispetto al soffiare aria su chip caldi.

L'azienda benchmarks la CPU Vera come più veloce rispetto ai chip concorrenti di AMD e Intel. Vale la pena notare: gli apparenti test di confronto hanno utilizzato generazioni leggermente più vecchie dei prodotti di questi concorrenti, che è il tipo di caratteri piccoli che merita sempre attenzione quando un'azienda valuta il suo stesso compito.

I primi clienti nominati da Nvidia includono Microsoft, OpenAI e Oracle. Vera Rubin dovrebbe iniziare a essere spedito ampiamente nella seconda metà del 2025.

Per chiunque il cui lavoro tocca gli strumenti di IA, il risultato pratico è più semplice di quanto suggeriscano le specifiche del chip. Hardware più veloce e efficiente significa che i servizi di IA che già utilizzi, dagli assistenti di scrittura ai bot di servizio clienti, diventano più economici e veloci da eseguire. Questo tende a renderli più ampiamente distribuiti, non meno. Se questo rappresenti una minaccia o un vantaggio dipende quasi interamente da come li utilizzi.

Conclusione: Se la tua organizzazione sta valutando strumenti di IA quest'anno, chiedi ai fornitori quale generazione di hardware il loro prodotto utilizza. I miglioramenti di efficienza a livello di chip spesso si manifestano come costi inferiori per utilizzo entro 12-18 mesi.