Nvidia Vera Rubin: sette chip per l'AI che non si ferma più

Cosa è successo

Alla sua conferenza GTC, Nvidia ha annunciato che la piattaforma Vera Rubin è entrata in piena produzione. Sette chip — Rubin GPU, Vera CPU, NVLink 6, ConnectX-9, BlueField-4, Spectrum-6 e il nuovo Groq 3 LPU — organizzati in cinque configurazioni rack che Nvidia descrive come un unico supercomputer distribuito. OpenAI, Anthropic, Meta e tutti i principali cloud provider hanno confermato l'adozione; le prime consegne sono attese nella seconda metà del 2026.

Il pezzo più discusso è il Groq 3 LPU, primo prodotto nato dalla semi-acquisizione di Groq a dicembre per $20 miliardi. Il chip usa SRAM invece di HBM — 500MB per unità contro i 288GB del Rubin GPU — con una larghezza di banda di 150TB/s contro i 22TB/s della memoria ad alta capacità. Una scelta di design radicalmente diversa, pensata non per reggere modelli enormi ma per generare token a latenza minima. Il rack LPX integra 256 LPU e si affianca al rack NVL72 standard: insieme, secondo Nvidia, aumentano il throughput per modelli da un trilione di parametri di 35 volte rispetto alla generazione Blackwell. Da notare: contestualmente, Nvidia ha messo in standby il Rubin CPX — l'acceleratore di seconda generazione annunciato a settembre — per concentrarsi sull'integrazione LPX.

Annunciato anche il Vera CPU standalone: 88 core Olympus custom, 1.2TB/s di banda di memoria, disponibile come prodotto a sé stante oltre che integrato nel sistema Vera Rubin. Tra i clienti già confermati: Meta, CoreWeave, Nebius, Oracle, Alibaba, ByteDance.

Perché è importante

Fino a pochi anni fa, un data center AI era sostanzialmente una warehouse di GPU. Vera Rubin segnala che quell'era è finita — o almeno, che Nvidia ha deciso di scommettere sulla sua fine.

La logica dell'architettura rispecchia quella dell'agente: un sistema che ragiona in modo autonomo per ore ha bisogno di CPU veloci per eseguire tool call, query SQL e compilazioni di codice senza diventare un collo di bottiglia; di inferenza a bassa latenza per rispondere ad altri agenti (non ad un umano che aspetta qualche secondo, ma a sistemi che operano in loop stretti); di storage ottimizzato per mantenere contesti lunghissimi senza degradare le prestazioni. Ognuno dei sette chip risolve un pezzo specifico di questo problema. Nvidia sta ridisegnando l'infrastruttura tecnologica — e la sua guidance finanziaria — attorno alla premessa che i workload agentici diventeranno il caso d'uso dominante, e che nessun singolo chip li gestisce bene da solo.
Il Groq 3 LPU segue questa narrazione più degli altri. La GPU tradizionale eccelle nell'alta capacità e nel throughput massiccio; l'LPU eccelle nella latenza e nella velocità per token. Nvidia li aveva finora trattati come alternative; adesso li integra come complementari. Che abbia pagato $20 miliardi per una tecnologia e l'abbia portata in produzione in tre mesi — scavalcando nel frattempo il Rubin CPX che aveva annunciato appena sei mesi fa — dice qualcosa sia sulla velocità con cui le priorità si spostano nel settore, sia sulla serietà con cui Nvidia prende la minaccia di Cerebras e degli altri specialisti nell'inferenza.

Il Vera CPU standalone aggiunge, infine, un'altra dimensione: per la prima volta Nvidia compete direttamente con Intel e AMD nel mercato dei processori server, perché l'orchestrazione degli agenti richiede CPU che i chip x86 attuali non gestiscono con l'efficienza necessaria. Non è un attacco frontale ad un mercato maturo, ecco, quanto più un ingresso nel territorio altrui giustificato dalla propria tesi sull'AI — il che lo rende sia più credibile sia più difficile da ignorare per i competitor.

E adesso?

Dopo Vera Rubin arriverà Feynman, la cui architettura rack — Kyber, con 144 GPU in vassoi verticali per densità e latenza migliorate — Huang ha mostrato in prototipo. Nel frattempo, la prossima partita si giocherà sulla produzione: Vera Rubin usa TSMC per le GPU e Samsung per i chip Groq, una biforcazione manifatturiera che aiuta a distribuire la pressione sulla supply chain, ma introduce nuove variabili di coordinamento. Quanto velocemente tutto questo raggiungerà scala è la domanda che vale più di qualsiasi benchmark.