Per chi in Italia guarda al mercato dell’intelligenza artificiale — sviluppatori, startup e investitori — il nome Nvidia significa da anni una sola cosa: un ecosistema quasi impossibile da aggirare. Al centro di quel dominio non ci sono soltanto i chip, ma un software chiamato CUDA, che per due decenni ha reso l’azienda di fatto insostituibile. Ora quel vantaggio, secondo diverse voci del settore, comincia a essere scalfito: gli agenti di programmazione basati sull’AI stanno rendendo più semplice ricostruire ciò che prima richiedeva anni di lavoro, mentre lo spostamento del mercato verso l’inferenza cambia le regole del gioco.
- CUDA è la piattaforma software che da vent’anni trasforma i chip Nvidia nei mattoni dell’AI.
- La startup Infinity afferma di aver ricreato un software simile a CUDA per il produttore di chip D-Matrix in 10 ore usando agenti AI.
- Il passaggio dall’addestramento all’inferenza potrebbe ridurre l’effetto di lock-in su cui poggia il vantaggio di Nvidia.
Cos’è CUDA e perché ha reso Nvidia quasi intoccabile
CUDA, acronimo di Compute Unified Device Architecture, è nato dall’idea di Ian Buck, dirigente di lungo corso in Nvidia responsabile del calcolo ad alte prestazioni. Ci sono voluti anni per costruirlo: offre codice già pronto per i compiti più comuni dell’AI, strumenti per individuare i bug e software che permette a migliaia di chip di lavorare insieme per addestrare i modelli.
Il secondo, e forse più solido, elemento di forza è tutto ciò che è stato costruito sopra: milioni di righe di codice e flussi di lavoro interni sviluppati dalle aziende, che creano un potente effetto di dipendenza. Passare a soluzioni alternative diventa così costoso e complicato. Documenti interni di Amazon avevano individuato proprio in CUDA un ostacolo maggiore all’adozione dei suoi chip Trainium e Inferentia.
Gli agenti AI accorciano i tempi, ma non tutti concordano
Il settore si trova a una soglia importante, sostiene Jeremy Nixon, ex ricercatore di Google Brain e fondatore della startup Infinity. Ha raccontato a Business Insider che la sua azienda ha usato agenti di programmazione AI per ricreare un software simile a CUDA per la startup D-Matrix in appena dieci ore, prova a suo dire che uno dei fossati più profondi di Nvidia sta per essere superato.
La pressione non arriva solo dalle startup. Colossi del cloud come Google, Amazon e Microsoft hanno lavorato per anni al software attorno ai propri chip, mentre OpenAI e Anthropic hanno mostrato modelli capaci di generare software di sistema. Anche la stessa Nvidia, per bocca del vicepresidente Ankit Patel, dichiara di usare agenti AI per sviluppare CUDA più rapidamente.
L’inferenza può cambiare l’equazione
Diversi osservatori vedono nel passaggio dell’AI dall’addestramento all’inferenza — la fase in cui i modelli rispondono alle richieste — una nuova minaccia. Con questa evoluzione, spiega Marshall Choy della startup coreana Rebellions, le aziende badano meno a spremere le massime prestazioni e più a far funzionare l’AI in modo profittevole.
Se le imprese possono passare da un chip all’altro senza riscrivere il software, uno dei principali vincoli di CUDA si allenta.
“È lì che il fossato di CUDA si spezza, perché CUDA non è più un fattore sul fronte dell’inferenza”, ha detto Choy. Chris Lattner, cofondatore e amministratore delegato di Modular, aggiunge che l’età di CUDA è insieme un vantaggio e un limite: nato per il gaming ben prima del boom dell’AI, si porta dietro strati di tecnologia legacy, “come Microsoft Windows che cerca di adattarsi a un telefono”.
Il fossato non sparisce, si sposta
Non tutti pensano che gli agenti AI stiano erodendo il vantaggio di CUDA; alcuni ritengono anzi che possano rafforzarlo. Bing Xu, fondatore della startup INT21 la cui precedente società fu acquisita da Nvidia, sottolinea che il codice generato dall’AI va comunque verificato e ottimizzato, e che CUDA dispone dell’ecosistema di verifica più profondo. “Gli agenti possono generare molto codice in poco tempo, ma la verifica è il collo di bottiglia più grande”, afferma.
Per Lattner l’entusiasmo “non è del tutto insensato, ma è molto gonfiato”: scrivere codice è solo una piccola parte rispetto all’ottimizzazione per la produzione. Ciò significa che, per gli sviluppatori e le aziende europee che valutano alternative, la scelta non dipenderà solo dalla capacità dell’AI di generare software, ma dalla velocità con cui i rivali riusciranno a colmare il divario prima che Nvidia guadagni nuovo terreno. Secondo Luke Lango di InvestorPlace, il prezzo stagnante del titolo Nvidia nell’ultimo anno riflette in parte queste preoccupazioni di Wall Street.
Ritenete che l’AI possa davvero abbattere il dominio di Nvidia, o l’ecosistema CUDA resterà insostituibile ancora a lungo? Diteci la vostra.
