Nvidia non vende più solo GPU
DeepSeek V4 Pro supera 50 token al secondo grazie a TensorRT-LLM su Blackwell, consolidando il dominio architetturale di NVIDIA nell'AI.
L’ecosistema NVIDIA si estende dai kernel CUDA ai modelli di mondo per robotica
Superare i 50 token al secondo su DeepSeek V4 Pro non è una semplice ottimizzazione hardware.
È il risultato di un innesto architetturale dove TensorRT-LLM orchestra i kernel CUDA su Blackwell, sfruttando la precisione mista FP8 e il parallelismo tensore automatico per ridurre i round-trip fra host e device. Baseten ha documentato il salto di throughput nello stack di inferenza NVIDIA, ma il dato tecnico più rilevante è un altro: il software di serving non si limita a far girare modelli terzi, li capisce — fonde layer, schedula l’accesso alla memoria HBM3e e riduce la latenza percepita dal chiamante.
Dal silicio al dominio: la leva architetturale
Il salto prestazionale è diventato la porta d’ingresso per qualcosa di più strutturale. A ICML 2026 i paper accettati non misurano solo l’accelerazione hardware: 74 paper portano la firma diretta di NVIDIA, circa 2.000 citano GPU NVIDIA e 145 costruiscono su Nemotron. Centinaia di altri lavori poggiano su Cosmos, Isaac GR00T, BioNeMo e altre famiglie di modelli aperti dell’azienda. Non è più la GPU come commodity; è l’intero dominio scientifico a essere fornito già modellato, con una precisione architetturale che vanifica qualsiasi tentativo di intercambiabilità.
La dinamica ha una giustificazione formale che precede di decenni l’era dei transformer. Nel 1997 Wolpert e Macready dimostrarono che nessun singolo algoritmo di ottimizzazione generico può primeggiare su tutti i possibili problemi — è la formalizzazione matematica del teorema No Free Lunch. Il lavoro di Goldfeder, Wyder, LeCun e Shwartz-Ziv nel 2026 sull’intelligenza adattabile sovrumana rafforza il principio con un enunciato chirurgico:
«un algoritmo vince essendo un buon adattamento al problema target».
La trappola della specializzazione
I sistemi Mixture-of-Experts rendono operativa questa idea instradando ogni input a un sottoinsieme specializzato della rete, attivando esperti diversi per compiti diversi. NVIDIA ha preso quella logica e l’ha estesa dal livello di rete neurale all’intero stack di ricerca. Cosmos 3 fornisce omnimodelli per robotica e guida autonoma; Alpamayo è il riferimento per i veicoli a guida autonoma; Isaac GR00T e BioNeMo coprono robotica e ricerca biomedica. Aziende come 1X, Agility, Boston Dynamics e Hexagon Robotics stanno già costruendo umanoidi sopra i modelli di mondo Cosmos e gli ambienti Isaac Sim e Isaac Lab. Sakana AI ha sviluppato Fugu e Fugu-Ultra direttamente su Nemotron 3 Ultra.
Ogni paper accettato a ICML 2026 che cita queste famiglie non fa che stratificare un corpus di conoscenza legato a doppio filo all’implementazione di riferimento. Non c’è soltanto l’hardware: c’è un intero percorso di specializzazione che rende oneroso e improbabile un cambio di stack. Chi progetta agenti, sistemi di visione o policy di reinforcement learning oggi trova nell’offerta NVIDIA il punto di partenza già adattato al problema, ma paga il costo di un accoppiamento stretto che difficilmente si scioglie a valle.
Lock-in open source: il paradosso della dipendenza
Il blocco non passa dalle licenze — i modelli sono aperti — ma dall’architettura di specializzazione cumulativa. Riaddestrare da zero su un nuovo ecosistema di modelli equivarrebbe a rinunciare ai guadagni di throughput e alla validazione incrociata di centinaia di paper. Per chi costruisce, significa che la scelta dello stack di modelli NVIDIA non è reversibile alla leggera: ogni peso pre-addestrato e ogni configurazione di mixture-of-experts diventano un asset la cui sostituzione impone un costo di reingegnerizzazione che la maggior parte dei team non può permettersi. Il prossimo paper, il prossimo robot, il prossimo agente — saranno probabilmente ancora lì, agganciati a un dominio scientifico che NVIDIA ha già esportato.
