Nvidia e la nuova definizione di AGI: quando l'intelligenza artificiale genera valore economico

Jensen Huang dichiara che l'AGI è già realtà, spostando il focus dalle capacità cognitive alla capacità di generare valore economico. Intanto la roadmap di Nvi…

Contenuto

Nvidia e la nuova definizione di AGI: quando l'intelligenza artificiale genera valore economico

Scopri anche

Nvidia e la nuova definizione di AGI: quando l'intelligenza artificiale genera valore economico

Nvidia e la nuova definizione di AGI: quando l'intelligenza artificiale genera valore economico

In questo articolo:

Jensen Huang, amministratore delegato di Nvidia, ha dichiarato durante un podcast con Lex Fridman di credere che l'AGI (Intelligenza Artificiale Generale) sia già stata raggiunta. La sua affermazione non si riferisce però alla capacità delle macchine di pensare come gli esseri umani, quanto piuttosto alla capacità dei sistemi di intelligenza artificiale di generare valore economico reale. Secondo Huang, l'IA ha raggiunto uno stadio in cui non si limita a rispondere a domande o generare contenuti, ma può costruire prodotti, lanciare servizi e potenzialmente generare ricavi con un intervento umano decisamente inferiore rispetto al passato.

La ridefinizione del concetto di AGI

⬆ Torna su

La definizione tradizionale di AGI, diffusa in ambito accademico e tecnico, descrive sistemi in grado di eguagliare le prestazioni umane in un'ampia gamma di compiti, incluso il ragionamento, l'adattamento a situazioni non familiari e l'applicazione del buon senso. I sistemi attuali non soddisfano ancora questi criteri: producono errori fattuali, incontrano difficoltà in scenari inediti e mancano della comprensione contestuale che gli esseri umani costruiscono attraverso l'esperienza.

Huang ha proposto una prospettiva diversa. Nel podcast, Fridman ha inquadrato l'AGI come un sistema in grado di lanciare e gestire un'azienda dal valore superiore a un miliardo di dollari. Huang ha concordato, specificando che anche un successo di breve durata soddisferebbe questa soglia. La distinzione è sostanziale: non si chiede più se l'IA pensi come una persona, ma se possa produrre qualcosa di abbastanza prezioso che le persone siano disposte a pagare.

Il CEO di Nvidia ha citato piattaforme come OpenClaw, dove reti di agenti IA collaborano per costruire applicazioni e prodotti digitali, gestendo compiti come la scrittura di codice, la generazione di contenuti e la gestione di flussi di lavoro precedentemente richiesti interi team umani. Huang ha tuttavia riconosciuto che i sistemi attuali faticano ancora a costruire e sostenere organizzazioni complesse come Nvidia, che richiedono pianificazione a lungo termine, consapevolezza del mondo reale e giudizio basato sull'esperienza.

Le implicazioni contrattuali e strategiche

⬆ Torna su

La questione della definizione di AGI non è puramente semantica. Il termine compare in contratti e accordi strategici di aziende come OpenAI e Microsoft, dove certe condizioni sono legate al raggiungimento dell'AGI. Se interpretato come capacità di generare valore economico significativo, queste soglie potrebbero essere raggiunte prima del previsto, con conseguenze su partnership, competizione e accesso ai sistemi avanzati.

Per Nvidia, questo cambiamento di prospettiva rafforza il ruolo centrale nell'economia dell'IA. I chip dell'azienda alimentano i sistemi utilizzati per addestrare ed eseguire i modelli avanzati, il che significa che qualsiasi aumento dell'attività economica guidata dall'IA si traduce in domanda per il suo hardware.

I risultati finanziari record

⬆ Torna su

Nvidia ha comunicato risultati eccezionali per il trimestre conclusosi a ottobre 2024, con ricavi di 35 miliardi di dollari, un aumento del 94% su base annua, superando le stime degli analisti di 33,2 miliardi. I ricavi dei data center hanno raggiunto 30,8 miliardi, con una crescita del 112% anno su anno, trainati dalla piattaforma Hopper per applicazioni di intelligenza artificiale, inclusi modelli linguistici di grandi dimensioni e strumenti di IA generativa.

Per l'anno fiscale 2026, Nvidia ha comunicato ricavi totali di 215,9 miliardi di dollari, con un utile netto di 120,1 miliardi e flusso di cassa libero di 96,6 miliardi. La sezione data center ha rappresentato l'89,7% dei ricavi fiscali 2026, mentre altri segmenti come gaming, calcolo personale basato su IA, visualizzazione professionale e automotive e robotica hanno avuto un impatto relativamente minore.

La roadmap tecnologica: da Blackwell a Rubin

⬆ Torna su

Nvidia ha presentato l'architettura Rubin, progettata per capitalizzare quello che Huang ha definito il "punto di flesso dell'AI agentica". Secondo la roadmap delineata durante il GPU Technology Conference (GTC) del 2025, l'IA generativa si concentra su marketing digitale e creazione di contenuti, l'IA agentica include applicazioni come assistenti di codifica, servizio clienti e assistenza sanitaria, mentre l'IA fisica riguarda veicoli autonomi e robotica generale.

La linea di prodotti Rubin rappresenta un miglioramento rispetto all'architettura Blackwell, quest'ultima focalizzata sull'IA generativa. Il sistema integrato Vera Rubin NVL72 include 72 GPU Rubin, 36 CPU Vera e piattaforme di rete e infrastruttura, funzionando come un supercomputer pronto all'uso per fabbriche di IA su larga scala.

Secondo quanto comunicato da Nvidia, Rubin offrirà fino a 3,3 volte le prestazioni di inferenza FP4 rispetto al GB300, con 3,6 exaFLOPs rispetto a 1,1 exaFLOPs. Per chip, Rubin offre 50 petaFLOPs di FP4, in aumento di 2,5 volte rispetto ai 20 petaFLOPs di Blackwell. La piattaforma Rubin Ultra NVL576, prevista per il secondo semestre 2027, offrirà fino a 15 exaFLOPs di prestazioni di inferenza FP4.

L'IA fisica e il mercato delle robotaxi

⬆ Torna su

L'IA fisica ha già contribuito oltre 6 miliardi di dollari ai ricavi di Nvidia nell'anno fiscale 2026, meno del 3% del totale aziendale. Tuttavia, la direzione finanziaria vede un potenziale di centinaia miliardi di dollari nei prossimi dieci anni, man mano che il mercato per veicoli autonomi e robotica si sviluppa. Le corse in robotaxi stanno crescendo in modo esponenziale, con flotte commerciali di Waymo, Tesla, Uber, WeRide e Zoox che dovrebbero passare da migliaia di veicoli nel 2025 a milioni nel prossimo decennio.

I chip Nvidia sono già utilizzati in applicazioni di IA fisica, dai robot Boston Dynamics alle macchine movimento terra Caterpillar fino alla tecnologia di guida autonoma Tesla Full Self Driving. L'espansione oltre i data center verso applicazioni di IA fisica potrebbe diversificare significativamente i flussi di ricavi dell'azienda e sbloccare un maggiore potenziale di crescita a lungo termine.

La previsione sugli investimenti in infrastruttura

⬆ Torna su

Huang ha anticipato che le spese in capital expenditure per i data center potrebbero raggiungere 1.000 miliardi di dollari già entro il 2028, rispetto alle aspettative precedenti che fissavano questo traguardo al 2030. Le grandi aziende tecnologiche sono in percorso per spendere circa 330 miliardi di dollari in capex nel 2025, con Meta che prevede di investire fino a 135 miliardi e Google fino a 185 miliardi. Complessivamente, gli hyperscaler stanno pianificando quasi 700 miliardi di dollari in capex quest'anno.

Secondo le stime di Huang, ogni gigawatt di data center corrisponde a circa 40-50 miliardi di dollari di ricavi per Nvidia. Considerando che circa 9,5 GW di data center sono in costruzione dall'inizio del 2023, con tempi medi di costruzione tra 18 e 36 mesi, questo implica un'opportunità di ricavi tra 380 e 475 miliardi di dollari nei prossimi 1-3 anni.

La domanda di calcolo e i modelli di ragionamento

⬆ Torna su

La conferenza GTC ha evidenziato che la legge di scaling dell'IA è più resiliente e addirittura iper-accelerata. Secondo Huang, la quantità di calcolo necessaria per l'IA agentica e il ragionamento è facilmente 100 volte superiore rispetto a quanto si pensava un anno fa. I modelli devono generare più token, più velocemente: per un modello complesso con vincoli multipli, un modello di ragionamento genera 20 volte più token usando 150 volte più calcolo rispetto a un modello tradizionale.

Con Blackwell, che offre prestazioni di inferenza fino a 30 volte più veloci rispetto all'HGX H100, i data center possono servire sostanzialmente più token a costi inferiori. Un data center da 100 MW potrebbe ospitare 1.400 rack H100 NVL8 producendo un massimo di 300 milioni di token al secondo; con Blackwell, lo stesso data center potrebbe produrre un massimo di 12 miliardi di token al secondo, un aumento teorico di 40 volte.

Le sfide di sostenibilità

⬆ Torna su

La crescita esplosiva dell'IA comporta significative sfide ambientali. Le tecnologie dell'informazione e della comunicazione, inclusi i data center, sono responsabili dell'1,8-2,8% delle emissioni globali di gas serra, una cifra destinata ad aumentare significativamente. L'Agenzia Internazionale dell'Energia stima che il consumo elettrico del settore potrebbe raddoppiare entro il 2026, raggiungendo potenzialmente il 4% dell'elettricità globale.

Nvidia si è impegnata a raggiungere il 100% di elettricità rinnovabile per tutti i suoi uffici e data center entro l'anno fiscale 2025. Le emissioni totali di gas serra nell'anno fiscale 2024 sono state di 3.692.423 MTCO2e. Per le emissioni Scope 3, che comprendono la maggior parte dell'impronta di gas serra dell'azienda e includono quelle generate dalla supply chain, Nvidia sta lavorando con i fornitori affinché adottino target di riduzione delle emissioni basati sulla scienza.

Le GPU Blackwell consumano fino a 20 volte meno energia delle CPU tradizionali per carichi di lavoro complessi. La tecnologia di raffreddamento liquido diretto sul chip migliora l'efficienza dei data center, riducendo il consumo di acqua e la domanda energetica. L'azienda sta anche esplorando l'energia nucleare come soluzione sostenibile per soddisfare le crescenti esigenze energetiche dell'IA e dei data center.

La posizione degli scettici

⬆ Torna su

La dichiarazione di Huang ha attirato scetticismo da ricercatori ed esperti del settore, molti dei quali sostengono che il disaccordo non riguarda i progressi compiuti, ma le definizioni. Un sistema che contribuisce a creare un prodotto prezioso o raggiunge brevemente una valutazione elevata, argomentano i critici, non equivale a un sistema in grado di ragionare, pianificare e operare indipendentemente su vari domini per lunghi periodi.

Lo stesso Huang ha riconosciuto queste limitazioni nella stessa conversazione, notando che i sistemi IA faticano a costruire e sostenere organizzazioni complesse come Nvidia. La distinzione tra generazione di valore a breve termine e dimostrazione di intelligenza ampia simile a quella umana rimane al centro delle obiezioni.

Questo articolo è una sintesi basata esclusivamente sulle fonti elencate.

Implicazioni e scenari

⬆ Torna su

La ridefinizione del concetto di AGI in termini economici potrebbe ricollocare gli obiettivi temporali di soglie contrattuali presenti in accordi industriali, con potenziali conseguenze su partnership e accesso a tecnologie avanzate.

  • Scenario 1: Se la definizione economica di AGI trova consenso, le clausole contrattuali legate al raggiungimento di questa soglia potrebbero essere attivate prima del previsto, ridefinendo equilibri tra partner come OpenAI e Microsoft.
  • Scenario 2: L'espansione verso applicazioni di robotica e veicoli autonomi potrebbe diversificare i flussi di ricavi di Nvidia, riducendo la dipendenza dai soli data center e aprendo a mercati da centinaia di miliardi nel prossimo decennio.
  • Scenario 3: La domanda di calcolo per sistemi di ragionamento, fino a 100 volte superiore alle stime precedenti, potrebbe sostenere la crescita dei ricavi legati ai data center anche dopo l'adozione iniziale di nuove architetture.

Cosa monitorare

⬆ Torna su
  • L'evoluzione delle definizioni contrattuali di AGI nei principali accordi di settore.
  • I tempi di costruzione dei data center (18-36 mesi) come indicatore anticipato della domanda di calcolo.
  • La quota dei ricavi derivante dalla robotica e dai veicoli autonomi rispetto al totale aziendale.

Nota editoriale: questa sezione propone una lettura analitica dei temi trattati, senza introdurre dati fattuali non presenti nelle fonti.

Fonti

⬆ Torna su

In breve

  • nvidia
  • ai-infrastructure
  • agi
  • agentic

Link utili

Apri l'articolo su DeafNews