La corsa agli armamenti delle infrastrutture AI accelera – E i costi aumentano

L'Open Compute Project (OCP) Global Summit, che si conclude oggi, 15 ottobre 2026, ha raggiunto la massima capacità a San Jose, con un record di 15.000 partecipanti che sottolineano l'immenso interesse per il futuro delle infrastrutture dei data center. I principali produttori di semiconduttori Intel, AMD e Nvidia hanno utilizzato questa piattaforma per svelare le loro strategie per alimentare la prossima generazione di data center AI con nuove tecnologie, molte delle quali aderiscono alle specifiche standardizzate dei server promosse dall'OCP.

Il mercato globale delle GPU per data center è proiettato a crescere significativamente, da una stima di 138,88 miliardi di dollari nel 2026 a 624,17 miliardi di dollari, sottolineando la portata di questa corsa agli armamenti tecnologici. Sebbene Nvidia detenga attualmente una posizione dominante nel mercato delle infrastrutture AI per fatturato, il consenso tra i leader del settore è che gli sforzi collettivi di AMD, Intel e Nvidia sono essenziali affinché i partner di canale soddisfino la domanda sostenuta di espansione dei data center AI. Come ha osservato Bob Venero, CEO di Future Tech Enterprise, "Il canale ha bisogno che AMD, Intel e Nvidia continuino a spingere i limiti."

L'offerta di Intel per il dominio AI con la GPU D-Series

Intel ha svelato dettagli significativi sulla sua prossima GPU per data center raffreddata ad aria, con nome in codice "Crescent Island" e ufficialmente denominata Intel GPU D-Series. Questa nuova GPU è progettata per carichi di lavoro di inferenza AI, vantando 480 GB di memoria e offrendo fino a 1,3 Petaflops di prestazioni di calcolo in virgola mobile a 8 bit (FP8) con un consumo energetico di 350 watt. È offerta in un fattore di forma PCIe standardizzato, consentendo una semplice integrazione nei data center esistenti, con supporto per un massimo di otto schede per server. Intel sta collaborando con un ampio ecosistema di partner, tra cui Asus, Cisco, Dell Technologies, HPE, Lenovo e Supermicro, per portare sul mercato la GPU D-Series.

Costruita sull'architettura Xe3P, la GPU D-Series è ottimizzata per i modelli linguistici di grandi dimensioni (LLM), carichi di lavoro con finestre di contesto lunghe e servizi paralleli. Una singola scheda D-Series può supportare modelli con un massimo di 300 miliardi di parametri, mentre un sistema dotato di otto GPU può gestire modelli fino a un trilione di parametri. Questo lancio rappresenta il rinnovato sforzo di Intel per stabilire una posizione più forte nel mercato degli acceleratori AI, mirando a un'adozione più ampia rispetto alle sue precedenti serie di chip Gaudi.

La strategia di Intel enfatizza anche architetture di sistema e software aperte, che l'azienda ritiene consentiranno agli sviluppatori di implementare i carichi di lavoro in modo efficiente su hardware diversi. Oltre alla GPU D-Series, Intel ha anche annunciato nuovi server rack con CPU Intel Xeon, che offrono una potenza di elaborazione collettiva di oltre 46.000 core.

Nvidia e AMD spingono l'innovazione e gli standard aperti

Nvidia, pur essendo leader di mercato, continua a innovare, annunciando aggiornamenti relativi ai suoi rack Vera-Rubin al summit. La RTX Pro 6000 Blackwell Server Edition di Nvidia si presenta come un concorrente diretto della GPU D-Series di Intel. Offre 96 GB di memoria GDDR7, 2 Petaflops di calcolo FP8 e 4 Petaflops di calcolo FP4, configurabile fino a 600 watt in un fattore di forma PCIe. Mentre la soluzione di Nvidia offre generalmente prestazioni FP8 superiori e include il supporto FP4 per un'esecuzione più rapida delle applicazioni, la D-Series di Intel fornisce molta più memoria (480 GB) e una larghezza di banda di memoria comparabile, insieme a una maggiore efficienza energetica a 350 watt.

Anche AMD ha fatto diversi annunci chiave, tra cui un nuovo design di riferimento flessibile per i server rack, l'introduzione della sua prima CPU EPYC con un'interfaccia di memoria LPDDR e ulteriori sviluppi nelle soluzioni open source. Le serie Instinct MI200 e MI210 di AMD, basate sull'architettura CDNA2, sono già riconosciute per i loro significativi balzi nelle prestazioni HPC e AI, in particolare per l'addestramento del deep learning. L'ecosistema ROCm dell'azienda ha anche visto uno sviluppo sostanziale, offrendo ora supporto funzionale per framework AI popolari come PyTorch e strumenti come llama.cpp e Ollama su Linux. La Radeon AI Pro R9700, che offre 32 GB di VRAM e una larghezza di banda competitiva a un prezzo inferiore, presenta una forte proposta di valore per gli sviluppatori che hanno familiarità con ROCm.

L'imperativo del costo e della sicurezza nell'infrastruttura AI

Oltre alle prestazioni pure, l'OCP Summit ha evidenziato le crescenti preoccupazioni riguardo ai costi e alla sicurezza nell'infrastruttura AI. Mentre gli hyperscaler e i fornitori di neocloud stanno rapidamente costruendo capacità AI basate su agenti, c'è un'opportunità significativa per i partner di canale di assistere le imprese nello sviluppo della propria infrastruttura on-premises. Molti clienti, avendo sperimentato costi elevati e superato i budget dei token con agenti AI basati su cloud non regolamentati, stanno ora cercando attivamente soluzioni per il controllo dei costi e la distribuzione interna, on-premises, di agenti che sfruttino i loro modelli interni.

L'enfasi su VRAM, larghezza di banda della memoria e ecosistemi software maturi rispetto ai picchi di calcolo teorici (TOPS) sta diventando fondamentale per l'inferenza LLM locale. CUDA di NVIDIA rimane lo standard del settore, ma ROCm di AMD sta guadagnando terreno e oneAPI di Intel continua a migliorare. Questo ambiente dinamico suggerisce che, mentre la corsa all'hardware è feroce, la battaglia per il dominio dell'ecosistema software e per soluzioni di deployment pratiche ed economiche determinerà in ultima analisi chi vincerà la corsa agli armamenti delle infrastrutture AI.