Il sistema rack AI Kyber NVL144 di prossima generazione di Nvidia è stato ritardato di oltre un anno, posticipando il suo lancio nel 2028 dopo che il colosso dei chip ha riscontrato ostinati problemi di produzione con un componente interno critico, secondo un rapporto della società di ricerca SemiAnalysis. Il raro inciampo dell’azienda di semiconduttori più preziosa al mondo ha avuto ripercussioni sulla catena di fornitura dell’hardware AI e ha offerto un’apertura inaspettata ai concorrenti. Per una copertura continua sulla realizzazione dell'infrastruttura IA, segui le nostre ultime notizie sull'IA.
La divulgazione, riportata per la prima volta dalla CNBC il 6 luglio 2026, cita un'analisi di SemiAnalysis che ha rilevato che Nvidia sta lottando per produrre il midplane del circuito stampato (PCB) che collega le GPU all'interno del rack Kyber. Il piano mediano è la spina dorsale fisica del sistema, che instrada segnali ad alta velocità tra dozzine di chip, e le difficoltà di produrlo su larga scala hanno costretto Nvidia a posticipare la linea temporale di oltre dodici mesi.
Cosa avrebbe dovuto offrire il Kyber NVL144
Kyber NVL144 fa parte dell'ambiziosa roadmap di Nvidia per racchiudere sempre più potenza di calcolo in singoli rack su scala di fabbrica che i fornitori di cloud iperscala possono implementare per addestrare ed eseguire modelli di intelligenza artificiale di frontiera. Ogni sistema NVL144 è progettato per ospitare 144 GPU in uno chassis unificato raffreddato a liquido, utilizzando interconnessioni a larghezza di banda elevata per consentire ai chip di funzionare come un unico gigantesco acceleratore.
Questi sistemi su scala rack sono diventati l'elemento centrale del moderno data center AI. Aziende come Microsoft, Meta, Amazon e Google li ordinano a migliaia per tenere il passo con le crescenti richieste computazionali dei grandi modelli linguistici. Un ritardo di oltre un anno in un prodotto di punta ha quindi conseguenze che vanno ben oltre le entrate di Nvidia, rallentando l'espansione della capacità da cui dipende l'intero settore dell'intelligenza artificiale.
Il collo di bottiglia del PCB midplane
Secondo SemiAnalysis, il problema principale risiede nel fabbricare il midplane del PCB rispettando le tolleranze richieste dalle interconnessioni ad alta velocità di Kyber. Il midplane deve trasportare enormi volumi di dati tra le GPU con una perdita di segnale minima e, alle densità che Nvidia sta prendendo di mira, anche piccoli difetti di fabbricazione possono degradare le prestazioni o causare guasti.
Il rapporto indica che le difficoltà non riguardano solo un singolo fornitore, ma riflettono una sfida più ampia nel portare la tecnologia PCB ai suoi limiti fisici. Man mano che la velocità del segnale aumenta e il numero degli strati aumenta, i rendimenti diminuiscono e i cicli di produzione si allungano, creando un collo di bottiglia che il denaro da solo finora non è stato in grado di risolvere.
Un secondo fronte: CPO e NVL576
I risultati della SemiAnalysis si estendono oltre l'NVL144. Anche la configurazione più grande Kyber NVL576, che accumulerebbe ancora più GPU in un singolo rack, deve far fronte all'incertezza a causa delle sfide nella produzione di massa di componenti ottici co-packaged (CPO), la tecnologia su cui Nvidia sta scommettendo per sostituire le interconnessioni in rame su larga scala. Sia il midplane del PCB che il CPO sono ampiamente considerati come i pilastri fondamentali del vantaggio prestazionale di Nvidia, e il fatto che entrambi si stiano rivelando difficili da produrre trasforma quello che era stato un fossato competitivo in una fonte di ritardo.
La notizia dei ritardi ha innescato un forte calo delle azioni delle società legate all’optoelettronica e al packaging avanzato, mentre gli investitori rivalutavano la rapidità con cui sarebbe effettivamente arrivata la prossima ondata di hardware AI.
I rivali vedono un'apertura
Per i concorrenti di Nvidia il ritardo è un dono raro. Advanced Micro Devices ha colmato costantemente il divario nelle prestazioni delle GPU e ha le proprie offerte su scala rack in fase di sviluppo. Google, che progetta i propri acceleratori AI personalizzati chiamati Tensor Processing Units (TPU), costruisce sistemi integrati internamente ed è meno esposto ai colli di bottiglia di produzione che ora limitano la roadmap di Nvidia.
Gli analisti hanno notato che uno slittamento di dodici mesi dà ad AMD ulteriore tempo per ottenere vittorie di progettazione con hyperscaler che altrimenti avrebbero potuto aspettare Kyber. Rafforza inoltre la logica strategica dietro l’ondata di investimenti in silicio personalizzato da parte dei fornitori di servizi cloud, che sono diventati diffidenti nel dipendere da un unico fornitore i cui prodotti più avanzati continuano a scivolare.
Nvidia non ha contestato pubblicamente la caratterizzazione di SemiAnalysis. L'azienda ha precedentemente sottolineato che l'implementazione di architetture rack completamente nuove è un processo intrinsecamente complesso e che dà priorità all'affidabilità rispetto alla velocità quando i clienti investono miliardi di dollari per implementazione.
Implicazioni per la corsa al calcolo dell'intelligenza artificiale
Il ritardo di Kyber sottolinea una realtà che è facile da dimenticare tra guadagni record e domanda in aumento: la rivoluzione dell’intelligenza artificiale funziona ancora su hardware fisico, e quell’hardware sta diventando straordinariamente difficile da progettare e produrre. Man mano che i modelli diventano più grandi e le interconnessioni che collegano i loro cluster di formazione crescono più velocemente, la tolleranza agli errori in tutto, dalla progettazione PCB al packaging ottico, si riduce quasi a zero.
Per i fornitori di servizi cloud e i laboratori di intelligenza artificiale che contano su una pipeline costante di rack sempre più potenti, il messaggio di SemiAnalysis è che la cadenza del miglioramento dell’hardware potrebbe essere meno prevedibile di quanto suggeriscono le roadmap del software. Il modo in cui Nvidia e i suoi fornitori risolvono le sfide del piano intermedio e del CPO aiuterà a determinare quanto velocemente arriverà la prossima generazione di sistemi di intelligenza artificiale e quali aziende saranno posizionate per trarne vantaggio.
---
Stai al passo con l'intelligenza artificiale
Il panorama dell’hardware AI sta cambiando rapidamente. AI Buzz Wire ti offre gli ultimi sviluppi in materia di chip, data center e aziende che corrono per costruire l'infrastruttura alla base dell'intelligenza artificiale.
Leggi altre notizie sull'AI →
