Nell'era degli agenti, la disputa sulle strategie CPU: Nvidia punta su "single-core più veloce", AMD punta su "maggiore concorrenza"
Nvidia ha svelato l’architettura Vera CPU, puntando sulla “massima performance single-thread” per sfidare la strategia di AMD orientata all’elevata concorrenza. Il dibattito tra le due aziende sui principali indicatori delle CPU nell’era dell’AI agent è ora emerso chiaramente. Secondo AMD, il suo EPYC Turin offre un throughput 2,4 volte superiore rispetto a Vera in scenari con rack da 100 kilowatt. In un mercato delle CPU server in continua espansione, chi definisce per primo i KPI del settore ne detiene il potere discorsivo.
Nvidia e AMD non stanno solo competendo su quale CPU sia più veloce, ma soprattutto su chi definirà lo standard di riferimento per la valutazione delle CPU nell’era dell’AI.
Nvidia ha recentemente svelato i dettagli tecnici più approfonditi dell’architettura Vera CPU. Questo processore integra 88 core Olympus sviluppati internamente basati su architettura ARM, con una larghezza di banda di memoria di 1.2TB/s e una larghezza di banda on-chip di 3.4TB/s. L’argomentazione centrale di Nvidia è: il funzionamento degli AI Agent si basa sull’interazione ripetuta tra CPU e GPU—invocazione di strumenti, esecuzione del codice, recupero dei dati, orchestrazione dei task—ogni fase dipende dal completamento della precedente, perciò la velocità del singolo core e la latenza della CPU determinano direttamente l’efficienza di risposta complessiva dell’Agent.
Il 23 luglio, secondo quanto riportato da Chasing Wind Trading Desk, l’analista di BofA Securities Vivek Arya ha evidenziato nella sua ultima relazione che il lancio di Vera introduce un nuovo paradigma valutativo al settore: “le massime prestazioni single-thread in scala”. Ciò rappresenta un diretto contrappeso alla storica strategia AMD delle CPU multi-core basate su chiplet. BofA definisce la disputa così: “Il collo di bottiglia dell’agente AI è il tempo di completamento del singolo task, o la capacità di gestire quanti task concorrenti in uno chassis?” Giovedì AMD terrà l’AI 2026 Technology Day, durante il quale risponderà per la prima volta ufficialmente a questo framework.
Alla base di questa disputa c’è la trasformazione del mercato dei CPU server guidata dalla domanda di AI, il cui valore stimato quadruplicherà entro il 2030, arrivando a 170 miliardi di dollari. Non si tratta di una competizione per il mercato esistente, bensì di un mercato emergente in crescita; chi stabilirà per primo gli standard di valutazione delle performance riconosciuti dal settore, deterrà il potere sui prezzi e sulla narrazione.
La logica di Nvidia: è più importante la velocità di un singolo Agent, piuttosto che quanti Agent girano contemporaneamente
La descrizione di Nvidia del workflow di un Agent è concreta: durante il completamento dei compiti, CPU e GPU effettuano numerose interazioni seriali, e ogni chiamata deve attendere il completamento di quella precedente per poter continuare. Questo significa che ogni latenza in una fase si accumula e amplifica, rallentando alla fine la produttività dell’intera fabbrica di AI.
In questa logica, le performance single-core non sono solo un numero sulla scheda tecnica, ma una variabile chiave che determina il tasso di utilizzo della GPU—più veloce è la CPU, minore è il tempo di attesa della GPU, maggiore è l’efficienza d’uso delle risorse di sistema. In sintesi, migliore è la performance single-core, più reattiva è l’intera pipeline.
Vera presenta inoltre una scelta ingegneristica significativa: Nvidia ha optato per un die computazionale monolitico, invece di una soluzione disaggregata a chiplet, motivando che il primo offre una migliore “coerenza scalabile”. Questo contrasta con il percorso seguito storicamente da AMD, e segnala divergenze profonde nell’approccio architetturale delle due aziende.
Inoltre, Vera non è un prodotto isolato, ma parte della strategia di “co-design” di Nvidia nell’intero ecosistema delle infrastrutture AI, integrandosi con Rubin GPU, Groq LPX, switch Spectrum, storage/schede di rete BlueField. Questa integrazione a livello di sistema rappresenta la vera barriera competitiva di Nvidia, andando oltre il semplice confronto tra hardware singolo.
La replica di AMD: in un ambiente reale di produzione AI, conta la capacità di gestire carichi concorrenti
La posizione di AMD è fondata su una diversa definizione di “ambiente di produzione reale”.
Secondo AMD, i sistemi AI a livello produttivo non sono un Agent che svolge task in serie, ma assomigliano più a una piattaforma software distribuita composta da database, API, archiviazione vettoriale, engine di orchestrazione, cache e middleware. In questi scenari, il collo di bottiglia non è la velocità di completamento del singolo task, ma il numero di workflow che si possono gestire contemporaneamente entro un budget fisso di consumo energetico.
AMD ha fornito alcune misurazioni specifiche: in uno scenario simulato di deployment su rack da 100 kilowatt, la capacità di throughput a livello rack dell’EPYC 9965 (Turin) è circa 2,4 volte quella della baseline Nvidia Vera; la prossima generazione EPYC 6 (Venice) dovrebbe arrivare a 3,3 volte.
La logica AMD è: una maggiore densità di throughput permette, a parità di consumo, di servire più utenti e gestire più richieste—questa è la vera funzione di costo delle implementazioni AI nel cloud.
AMD x86 o Nvidia ARM: l’ecosistema software è il vero campo di battaglia
Il confronto sulle architetture CPU si estende anche al livello delle instruction set.
Nvidia ha scelto l’architettura ARM, ritenendo che una microarchitettura sufficientemente avanzata possa rendere la compatibilità dell’instruction set secondaria. Tuttavia, AMD e Intel probabilmente sottolineeranno, soprattutto dopo giovedì, che l’AI sta evolvendo dall’inference dei modelli alle pipeline di software enterprise, e che stack software aziendali—banche dati, middleware, piattaforme di sicurezza, applicazioni enterprise—hanno beneficiato per decenni di ottimizzazione, verifica e compatibilità sull’ecosistema x86.
Non si tratta solo di una questione tecnica. Poiché i carichi AI vengono sempre più integrati nei sistemi IT aziendali esistenti, il valore storico degli ecosistemi software potrebbe risultare più difficile da rimpiazzare rispetto alle prestazioni hardware di picco. Se Nvidia riuscirà a penetrare questi scenari con Vera dipenderà in larga parte dalla rapidità di maturazione dell’ecosistema software ARM.
La disputa sugli standard: chi stabilirà il prossimo KPI per le CPU?
Due framework, due set di KPI, in sostanza due aziende che si contendono la leadership della narrazione nel settore.
Il framework di Nvidia si basa su latenza, progresso single thread, utilizzo della GPU. Quello di AMD su concorrenza, throughput e densità di servizio.
La domanda chiave: quale metrica userà alla fine il mercato per acquistare CPU server?
Secondo BofA, l’importanza dell’evento AMD di giovedì non sta nel superare il rivale nei benchmark, ma nel convincere il settore ad adottare il proprio sistema valutativo. Il framework che i buyer dei data center adotteranno determinerà chi avrà il potere di prezzo su questo mercato da 170 miliardi di dollari.
Nvidia mantiene il rating Buy su NVDA, target price 350 dollari (prezzo attuale 207,29 dollari).
Esclusione di responsabilità: il contenuto di questo articolo riflette esclusivamente l’opinione dell’autore e non rappresenta in alcun modo la piattaforma. Questo articolo non deve essere utilizzato come riferimento per prendere decisioni di investimento.
Ti potrebbe interessare anche
Segnali dai bilanci del secondo trimestre dei produttori di chip: la domanda è più forte rispetto a tre mesi fa, l’aumento dei prezzi inizia a “diffondersi”
JPMorgan ritiene che i risultati del secondo trimestre del settore globale dei semiconduttori abbiano fornito segnali chiaramente positivi: in primo luogo, la domanda è stata superiore alle aspettative e i principali produttori di wafer come TSMC hanno aumentato in modo significativo gli investimenti in capitale per espandere la produzione; in secondo luogo, l'effetto degli aumenti di prezzo si sta diffondendo concretamente ai fornitori di attrezzature e materiali, consentendo ai produttori di apparecchiature di incrementare il margine lordo grazie al rialzo dei prezzi; infine, i leader nel settore della memoria stanno assicurando una soglia minima di profitti molto elevata per i prossimi anni grazie ad accordi di lungo termine e pagamenti anticipati consistenti.
L'economia giapponese sorprendentemente "frena"! Nel secondo trimestre il PIL cresce solo dell'1,1%, mentre il rendimento dei titoli di Stato decennali giapponesi raggiunge il massimo degli ultimi 30 anni.
La crescita economica del Giappone ha rallentato inaspettatamente nei tre mesi fino a giugno, un risultato che potrebbe rendere più complicata la comunicazione politica della Banca del Giappone quando valuterà il momento del prossimo aumento dei tassi.
Prezzi delle criptovalute
Altro
