Link alla notizia: https://www.hwupgrade.it/news/skvideo/nvidia-i-piani-sull-intelligenza-artificiale-dei-prossimi-anni-nel-2028-arriva-feynman_136780.html

Durante la GTC 2025 il CEO di NVIDIA Huang ha fatto il punto sulla roadmap degli acceleratori, che evolve con cadenza annuale. Dopo Blackwell Ultra, Rubin e Rubin Ultra spunta, con orizzonte 2028, l'architettura Feynman.

Click sul link per visualizzare la notizia.

Mi chiedo come risponderà la concorrenza e non intendo solo AMD e Intel....

Per l'IA hanno gia' detto e mi sembra logico che ci vuole un CPU (o NPU o quel che e') specifico come uso principale, da affiacarci poi NPU della CPU e Thensor della GPU, quando si capira' la strada da seguire NVIDIA dovra' produrre sia le GPU che questi nuovi processori e continuera' a fare tanti di qui miliardi da impallidire chiunque.
Se invece non lo fara' e qualcun altro lo fara' al posto suo, beh allora diverra' na nuova Nvidia.

Una roadmap impressionante. Davvero arduo tenerla in piedi, e praticamente impossibile per la concorrenza tenere il passo. L'unica speranza per loro è che Nvidia faccia un passo falso.

Per l'IA hanno gia' detto e mi sembra logico che ci vuole un CPU (o NPU o quel che e') specifico come uso principale, da affiacarci poi NPU della CPU e Thensor della GPU, quando si capira' la strada da seguire NVIDIA dovra' produrre sia le GPU che questi nuovi processori e continuera' a fare tanti di qui miliardi da impallidire chiunque.
Se invece non lo fara' e qualcun altro lo fara' al posto suo, beh allora diverra' na nuova Nvidia.

Non sono un esperto di IA. Ma da quello che capisco, queste soluzioni sono più per l'addestramento che per l'esecuzione di IA già addestrata. Quest'ultimo scenario è dove CPU or NPU sono più efficienti.

Non sono un esperto di IA. Ma da quello che capisco, queste soluzioni sono più per l'addestramento che per l'esecuzione di IA già addestrata. Quest'ultimo scenario è dove CPU or NPU sono più efficienti.

Esatto... questi sono acceleratori IA specializzati per l'addestramento di modelli di grosse dimensioni da applicare ad enormi moli di dati.
Per l'esecuzione di semplici compiti di IA o ML, come venivano chiamati fino a poco tempo fa, su dispositivo ( manipolazione d'immagini, video e testo, organizzazione dei dati personali, assistenti di input, etc. ), sono sufficienti le NPU integrate nelle CPU e/o GPU consumer. Una potenza di 35/38 TOPS è più che sufficiente per accelerare i compiti sopra citati.

Queste roadmap ricordano l'Nvidia dei primi anni, quando a suon di nuovi processori grafici e innovazioni a nastro sono riusciti a fare tabula rasa della concorrenza che era partita più avanti ma non ha tenuto il passo.
In questo caso le viene in aiuto anche la complessità di gestione di tutti quei dati per addomesticare la quale è partita diversi anni fa a costruire SW ad hoc. Che si appoggiano sul suo standard proprietario CUDA, e quindi non compatibili con altro HW.
Direi che ha messo in piedi un mercato perfetto, che prima non esistreva, dove sarà difficilissimo scalzarla. Almeno finché dura la corsa all'AGI, cioè fino a quando nessuno può permettersi di usare qualcosa che non sia il top anche se l'alternativa costa un decimo.
Agli altri le briciole a cui non serve il top, quindi l'inferenza per gli utenti "povery" nei datacenter cloud.