La geometria del potere
In una mattina di primavera del 1993, tre ingegneri si incontrarono in una tavola calda di San Jose e decisero di fondare un'azienda basata su un'intuizione: che il futuro dell'informatica sarebbe stato visivo, tridimensionale e affamato di potenza di calcolo parallelo . Jensen Huang, Chris Malachowsky e Curtis Priem fondarono Nvidia il 5 aprile di quell'anno, battezzandola con la parola latina per invidia — una scelta curiosa per un'impresa che, tre decenni dopo, sarebbe diventata l'oggetto del desiderio più febbrile di Wall Street .
Nel gennaio 2025, quella startup nata attorno a un tavolo di un diner era diventata la prima società nella storia dell'umanità a superare sia la soglia dei quattromila miliardi che quella dei cinquemila miliardi di dollari di capitalizzazione di mercato, con un valore attuale di 5.010 miliardi di dollari . Per mettere la cosa in prospettiva: Nvidia vale più dell'intero PIL del Giappone, più del valore combinato di tutte le società quotate in Francia. È diventata, nei termini finanziari più brutali, l'impresa di maggior valore mai assemblata.
Ma le valutazioni, per quanto vertiginose, sono soltanto sintomi. La domanda più interessante è cosa Nvidia sia diventata nella sostanza — e la risposta è insieme più semplice e più strana di quanto la cifra da mille miliardi suggerisca. Nvidia si è trasformata da produttore di chip grafici nel substrato fisico dell'intelligenza artificiale stessa, l'azienda che costruisce le pale, le ferrovie e, sempre più, l'intera catena di approvvigionamento della nuova corsa all'oro. E ora, con le sue ultime mosse nella robotica e nella simulazione open source, sta tentando di fare per l'intelligenza artificiale incarnata ciò che ha fatto per il machine learning: rendersi indispensabile.
La lunga marcia dai telefoni ai pianeti
Il percorso di Nvidia verso il dominio non è mai stato lineare. Per anni, è stata semplicemente l'azienda delle schede grafiche, il nome che i videogiocatori conoscevano, il produttore di chip che faceva danzare i pixel. Ma l'impresa ha sempre giocato una partita più lunga, diversificandosi in mercati adiacenti con paziente aggressività.
Nel 2011, l'azienda aveva iniziato la sua spinta verso il computing mobile, introducendo la linea di processori Tegra per smartphone e tablet. Quell'anno, Nvidia dominava il mercato dei dispositivi Android dual-core negli Stati Uniti, alimentando sia tablet che quelli che l'industria allora chiamava "supertelefoni" . Il Tegra 3, annunciato poco dopo, era una meraviglia quad-core, il tipo di chip che faceva sembrare i primi flagship Android, brevemente, come il futuro .
Eppure il mobile non divenne mai il regno di Nvidia. Qualcomm e il silicio personalizzato di Apple ci avrebbero pensato. Ciò che Tegra fece, tuttavia, fu insegnare a Nvidia come costruire architetture system-on-chip per budget energetici limitati — una conoscenza che si sarebbe rivelata inestimabile quando l'azienda virò verso l'inferenza AI ai margini della rete. La famiglia di processori embedded Jetson, ora progettata specificamente per la robotica e l'intelligenza artificiale fisica, discende direttamente da quel lignaggio Tegra . I chip sono ottimizzati per l'inferenza in tempo reale su modelli aperti di punta, abbastanza piccoli da entrare dentro droni e bracci robotici, abbastanza potenti da elaborare dati sensoriali alla scala del millisecondo richiesta dalle macchine autonome .
Nvidia fece anche scommesse precoci e lungimiranti sul cloud gaming e sul rendering remoto. All'inizio degli anni 2010, introdusse Nvidia Grid, una piattaforma hardware-software progettata per trasmettere videogiochi in streaming dai data center ai thin client . La tecnologia era in anticipo sui tempi — la larghezza di banda era insufficiente, la latenza troppo alta — ma il pensiero architetturale prefigurava le successive offerte cloud AI dell'azienda. Nvidia imparò, in quegli anni, a costruire non solo chip ma interi ecosistemi: hardware, driver, API e lo stack software che li lega insieme.
Poi vennero le acquisizioni, quelle che segnalano l'intento strategico. Nel 2019, Nvidia annunciò che avrebbe acquisito Mellanox Technologies per circa 7 miliardi di dollari in contanti, un accordo che portò nel suo portafoglio il networking ad alta velocità — critico per le interconnessioni che collegano migliaia di GPU nei moderni supercomputer AI . Nello stesso periodo Nvidia acquisì Cumulus Networks, un'azienda di networking open source specializzata nell'ottimizzazione dei data center, stringendo ulteriormente la presa sul livello dell'infrastruttura .
E poi, nel 2020, arrivò la mossa più audace: Nvidia annunciò che avrebbe acquisito Arm Limited, la casa britannica di progettazione di chip le cui architetture alimentano virtualmente ogni dispositivo mobile sulla Terra, per 40 miliardi di dollari . L'accordo avrebbe creato, nelle parole di un analista, "un colosso del computing" . Avrebbe dato a Nvidia il controllo sulla proprietà intellettuale che sostiene i chip della serie M di Apple, i processori mobili di Qualcomm e la stragrande maggioranza dei sistemi embedded in tutto il mondo. I regolatori negli Stati Uniti, in Europa e in Cina alla fine bloccarono l'acquisizione per motivi antitrust, ma il tentativo stesso rivelò l'ambizione di Nvidia: non semplicemente dominare il computing AI, ma possedere l'intero stack, dal mobile al cloud, dall'edge all'exascale.
La dottrina Blackwell
Ciò che Nvidia ha costruito, alla fine, è un monopolio non di mercati ma di capacità. Le sue GPU — unità di elaborazione grafica riproposte per il calcolo parallelo — sono diventate lo standard de facto per l'addestramento di grandi modelli AI. Google, Meta, OpenAI, Anthropic: tutti eseguono i loro modelli su silicio Nvidia. L'ambiente di programmazione CUDA dell'azienda, ormai vecchio di due decenni, ha creato un fossato così ampio che i concorrenti faticano persino a essere presi in considerazione.
Nel 2024, l'allora CEO di Nvidia Jensen Huang salì sul palco e dichiarò: "Abbiamo creato un processore per l'era dell'intelligenza artificiale generativa" . Si riferiva alla piattaforma Blackwell, l'ultima architettura di Nvidia, progettata per eseguire intelligenza artificiale generativa in tempo reale su modelli con trilioni di parametri — con un costo e un consumo energetico fino a 25 volte inferiori rispetto al predecessore . La piattaforma Blackwell non è semplicemente più veloce; è abbastanza efficiente da rendere economicamente sostenibili per la prima volta determinate classi di applicazioni AI. Addestrare un modello da mille miliardi di parametri richiedeva in precedenza la produzione elettrica di una piccola città; Blackwell lo rende possibile con il budget energetico di un grande palazzo di uffici.
Questa è l'alchimia che Nvidia ha padroneggiato: non solo prestazioni grezze, ma prestazioni per watt, prestazioni per dollaro, prestazioni su scala. I chip Blackwell, come i loro predecessori, non verranno spediti come componenti autonomi ma come parte di sistemi integrati — rack di server, soluzioni di raffreddamento, infrastruttura di rete, tutto ottimizzato per funzionare insieme. Nvidia, in altre parole, è diventata un integratore di sistemi, che vende non componenti ma intere fabbriche di AI.
L'azienda ha depositato il suo rapporto annuale per l'anno fiscale terminato il 26 gennaio 2025, un documento che, sebbene denso della solita prosa aziendale, rivela ricavi e margini che farebbero arrossire un cartello petrolifero . I margini lordi di Nvidia sui chip AI si aggirano vicino all'80 per cento; l'azienda ha un potere di determinazione dei prezzi che rasenta l'assoluto. Quando la domanda supera l'offerta di ordini di grandezza, puoi stabilire il tuo prezzo.
La questione aperta dell'apertura
Eppure il dominio di Nvidia è sempre stato adombrato da una certa opacità. L'azienda è stata storicamente riluttante ad aprire la sua documentazione hardware, una postura che ha frustrato la comunità open source per decenni. Nel 2006, Fedora decise di non aggiornare a X.org 7.1 perché i fornitori di moduli proprietari, Nvidia tra questi, non avevano fornito un supporto adeguato . Il driver open source Nouveau, costruito attraverso il reverse engineering dell'hardware Nvidia, non ha mai raggiunto la parità di funzionalità con i driver proprietari dell'azienda.
Negli ultimi anni, tuttavia, Nvidia si è spostata — parzialmente, strategicamente — verso l'apertura, almeno in certi domini. Si è impegnata a rilasciare più documentazione nel tempo, offrendo orientamento in aree specifiche man mano che le risorse lo consentono . Il framework di machine learning DIB-R, che genera modelli 3D da singole immagini 2D, è stato rilasciato con licenza aperta, un gesto verso la comunità accademica che fa affidamento sugli strumenti di Nvidia . Più recentemente, l'azienda ha rilasciato Isaac Sim, una piattaforma open source completa per addestrare, simulare e validare robot basati su AI in ambienti virtuali fisicamente accurati .
Isaac Sim è più di un simulatore; è una scommessa sul futuro dell'intelligenza artificiale incarnata. Addestrare un robot nel mondo reale è costoso, lento e pericoloso. Addestrarlo in simulazione — attraverso migliaia di ambienti virtuali, con motori fisici che modellano attrito, inerzia, rumore dei sensori — consente un'iterazione rapida a un costo marginale quasi nullo. Nvidia ha costruito Isaac Sim sulla sua piattaforma Omniverse, una suite di strumenti originariamente progettata per la visualizzazione cinematografica e architettonica, ora riproposta per l'era della robotica.
L'azienda ha anche rilasciato software per accelerare lo sviluppo di veicoli a guida autonoma, sfruttando tecniche di ragionamento AI per migliorare trasparenza e processo decisionale nei sistemi autonomi . Il modello Alpamayo-R1, svelato recentemente, mira a rendere più interpretabile la logica della guida autonoma — un requisito critico mentre i regolatori iniziano a esaminare la natura di scatola nera dell'autonomia basata su reti neurali .
L'era della robotica generalista
E poi, all'inizio del 2025, arrivò GROOT — non il personaggio Marvel simile a un albero, ma il modello fondazionale open source di Nvidia per robot umanoidi. Il modello GROOT N1, come è formalmente noto, rappresenta l'ingresso più diretto di Nvidia nell'intelligenza artificiale incarnata . È un modello general-purpose progettato per accelerare lo sviluppo di robot che possono navigare ambienti non strutturati, manipolare oggetti e apprendere compiti attraverso la dimostrazione piuttosto che la programmazione hard-coded.
"L'era della robotica generalista è qui", dichiarò Nvidia svelando GROOT, e l'affermazione, per una volta, potrebbe non essere un'iperbole .
Per anni, la robotica è stata ostacolata dal problema della specificità: ogni robot era un sistema su misura, addestrato per un insieme ristretto di compiti in ambienti controllati. I robot di fabbrica saldano telai di automobili con precisione disumana ma non possono aprire una porta. I robot di magazzino spostano scatole ma non possono piegare una camicia. I robot umanoidi, il santo graal del settore, sono rimasti in gran parte sperimentali, troppo lenti e troppo stupidi per essere commercialmente sostenibili.
GROOT mira a cambiare questo fornendo un modello fondazionale pre-addestrato — analogo a GPT per il linguaggio o DALL-E per le immagini — che può essere messo a punto per piattaforme robotiche specifiche. Il modello è addestrato su vasti dataset di movimento umano, manipolazione di oggetti e ragionamento spaziale, poi distribuito sull'hardware Jetson di Nvidia per l'inferenza in tempo reale . Il risultato è un robot che può generalizzare: insegnato a raccogliere una tazza, può raccogliere una bottiglia; insegnato a navigare una stanza, può navigarne un'altra.
La decisione di rilasciare GROOT come open source è calcolata. Nvidia non vende robot; vende i chip e il software che rendono possibili i robot. Rendendo il modello open source, l'azienda garantisce che ogni startup di robotica, ogni laboratorio di ricerca, ogni ambizioso produttore hardware costruirà sullo stack di Nvidia. Più robot eseguono GROOT, più moduli Jetson vende Nvidia. Più ricercatori addestrano modelli in Isaac Sim, più GPU affitta Nvidia nel cloud. È il modello rasoio-e-lame, applicato all'infrastruttura dell'intelligenza stessa.
La memoria che non c'era
Non tutte le iniziative di Nvidia sono state impeccabili. Nel 2015, l'azienda affrontò una debacle di pubbliche relazioni sulla scheda grafica GeForce GTX 970, una GPU da gaming popolare commercializzata come dotata di 4 gigabyte di memoria video . Gli appassionati scoprirono presto che solo 3,5 gigabyte di quella memoria erano prontamente accessibili; gli ultimi 512 megabyte si trovavano su una partizione più lenta del bus di memoria, causando un crollo delle prestazioni quando le applicazioni cercavano di utilizzare i 4 gigabyte completi .
La controversia non fu semplicemente tecnica ma etica: Nvidia aveva intenzionalmente fuorviato i consumatori, o si trattava di un fallimento comunicativo? La risposta dell'azienda fu confusa. Chiarì che la GTX 970 poteva, in teoria, utilizzare tutti i 4 gigabyte — ma solo in "condizioni altamente stressanti", e con una penalizzazione delle prestazioni . Nvidia affermò anche, definitivamente, che non ci sarebbe stato alcun aggiornamento dei driver per migliorare l'allocazione della memoria o le prestazioni specificamente per la GTX 970 . L'azienda si offrì di aiutare i rivenditori a elaborare i resi, un tacito riconoscimento che il prodotto non aveva soddisfatto le aspettative dei consumatori .
L'incidente fu una rara scivolata per un'azienda che ha altrimenti gestito la sua reputazione con precisione. Sottolineò anche una tensione che persiste nel rapporto di Nvidia con i suoi clienti: i prodotti dell'azienda sono così dominanti che gli utenti hanno poca scelta se non accettare le loro stranezze, la loro documentazione chiusa, il loro lock-in proprietario. Il caso della GTX 970 svanì; le vendite calarono appena. La posizione di mercato di Nvidia, anche allora, era già troppo forte per essere seriamente minacciata da un singolo passo falso di prodotto.
L'infrastruttura del pensiero
Ciò che Nvidia ha costruito, in definitiva, non è una linea di prodotti ma una piattaforma — l'infrastruttura sulla quale si sta costruendo la rivoluzione dell'AI. Ogni svolta nell'intelligenza artificiale generativa, ogni nuova capacità robotica, ogni veicolo autonomo che si avvicina alla sostenibilità: tutto ciò funziona, a un certo punto della pipeline, su hardware Nvidia.
La capitalizzazione di mercato dell'azienda, ora di 5.010 miliardi di dollari, non è una bolla nel senso tradizionale . È un riflesso di qualcosa di più fondamentale: il riconoscimento che l'intelligenza artificiale non è una singola tecnologia ma un nuovo substrato per il computing, e che Nvidia controlla i mezzi di produzione. Proprio come la Standard Oil un tempo dominava l'energia, proprio come AT&T un tempo dominava le comunicazioni, Nvidia ora domina l'infrastruttura dell'intelligenza artificiale.
Ma i monopoli, per quanto efficienti, sono fragili. Invitano regolamentazione, concorrenza e la lenta entropia della disruption tecnologica. Google sta progettando le proprie TPU; Amazon i propri chip Trainium; persino Apple si vocifera stia lavorando a silicio AI personalizzato. Le alternative open source a CUDA proliferano, seppur lentamente. La fortezza che Nvidia ha costruito è formidabile, ma non è eterna.
L'iniziativa GROOT, e la più ampia spinta verso la robotica, rappresenta il tentativo di Nvidia di assicurarsi la prossima frontiera prima che arrivino i concorrenti. Se l'intelligenza artificiale è stata la prima ondata — intelligenza software, che funziona nei data center — allora la robotica è la seconda: intelligenza fisica, che funziona nel mondo. Nvidia ha imparato dai suoi errori nel mobile che non può permettersi di cedere nuovi mercati ai rivali. Questa volta, si sta muovendo presto, investendo pesantemente e regalando quanto basta — attraverso modelli open source e strumenti di simulazione accessibili — per garantire che quando arriverà la rivoluzione robotica, sarà costruita secondo i termini di Nvidia.
Il diner, rivisitato
Trentadue anni dopo quell'incontro a San Jose, Nvidia non è più una startup con un'intuizione. È la banca centrale dell'economia dell'intelligenza artificiale, l'istituzione che stabilisce i termini dello scambio, l'entità senza la quale l'intero edificio vacilla. I suoi chip sono allocati come una merce scarsa; i CEO delle aziende Fortune 500 chiamano personalmente Jensen Huang per implorare l'accesso anticipato all'hardware più recente. I governi trattano Nvidia come un asset strategico, regolandone le esportazioni come se fossero plutonio weapon-grade.
Eppure, per tutto il suo dominio, Nvidia rimane, in un senso fondamentale, una scommessa: la scommessa che l'intelligenza artificiale continuerà a scalare, che la domanda di computazione continuerà a superare l'offerta, che il futuro richiederà sempre più silicio dedicato a modelli sempre più grandi. La spinta verso la robotica è una copertura contro il fallimento di quella scommessa — un modo per diversificare nell'intelligenza artificiale incarnata, nel computing edge, in mercati dove le leggi di scala dei modelli transformer non si applicano.
Se GROOT e Isaac Sim si riveleranno trasformativi quanto CUDA e la linea GeForce resta da vedere. La robotica è più difficile del software; la fisica è meno indulgente della probabilità. Ma Nvidia ha trascorso tre decenni imparando a costruire piattaforme, non solo prodotti — come creare ecosistemi che vincolano sviluppatori, ricercatori e clienti allo stesso modo.
L'azienda che tre ingegneri fondarono durante una colazione vale ora più della capitalizzazione di mercato di intere nazioni. È diventata, in un senso molto letterale, troppo grande per fallire — almeno per ora, almeno finché dura il boom dell'intelligenza artificiale, almeno fino a quando arriva il prossimo cambio di paradigma e qualche altra conversazione attorno a un tavolo di un diner inizia ad abbozzare il futuro.
Per il momento, però, il futuro funziona sui chip di Nvidia, simula nel software di Nvidia e, sempre più, camminerà su gambe robotiche di Nvidia. Cinquemila miliardi di dollari non sono la fine della storia. Sono semplicemente il prezzo che il mercato ha assegnato all'infrastruttura del pensiero stesso.