Nvidia non vuole più vendere solo chip. Con la piattaforma Vera Rubin, l’azienda di Jensen Huang punta a controllare ogni componente dei data center destinati all’intelligenza artificiale: GPU, CPU, interconnessioni di rete, software. Un’ambizione dichiarata apertamente dai propri dirigenti durante un workshop tecnico nella sede di Santa Clara, in California.
Il cuore del sistema è il rack Vera Rubin NVL72, che integra 72 GPU Rubin, 36 CPU Vera, SuperNIC ConnectX-9 e DPU BlueField-4 in un’unica architettura rack. Nvidia lo descrive come “cable-free compute”, installabile in minuti invece che in ore. Le prestazioni dichiarate sono ambiziose: fino a dieci volte la capacità di inferenza rispetto alle generazioni precedenti, con un costo per token altrettanto ridotto. Il tutto gestito da un fabric di rete Spectrum-6 Ethernet che raddoppia la banda per switch a 102,4 Tb/s. Non è marketing astratto: OpenAI ha già un rack Vera Rubin attivo nei propri laboratori, come hanno confermato i dirigenti Nvidia durante una visita al data center lab di Silicon Valley.
Sul fronte dei clienti enterprise, Microsoft ha annunciato che utilizzerà i sistemi Vera Rubin NVL72 per i propri data center di nuova generazione, inclusi i futuri siti del progetto Fairwater AI superfactory. CoreWeave integrerà i sistemi Rubin nella propria piattaforma cloud AI a partire dalla seconda metà del 2026. La scelta di spingere su CPU proprietarie — architettura ARM, non x86 — è tutt’altro che casuale. I sistemi agentici richiedono più coordinamento tra processi, e quindi più lavoro per le CPU. Nvidia vuole che anche quella parte del calcolo passi per i propri chip, sottraendo spazio ad AMD, che nel frattempo ha svelato il rack concorrente Helios.
In parallelo, Nvidia avanza sul fronte della robotica fisica. La piattaforma Cosmos — e in particolare il componente Cosmos-H Dreams — combina simulazione fisica classica con modelli generativi per addestrare robot chirurgici senza anni di esposizione clinica reale. La logica è semplice: un sistema di IA fisica impara da ciò che accade quando un catetere incontra una parete vasale, o quando un braccio robotico applica pressione su tessuto molle. Non dal testo, non dalle immagini. Johnson & Johnson MedTech usa già i workflow basati su Cosmos per addestrare il proprio sistema Monarch per l’urologia. CMR Surgical utilizza la simulazione Cosmos-H per validare il robot Versius prima della fase clinica. Medtronic sta esplorando la piattaforma IGX Thor per applicazioni in chirurgia strutturale. XCath la applica alla navigazione endovascolare autonoma — insegnare a un sistema come muoversi nei vasi sanguigni senza una mano umana sui comandi.
Il quadro che emerge è quello di un’azienda che ha smesso di posizionarsi come fornitore di componenti e si propone come costruttore di infrastruttura completa. I data center AI non sono più centri di calcolo tradizionali: Nvidia li chiama “fabbriche di intelligenza”, dove il rack — non il singolo chip — è l’unità di misura. Se questa architettura si consolida come standard, chi costruisce ospedali robotici, piattaforme cloud o sistemi agentici si troverà a scegliere tra adottare l’intero stack Nvidia o costruire alternative da zero. Una scelta sempre meno semplice, man mano che i componenti si integrano in modo più profondo l’uno con l’altro.
