Cosa rivela sulla crisi globale dell'AI

• La fornitura di GPU è limitata persino per i team interni di Nvidia. Se l'azienda che progetta e produce i chip AI più richiesti al mondo non riesce a rifornire agevolmente la propria divisione automotive, significa che la domanda di potenza di calcolo ha superato di gran lunga l'offerta .
• Taglio della produzione di GPU gaming del 30-40% all'inizio del 2026. Molte testate hanno riportato che Nvidia ha ridotto la produzione della serie RTX 50 del 30-40% nella prima metà del 2026, a causa della carenza di memoria GDDR7. I data center AI consumano la capacità disponibile e i fornitori privilegiano la memoria HBM per i chip AI rispetto alla memoria per GPU consumer . La carenza di GDDR7 di Samsung fa sì che i prezzi delle GPU consumer non scenderanno in modo significativo prima del quarto trimestre 2027 .
• La memoria è il collo di bottiglia. Il GDDR7 è diventato il 70-80% del costo dei materiali di una GPU e Samsung non riesce a produrne abbastanza per soddisfare la domanda combinata di AI e consumer . I fornitori di HBM (SK Hynix, Micron) hanno riferito che la produzione per il 2026 è già interamente venduta, confermando una carenza di memoria pluriennale guidata dall'AI .

La roadmap per la guida autonoma secondo Nvidia

Durante l'intervista, Wu ha delineato una tempistica aggressiva:

L'azienda sta costruendo uno stack completo per la guida autonoma chiamato Nvidia Drive, offrendo piattaforme hardware e modelli fondativi addestrati su dati sintetici. Secondo Wu, le case automobilistiche non hanno bisogno di miliardi di chilometri di guida autonoma come Waymo o Tesla: possono collegarsi all'ecosistema Nvidia, che esegue 5 milioni di test di validazione al giorno .

Contesto chiave dall'intervista

• L'opposizione al lidar di Tesla. L'approccio di Nvidia abbraccia molteplici tipi di sensori, incluso il lidar, posizionandosi contro la filosofia di Tesla basata solo su telecamere. Wu ha dichiarato che non servono milioni di chilometri di dati di guida per battere Tesla: servono i sensori giusti e un sistema di AI in grado di ragionare .
• Tendenze di adozione dei veicoli elettrici e barriere commerciali. Wu ha discusso di come le tendenze di adozione dei veicoli elettrici e le barriere commerciali statunitensi — in particolare i controlli all'esportazione che limitano la vendita di chip alla Cina — creino difficoltà per il business automobilistico. Nvidia ha subito defezioni da parte dei costruttori cinesi a causa di ritardi e problemi di performance .
• Architettura di sicurezza. Nvidia esegue due sistemi in parallelo sulla sua piattaforma Drive: un modello AI end-to-end gestisce la guida, mentre uno «stack classico» basato sugli standard di sicurezza ISO 26262 funge da guardrail "fratello maggiore", verificando ogni fotogramma .

Evidenze insufficienti

• La formulazione esatta dei commenti di Wu sulle tendenze di adozione dei veicoli elettrici e le barriere commerciali non è completamente riportata nelle fonti disponibili al di là di riferimenti generali.
• Nvidia non ha confermato ufficialmente i tagli del 30-40% alla produzione di GPU gaming: le cifre provengono dai forum cinesi Board Channels e sono state riportate da varie testate come «voci» o «notizie non confermate» .

Sintesi

La divisione automotive di Nvidia affronta una reale competizione interna per l'accesso alle GPU, con riunioni settimanali di allocazione e la necessità, talvolta, dell'arbitrato dell'amministratore delegato Jensen Huang . Questo riflette una carenza più ampia di risorse AI, in cui l'offerta di memoria per GPU (GDDR7 e HBM) è gravemente limitata dalla domanda dei data center, costringendo Nvidia a tagliare la produzione di GPU gaming del 30-40% . Nel frattempo, la roadmap per la guida autonoma di Wu punta a funzionalità urbane Level 2++ nel 2026, sperimentazioni di robotaxi di Livello 4 nel 2027 e veicoli consumer di Livello 4 entro il 2028 — una tempistica che dipende dall'ottenimento proprio di quelle risorse di calcolo per cui il suo team sta già lottando.

Cosa rivela sulla crisi globale dell'AI

• La fornitura di GPU è limitata persino per i team interni di Nvidia. Se l'azienda che progetta e produce i chip AI più richiesti al mondo non riesce a rifornire agevolmente la propria divisione automotive, significa che la domanda di potenza di calcolo ha superato di gran lunga l'offerta .
• Taglio della produzione di GPU gaming del 30-40% all'inizio del 2026. Molte testate hanno riportato che Nvidia ha ridotto la produzione della serie RTX 50 del 30-40% nella prima metà del 2026, a causa della carenza di memoria GDDR7. I data center AI consumano la capacità disponibile e i fornitori privilegiano la memoria HBM per i chip AI rispetto alla memoria per GPU consumer . La carenza di GDDR7 di Samsung fa sì che i prezzi delle GPU consumer non scenderanno in modo significativo prima del quarto trimestre 2027 .
• La memoria è il collo di bottiglia. Il GDDR7 è diventato il 70-80% del costo dei materiali di una GPU e Samsung non riesce a produrne abbastanza per soddisfare la domanda combinata di AI e consumer . I fornitori di HBM (SK Hynix, Micron) hanno riferito che la produzione per il 2026 è già interamente venduta, confermando una carenza di memoria pluriennale guidata dall'AI .

La roadmap per la guida autonoma secondo Nvidia

Durante l'intervista, Wu ha delineato una tempistica aggressiva:

L'azienda sta costruendo uno stack completo per la guida autonoma chiamato Nvidia Drive, offrendo piattaforme hardware e modelli fondativi addestrati su dati sintetici. Secondo Wu, le case automobilistiche non hanno bisogno di miliardi di chilometri di guida autonoma come Waymo o Tesla: possono collegarsi all'ecosistema Nvidia, che esegue 5 milioni di test di validazione al giorno .

Contesto chiave dall'intervista

• L'opposizione al lidar di Tesla. L'approccio di Nvidia abbraccia molteplici tipi di sensori, incluso il lidar, posizionandosi contro la filosofia di Tesla basata solo su telecamere. Wu ha dichiarato che non servono milioni di chilometri di dati di guida per battere Tesla: servono i sensori giusti e un sistema di AI in grado di ragionare .
• Tendenze di adozione dei veicoli elettrici e barriere commerciali. Wu ha discusso di come le tendenze di adozione dei veicoli elettrici e le barriere commerciali statunitensi — in particolare i controlli all'esportazione che limitano la vendita di chip alla Cina — creino difficoltà per il business automobilistico. Nvidia ha subito defezioni da parte dei costruttori cinesi a causa di ritardi e problemi di performance .
• Architettura di sicurezza. Nvidia esegue due sistemi in parallelo sulla sua piattaforma Drive: un modello AI end-to-end gestisce la guida, mentre uno «stack classico» basato sugli standard di sicurezza ISO 26262 funge da guardrail "fratello maggiore", verificando ogni fotogramma .

Evidenze insufficienti

• La formulazione esatta dei commenti di Wu sulle tendenze di adozione dei veicoli elettrici e le barriere commerciali non è completamente riportata nelle fonti disponibili al di là di riferimenti generali.
• Nvidia non ha confermato ufficialmente i tagli del 30-40% alla produzione di GPU gaming: le cifre provengono dai forum cinesi Board Channels e sono state riportate da varie testate come «voci» o «notizie non confermate» .

Sintesi

La divisione automotive di Nvidia affronta una reale competizione interna per l'accesso alle GPU, con riunioni settimanali di allocazione e la necessità, talvolta, dell'arbitrato dell'amministratore delegato Jensen Huang . Questo riflette una carenza più ampia di risorse AI, in cui l'offerta di memoria per GPU (GDDR7 e HBM) è gravemente limitata dalla domanda dei data center, costringendo Nvidia a tagliare la produzione di GPU gaming del 30-40% . Nel frattempo, la roadmap per la guida autonoma di Wu punta a funzionalità urbane Level 2++ nel 2026, sperimentazioni di robotaxi di Livello 4 nel 2027 e veicoli consumer di Livello 4 entro il 2028 — una tempistica che dipende dall'ottenimento proprio di quelle risorse di calcolo per cui il suo team sta già lottando.