La divisione automotive di Nvidia combatte per le GPU: cosa rivela sulla crisi globale dell'AI

La divisione automotive di Nvidia combatte per le GPU: cosa rivela sulla crisi globale dell'AI

In un'intervista senza filtri al podcast Decoder di The Verge (luglio 2026), Xinzhou Wu, vicepresidente Nvidia e responsabile della divisione automotive, ha rivelato che anche il suo team combatte battaglie settimanali per l'accesso alla potenza di calcolo delle GPU. Un segnale lampante di come il boom dell'AI stia mettendo sotto pressione le risorse in tutta l'industria, inclusa l'azienda di chip più preziosa al mondo .

Battaglie interne per le risorse GPU

• Riunioni settimanali di allocazione. Wu ha confermato di incontrarsi con i colleghi «quasi ogni settimana» per spartirsi la potenza di calcolo necessaria a training, test e sviluppo. Alla domanda diretta se deve lottare per le GPU, ha risposto ridendo: «Sì, ci creda o no — anche Nvidia ha una fornitura limitata di GPU per il calcolo» .
• Jensen Huang a volte fa da arbitro. La competizione interna per l'allocazione delle GPU è diventata così intensa che l'amministratore delegato di Nvidia deve talvolta intervenire per mediare tra le diverse business unit .
• Tensione strutturale tra data center e automotive. Il business dei data center — che fornisce GPU per il boom dell'AI — genera entrate enormi e immediate, mentre la divisione automotive punta su un futuro autonomo che non darà frutti per anni. Wu ha riconosciuto questo scomodo dilemma interno: quanta della limitata capacità produttiva destinare ai clienti che pagano oggi profumatamente, e quanta a un mercato che potrebbe materializzarsi domani .

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:

Traguardo	Obiettivo
Funzionalità urbane Level 2++ su piattaforma Drive AGX	2026
Sperimentazioni di robotaxi di Livello 4 con partner	2027
Veicoli autonomi di Livello 4 di proprietà personale	2028

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.