Nvidia punta 10 miliardi sull’IA fisica: perché Cina e robot sono decisivi

Nvidia sta cercando di diventare il sistema operativo dell’IA fisica: l’insieme di chip, software e modelli che permette a robot, automobili autonome e macchinari industriali di percepire l’ambiente, prendere decisioni e agire nel mondo reale.

Secondo le stime citate per l’azienda, questo comparto genera già circa 10 miliardi di dollari di ricavi annuali. Jensen Huang, amministratore delegato di Nvidia, sostiene che potrebbe crescere di dieci volte nel prossimo decennio, fino a un potenziale business da 100 miliardi di dollari. Non si tratta però di una voce di ricavo autonoma riportata nei bilanci: è una stima che riunisce diverse attività legate a robotica, guida autonoma, simulazione e calcolo edge.

Che cos’è l’IA fisica

A differenza dell’IA generativa tradizionale, che produce testo, immagini o codice, l’IA fisica opera in un ambiente concreto. Deve interpretare dati provenienti da telecamere e sensori, prevedere cosa accadrà e controllare un’azione: frenare un’auto, afferrare un oggetto o muoversi in un magazzino.

Per Nvidia, l’opportunità si articola in quattro livelli:

• Addestramento: le GPU nei data center elaborano i modelli destinati a robot, veicoli autonomi e altri sistemi.
• Simulazione: gli sviluppatori possono testare comportamenti e scenari in ambienti virtuali prima di passare alle prove nel mondo reale.
• Inferenza sul dispositivo: i processori installati dentro auto e robot analizzano i sensori e prendono decisioni in tempo reale.
• Modelli e software: strumenti di sviluppo e modelli aperti aiutano le aziende a progettare, verificare e distribuire applicazioni di IA fisica.

Questa architettura consente a Nvidia di intervenire in più momenti della vita di una macchina: dalla progettazione del robot alla simulazione, fino al chip che lo farà funzionare una volta operativo.

Perché Huang parla di un’opportunità dieci volte più grande

La tesi di Huang è che l’IA stia uscendo dal mondo digitale per entrare nelle fabbriche, nei veicoli, nei magazzini e nelle infrastrutture industriali. La produzione manifatturiera è particolarmente interessante perché molte attività sono ripetitive, misurabili e organizzate: caratteristiche che rendono l’automazione più semplice da testare e da replicare.

Huang ha descritto la robotica come un’industria potenziale da 50.000 miliardi di dollari e ha affermato che il suo “momento ChatGPT” è arrivato. La cifra, tuttavia, rappresenta il mercato complessivo potenziale della robotica e della produzione, non i ricavi attesi da Nvidia. L’azienda potrebbe conquistarne soltanto una parte attraverso processori, software, simulazione e infrastrutture.

La domanda decisiva, quindi, non è se il mercato sia grande. È se le macchine autonome riusciranno a passare dalle dimostrazioni e dai primi progetti industriali a un utilizzo commerciale affidabile. Per riuscirci dovranno essere sicure, convenienti, produttive e semplici da mantenere in ambienti molto più complessi di quelli dei test controllati.

Nvidia vende una piattaforma, non soltanto un chip

La strategia di Nvidia punta a rendere la propria tecnologia utile prima e dopo l’ingresso di un robot in fabbrica.

Gli strumenti di robotica Isaac e i relativi framework di simulazione sono pensati per permettere agli sviluppatori di creare e testare sistemi robotici in ambienti virtuali. Nvidia presenta la propria piattaforma come un sistema integrato per progettare, addestrare, verificare e distribuire applicazioni di IA fisica.

La società sta inoltre sviluppando i modelli Cosmos. Nvidia descrive Cosmos Transfer e Cosmos Predict come modelli aperti in grado di supportare la generazione di dati sintetici basati sulla fisica e la valutazione, in simulazione, delle strategie di controllo dei robot. Cosmos Reason è invece progettato per aiutare le macchine intelligenti a comprendere e interpretare il mondo fisico.

Sul fronte hardware, i processori edge di Nvidia sono destinati al calcolo direttamente a bordo del veicolo o del robot. Il sistema realizzato con Unitree, per esempio, combina il corpo di un robot umanoide cinese con l’hardware Jetson Thor, i modelli per la robotica e il software di simulazione di Nvidia.

Il modello di business ricorda quello costruito dall’azienda nel settore dell’IA per i data center: far funzionare insieme hardware, software e comunità di sviluppatori, così da accompagnare il cliente dall’ideazione fino alla distribuzione su larga scala.

Perché la Cina è centrale nella corsa alla robotica

La Cina dispone oggi di una base manifatturiera e di un mercato interno particolarmente ampi per i robot umanoidi. Nella prima metà del 2026, le aziende cinesi hanno rappresentato oltre il 97% delle spedizioni mondiali di robot umanoidi. Le unità consegnate a livello globale sono state circa 19.100, più del triplo rispetto alle 5.100 dello stesso periodo dell’anno precedente. 1

Questi numeri mostrano un forte slancio industriale, ma non dimostrano da soli che i robot umanoidi siano già redditizi o pronti a sostituire il lavoro umano su vasta scala. La combinazione di catene di fornitura, capacità produttiva e domanda da parte delle fabbriche offre però alla Cina un ambiente favorevole per trasformare rapidamente i prototipi in prodotti distribuiti in volumi maggiori.

Per Nvidia, i produttori cinesi possono quindi diventare partner strategici. La collaborazione con Unitree collega la piattaforma software e di calcolo edge dell’azienda a uno dei principali costruttori cinesi di robot umanoidi. Il sistema annunciato è rivolto inizialmente soprattutto a istituti di ricerca, tra cui Stanford ed ETH Zurigo: non è dunque una prova di adozione di massa da parte dei consumatori.

L’obiettivo di Nvidia è più ampio della vendita di processori per un singolo modello. La società vuole contribuire a definire un’architettura comune di sviluppo e calcolo mentre i produttori aumentano la loro capacità produttiva.

I chip H200 mostrano i limiti dell’opportunità cinese

La strategia di Nvidia in Cina resta però condizionata dai controlli sulle esportazioni. L’H200 è un acceleratore per data center utilizzato nei carichi di lavoro più impegnativi, dall’addestramento all’inferenza dei modelli di IA. Le autorità statunitensi hanno autorizzato alcune vendite, ma l’accesso rimane limitato e politicamente sensibile.

Nvidia ha dichiarato di aver venduto un numero ridotto di chip H200 a clienti cinesi nell’ultimo trimestre. Queste vendite hanno rappresentato meno dell’1% dei ricavi dei data center nel periodo, e la società ha aggiunto di non aver ancora spedito l’intera quantità consentita dalla licenza statunitense.

Secondo alcune ricostruzioni, ByteDance e Tencent avrebbero ricevuto ciascuna lotti di circa 10.000 processori H200. Le operazioni mostrano che una parte della domanda cinese può ancora raggiungere Nvidia, ma non equivalgono a un ritorno alle vendite senza restrizioni. Autorizzazioni all’export, decisioni delle autorità cinesi, disponibilità produttiva e alternative locali possono modificare rapidamente dimensioni e tempistiche dell’opportunità.

È inoltre importante distinguere i prodotti. Le GPU per data center, come l’H200, servono soprattutto ad addestrare e far funzionare i modelli di IA. Processori come Orin e Thor sono invece progettati per il calcolo in tempo reale direttamente dentro veicoli e robot. Un cliente può quindi utilizzare l’infrastruttura Nvidia durante lo sviluppo e poi adottare l’hardware edge dell’azienda quando la macchina viene effettivamente impiegata.

Come l’IA fisica può diversificare Nvidia

I risultati finanziari di Nvidia dipendono ancora in larga misura dalla domanda di GPU per data center. L’IA fisica potrebbe estendere la presenza dell’azienda a automotive, automazione industriale, logistica, robotica, simulazione e calcolo edge.

La strategia potrebbe inoltre innescare un ciclo di crescita:

1. Vengono installate più macchine nel mondo reale.
2. Le macchine producono dati operativi e fanno emergere nuovi casi limite.
3. Dati e simulazioni migliori rendono più efficaci i modelli di IA fisica.
4. Modelli più capaci rendono economicamente sostenibili nuove forme di automazione.
5. Le nuove installazioni aumentano la domanda di hardware per addestramento, simulazione e inferenza.

È questo il principale elemento di attrattiva per Nvidia. Se la società riuscisse a diventare una piattaforma standard per l’IA fisica, i ricavi potrebbero provenire da migliaia o milioni di macchine, e non soltanto da un numero ristretto di grandi operatori cloud e data center.

Il rischio principale: spedire robot non significa adottarli

L’aumento delle spedizioni e la rapida espansione dell’ecosistema hardware e software sono i segnali più forti dell’attuale boom della robotica. Ma il numero di unità consegnate è soltanto un indicatore iniziale.

La scommessa di lungo periodo di Nvidia dipende dalla capacità dei sistemi autonomi di funzionare in modo affidabile fuori dagli ambienti controllati. I robot dovranno svolgere compiti utili in fabbriche, magazzini, cantieri, aziende agricole, negozi, strade e, in prospettiva, abitazioni. Dovranno inoltre rispettare requisiti di sicurezza, avere costi sostenibili e offrire un livello di produttività sufficiente a giustificare installazione e manutenzione.

Se questa transizione richiederà più tempo del previsto, il mercato da 50.000 miliardi evocato da Huang resterà una prospettiva di lungo periodo, non un bacino di ricavi immediatamente disponibile. Il business dell’IA fisica di Nvidia ha già prodotti, clienti e ricavi iniziali. Il salto da circa 10 a 100 miliardi di dollari dipenderà però dalla capacità dell’economia reale di adottare macchine autonome su larga scala.