Quando si parla del successo di Nvidia, l’attenzione cade quasi sempre sulle GPU. Ma un chip potente, da solo, non basta: servono linguaggi, librerie, compilatori e sistemi capaci di collegare migliaia di processori.
È qui che si trova una parte decisiva del vantaggio competitivo di Nvidia: CUDA, l’ecosistema software costruito dall’azienda in quasi vent’anni. DeepSeek e Huawei stanno provando ad attaccare proprio questo punto, rendendo più semplice programmare e utilizzare i processori Ascend. La sfida non è più soltanto tra chip: è tra piattaforme.
Che cos’è CUDA, spiegato in modo semplice
CUDA è la piattaforma di calcolo parallelo sviluppata da Nvidia. Permette agli sviluppatori di utilizzare le GPU per attività che richiedono enormi quantità di calcoli simultanei, come l’addestramento dei modelli di intelligenza artificiale.
Possiamo immaginare una GPU come una fabbrica molto potente. Senza macchinari compatibili, istruzioni e tecnici specializzati, però, la fabbrica non produce in modo efficiente. CUDA fornisce proprio questa infrastruttura. Il suo toolkit comprende:
- compilatori che traducono il codice in istruzioni eseguibili dalla GPU;
- librerie già ottimizzate per operazioni ricorrenti;
- strumenti per individuare errori e colli di bottiglia;
- sistemi per distribuire i calcoli tra più processori.
Gli sviluppatori possono così riutilizzare codice e soluzioni già testate, riducendo tempi, costi e rischi. CUDA diventa un vero fossato competitivo: una barriera che rende difficile sostituire Nvidia anche quando esistono chip alternativi.
Perché un buon chip non è sufficiente
Nel mondo dell’intelligenza artificiale, la potenza teorica conta meno della capacità di utilizzarla davvero. Un acceleratore può avere ottime specifiche, ma perdere gran parte del vantaggio se il software distribuisce male il lavoro o se il sistema diventa instabile collegando molti processori.
Cambiare piattaforma comporta inoltre costi concreti. Le aziende devono adattare il codice, formare i tecnici, verificare nuovamente i modelli e accettare il rischio di errori. Più un’organizzazione ha investito in CUDA, più costoso diventa abbandonarla.
Più sviluppatori usano CUDA → più software viene ottimizzato per Nvidia → le GPU Nvidia diventano più facili da utilizzare → altre aziende scelgono Nvidia.
È un effetto rete applicato all’infrastruttura tecnologica.
Che cosa stanno facendo DeepSeek e Huawei
Il 30 settembre DeepSeek ha annunciato una collaborazione con Huawei per sviluppare strumenti di programmazione ottimizzati per i processori Ascend.
Il progetto comprende infrastruttura open source, librerie per il calcolo e la comunicazione e un “supernode” basato su 128 processori Ascend 950. Durante l’addestramento di un grande modello, i chip devono scambiarsi continuamente dati: se la comunicazione è lenta, parte della potenza rimane inutilizzata.
DeepSeek ha inoltre evidenziato il ruolo di TileLang, un linguaggio open source progettato per rendere più semplice la scrittura di kernel ad alte prestazioni. I kernel sono le piccole operazioni fondamentali che una GPU o un acceleratore deve eseguire ripetutamente.
In pratica, TileLang permette di descrivere con meno codice come organizzare i calcoli, mantenendo il controllo necessario per ottenere buone prestazioni.
TileLang è davvero un’alternativa a CUDA?
Non ancora, almeno non da solo.
CUDA è una piattaforma completa che comprende linguaggi, librerie, compilatori, strumenti di analisi e un ecosistema utilizzato in migliaia di applicazioni. TileLang interviene soprattutto nel modo in cui vengono programmati e ottimizzati determinati calcoli.
TileLang, inoltre, non è limitato a Huawei: supporta più tipologie di hardware, comprese piattaforme CUDA e ROCm. Può quindi ridurre il lavoro necessario per adattare il software a sistemi differenti.
L’alternativa più vicina all’ecosistema CUDA è quindi CANN, l’architettura software di Huawei per i chip Ascend. CANN collega l’hardware ai framework utilizzati dagli sviluppatori e comprende runtime, librerie, strumenti e funzioni per gestire la comunicazione tra processori.
TileLang può diventare uno dei ponti che rendono CANN e Ascend più accessibili, ma il successo dipenderà dall’integrazione dell’intero sistema.
Perché la strategia cinese può funzionare
Huawei controlla chip, interconnessioni, server e piattaforma software. DeepSeek sviluppa modelli avanzati e conosce i carichi di lavoro reali. Insieme possono ottimizzare hardware e software nello stesso momento.
Esiste poi un forte incentivo economico e politico. Le restrizioni statunitensi limitano l’accesso della Cina ai processori Nvidia più avanzati. Le imprese cinesi hanno quindi bisogno di un’alternativa nazionale anche quando, almeno inizialmente, risulta meno efficiente.
Huawei afferma che CANN conta più di 5.200 sviluppatori attivi ogni mese, supporta oltre 90 importanti progetti open source e ha già permesso il pre-addestramento nativo di più di 40 modelli. Sono dati forniti dall’azienda e dovranno essere verificati nel tempo, ma indicano che l’ecosistema non parte da zero.
L’open source può accelerare lo sviluppo, permettendo ad aziende e università di correggere problemi e creare strumenti compatibili.
Perché superare CUDA resta molto difficile
La vera difficoltà non è realizzare una dimostrazione funzionante, ma garantire prestazioni e stabilità su migliaia di applicazioni. Nvidia può contare su anni di ottimizzazioni, una comunità globale e integrazioni consolidate. Cambiare piattaforma deve quindi produrre un vantaggio sufficiente a compensare costi e rischi della migrazione.
Huawei deve inoltre affrontare vincoli nella produzione dei chip e nell’accesso alle memorie ad alta velocità. Collegare un numero maggiore di processori può compensare una parte del divario, ma aumenta anche la complessità, i consumi energetici e il rischio che un guasto rallenti l’intero sistema.
Per questo l’esito più plausibile, almeno nel medio periodo, non è la sostituzione globale di CUDA. È la nascita di due ecosistemi paralleli: Nvidia dominante a livello internazionale e Ascend-CANN sempre più rilevante nel mercato cinese.
Che cosa dovrebbe osservare un investitore
Per valutare se il fossato di Nvidia si sta davvero restringendo, gli annunci non bastano. Servono risultati misurabili.
1. Modelli addestrati interamente su Ascend
Il segnale più importante sarà la capacità di completare grandi cicli di addestramento senza ricorrere alle GPU Nvidia nelle fasi decisive.
2. Stabilità e utilizzo effettivo dei cluster
Non conta soltanto il numero di chip collegati. Bisogna osservare quanta potenza viene realmente utilizzata, con quale affidabilità e a quale costo energetico.
3. Adozione da parte degli sviluppatori
Download, contributori esterni, librerie disponibili e progetti realmente messi in produzione valgono più delle semplici dichiarazioni sul numero di partner.
4. Costo complessivo del sistema
Il confronto deve includere chip, server, energia, manutenzione e ore di lavoro necessarie per adattare il software. Un processore meno costoso può risultare più caro se richiede molte risorse per funzionare correttamente.
5. Impatto sui ricavi di Nvidia in Cina
La prima conseguenza potrebbe essere regionale. Se Ascend diventa lo standard per le grandi aziende cinesi, Nvidia potrebbe perdere opportunità di vendita anche qualora mantenesse la leadership tecnologica globale.
La vera partita si gioca intorno al chip
La collaborazione non dimostra che CUDA sia stata superata. Dimostra però che la Cina ha compreso dove si trova la barriera più difficile da abbattere. Nvidia offre un ambiente nel quale sviluppatori e aziende sanno già lavorare; DeepSeek e Huawei stanno costruendo un ambiente alternativo, un componente open source alla volta.
Per gli investitori, il punto non è scegliere oggi un vincitore definitivo. È capire se il mercato dell’intelligenza artificiale resterà dominato da un’unica piattaforma oppure si dividerà in ecosistemi regionali. La risposta influenzerà non solo Nvidia e Huawei, ma anche data center, cloud provider, produttori di memoria e l’intera catena dei semiconduttori.
Segui Investire Hub
Vuoi comprendere meglio i grandi cambiamenti tecnologici e il loro impatto sui mercati? Iscriviti a Investire Hub per ricevere analisi chiare, approfondimenti accessibili e nuovi strumenti per investire con maggiore consapevolezza.
Questo articolo ha finalità esclusivamente informative e non costituisce una raccomandazione o consulenza d’investimento.
