Nvidia entra nel mercato delle CPU con Vera e sfida Intel e AMD sul terreno dei data center AI

Quando un'azienda come Nvidia annuncia una nuova CPU, la notizia va letta su due livelli. Il primo è tecnico: un nuovo processore con nuove specifiche. Il secondo è strategico, ed è quello che conta davvero. Nvidia non sta cercando di strappare qualche punto percentuale di mercato a Intel o AMD sul terreno che questi due dominano da decenni. Sta cercando di cambiare le regole del gioco, spostando la competizione dal singolo chip all'intero sistema — quello che in gergo si chiama competizione rack-to-rack, dove ciò che si vende e si valuta non è un processore, ma una piattaforma completa in cui CPU, GPU, rete e storage sono progettati per lavorare come un unico organismo.

Ottantotto core e un'architettura pensata per l'AI

Le Vera sono CPU basate su architettura Arm con 88 core personalizzati denominati "Olympus", con supporto allo standard Arm v9.2. Nvidia le presenta come un salto generazionale pensato per un contesto preciso: non il training dei modelli di intelligenza artificiale — quella fase in cui si addestra un modello su enormi quantità di dati, dominata dalle GPU — ma tutto ciò che gli sta intorno. L'inferenza, cioè l'utilizzo del modello una volta addestrato, e i carichi di lavoro che compongono l'infrastruttura reale di un data center: orchestrazione dei processi, gestione delle pipeline di dati, chiamate ai database, compilazione del codice, monitoraggio dei sistemi. Tutto ciò che vive accanto ai modelli AI e che spesso ne determina la velocità di risposta e il costo operativo.

Nell'annuncio compare una promessa di prestazioni superiori del 50% rispetto alla generazione precedente, ma il perimetro di quel numero è fondamentale per capirne il valore reale. Nvidia non sostiene che Vera sia semplicemente più veloce di qualsiasi Xeon o EPYC in ogni scenario possibile: il ragionamento è più sottile. In un rack progettato per l'AI, la metrica economica che conta davvero è quanta parte del tempo le GPU rimangono alimentate di dati e quanta parte invece viene sprecata a spostare informazioni, sincronizzare stati, gestire richieste concorrenti. È su questo terreno che Vera vuole fare la differenza.

Il vero vantaggio è la coerenza del sistema

Vera non viene presentata come un processore isolato, ma come un componente che vive in simbiosi con le GPU Rubin, la nuova generazione di acceleratori di Nvidia. Il collegamento tra CPU e GPU avviene tramite NVLink-C2C, con una banda dichiarata di 1,8 terabyte al secondo — una cifra che, per dare un riferimento, è circa dieci volte superiore a quella dei collegamenti standard tra processori e schede grafiche nei server convenzionali. La memoria di sistema, in questo schema, diventa un'estensione del percorso dati dell'intero rack, non una risorsa separata gestita dalla CPU in modo indipendente. È un approccio che attacca un problema concreto dell'AI moderna: i modelli e le applicazioni non scalano solo aumentando la potenza di calcolo grezza, ma richiedono più banda, più prevedibilità, più efficienza in quel tessuto connettivo che tiene insieme dati e calcolo.

Nei data center AI il vero collo di bottiglia è spesso la CPU, non la GPU

La forma commerciale di questa visione è il Vera CPU Rack: una soluzione che integra fino a 256 CPU raffreddate a liquido in un'unica unità infrastrutturale. Il prodotto non è più un processore da inserire in un server standard, ma un blocco che Nvidia vuole trasformare nel punto di riferimento per produttori di hardware e grandi piattaforme cloud. È la stessa logica con cui Nvidia ha trasformato le GPU nel corso degli anni: da acceleratori aggiuntivi a centro di gravità di un'intera piattaforma, con architetture di riferimento, strumenti software ottimizzati e catene di fornitura dedicate.

Arm nei server non è più un'anomalia

Il contesto di mercato in cui si inserisce Vera è cambiato radicalmente rispetto a cinque anni fa. Stime recenti attribuiscono alle CPU Arm circa un quarto del mercato dei server, segnale che la barriera culturale e tecnica si è già abbassata, soprattutto negli ambienti cloud e nei grandi hyperscaler — le aziende che gestiscono infrastrutture digitali su scala globale, come Amazon, Google e Microsoft — dove la migrazione viene gestita come un programma industriale strutturato. In questo contesto, Vera arriva in un momento favorevole: il mercato è già pronto ad accettare Arm, e Nvidia punta a diventare l'implementazione di riferimento per la prossima generazione di data center dedicati all'AI.

Il problema, però, non è l'architettura del processore in sé. È l'ecosistema che ci sta intorno: la compatibilità delle applicazioni, gli strumenti di sviluppo, le certificazioni di sicurezza, il supporto dei produttori di hardware, la maturità degli strumenti di monitoraggio e diagnosi, i contratti di assistenza. È su questo piano che Intel e AMD continuano ad avere un vantaggio strutturale. Non è solo una questione di prestazioni: è quella che si potrebbe chiamare l'inerzia operativa del mondo enterprise. Un responsabile IT che gestisce centinaia di server conosce ogni dettaglio del comportamento dei processori x86 in produzione. Migrare verso un'architettura diversa, anche se più efficiente su certi carichi, può comportare mesi di validazione, riscrittura di script, aggiornamento di procedure. Il costo totale tende a spostare le decisioni.

La scommessa degli hyperscaler

Nvidia prova ad anticipare questa obiezione con due scelte di posizionamento precise. La prima è concentrarsi sugli acquirenti che hanno la massa critica e la motivazione per affrontare una migrazione: non i data center tradizionali, ma gli hyperscaler e le grandi piattaforme. Non è casuale che tra i primi nomi annunciati come early adopter compaiano Meta, Oracle e Alibaba. In questi contesti, una migrazione verso Arm può essere sostenibile se il vantaggio è sufficientemente alto: più elaborazioni per rack, meno latenza, migliore utilizzo delle GPU, oppure un percorso dati più controllabile e prevedibile.

La seconda scelta è legare Vera al linguaggio dell'"agentic AI" — sistemi in cui l'intelligenza artificiale non risponde a singole domande isolate, ma esegue catene di azioni, usa strumenti, recupera informazioni da fonti esterne e mantiene un contesto che evolve nel tempo. In questo scenario, il numero di operazioni che ricadono sulla CPU — e non sulla GPU — esplode. La CPU smette di essere un componente di contorno e torna a essere un fattore limitante: non per mancanza di potenza grezza, ma perché servono prevedibilità sotto carichi multipli contemporanei, banda sufficiente per alimentare pipeline complesse, e la capacità di reggere picchi irregolari senza introdurre ritardi nelle GPU.

La risposta di AMD e Intel è già scritta

AMD continua a spingere sull'ampiezza del portafoglio e sulla densità di core, con piattaforme che arrivano a 192 core per socket e un messaggio insistito su prestazioni per singolo thread e throughput negli ambienti cloud. Intel, dal canto suo, sta lavorando a recuperare terreno su efficienza e scalabilità, e mantiene un punto di forza non banale: è lo standard operativo dei data center enterprise, dove il costo della migrazione è spesso più visibile e immediato del risparmio energetico promesso da un'architettura alternativa.

In questo scenario competitivo, l'elemento più delicato dell'annuncio Vera non è la specifica tecnica, ma la verificabilità dei numeri. Cosa significa esattamente «50% in più» e rispetto a quale configurazione di riferimento? Quali processori, con quale memoria, quale rete, quale profilo di carico di lavoro? E soprattutto: quanto di quel vantaggio rimane quando Vera viene usata fuori dal suo habitat ideale — rack raffreddati a liquido, stack software Nvidia, interconnessione coerente con GPU Nvidia, ottimizzazioni dedicate?

La vera sfida per Vera è funzionare bene anche fuori dall'ecosistema Nvidia

Il raffreddamento a liquido non è più un optional

La questione del raffreddamento è parte integrante della strategia, non un dettaglio tecnico marginale. La densità e la banda che Nvidia vuole concentrare nei rack AI rendono il raffreddamento a liquido sempre meno un'opzione di lusso e sempre più una condizione di progetto. Molti data center stanno già valutando questa transizione per le GPU; estenderla anche alla CPU significa che l'adozione di Vera diventa una decisione ancora più architetturale, meno reversibile, e più vicina al modello dell'appliance — un sistema chiuso e ottimizzato — che a quello dei componenti intercambiabili.

È qui che l'ingresso di Nvidia nel mercato delle CPU cambia davvero i termini della trattativa con i clienti. Non si tratta solo di sottrarre quote di mercato a Intel e AMD, ma di catturare una fetta più ampia del budget complessivo del data center definendo una baseline integrata che comprende CPU, GPU, rete, DPU e storage. Se la piattaforma funziona come promesso, per un hyperscaler il vantaggio non è soltanto tecnico: è semplificare la progettazione dell'intero cluster AI e aumentare la ripetibilità dei deployment, cioè la capacità di replicare configurazioni identiche in modo affidabile e prevedibile.

Il 2026 sarà un test, non un verdetto

Le prime consegne sono previste nella seconda metà del 2026, e l'adozione iniziale sarà meno un referendum tra Arm e x86 e più un test su un tema che sta diventando centrale nel settore: quanto valore reale produce il co-design end-to-end — cioè la progettazione congiunta di tutti i componenti — quando l'AI smette di essere un carico separato e diventa un'infrastruttura continua che deve convivere con sicurezza, storage, reti e garanzie di qualità del servizio in produzione.

Se Vera diventerà un nuovo standard, lo diranno i dettagli meno spettacolari: quanta compatibilità immediata riesce a garantire senza interventi manuali, quanta riproducibilità dei risultati in ambienti non costruiti su misura, e quanto velocemente i produttori di hardware riusciranno a trasformare un rack Nvidia in qualcosa che un responsabile IT possa comprare, gestire e far evolvere nel tempo senza sentirsi vincolato a un'unica filiera tecnologica.