In sintesi: NVIDIA consegna di persona Vera, il suo primo processore CPU standalone per agenti AI, a OpenAI, Anthropic, xAI e Oracle Cloud.
Venerdì scorso Ian Buck, vicepresidente NVIDIA per l’high-performance computing, ha suonato i campanelli di tre delle aziende più influenti nell’intelligenza artificiale mondiale. Non portava fiori: portava i primi esemplari di Vera, il processore che NVIDIA ha costruito per l’era degli agenti AI. A Palo Alto, ad aprire la porta c’era Elon Musk in persona. Il lunedì successivo, un quarto sistema è arrivato a Oracle Cloud Infrastructure a Santa Clara. Quattro consegne in tre giorni, tutte effettuate di persona dal management — un segnale che NVIDIA considera questo lancio qualcosa di radicalmente diverso dall’ennesima scheda grafica più potente della precedente.
Un processore costruito per fare una cosa sola — ma quella cosa è diventata enorme
Per capire perché Vera esiste, bisogna capire come funziona un agente AI. Un agente non è un modello che risponde a una domanda: è un sistema che ragiona, pianifica, chiama strumenti esterni, verifica i risultati, itera. Ogni passaggio di questo ciclo — l’orchestrazione, la gestione del contesto, le chiamate agli strumenti — è lavoro per la CPU, non per la GPU. Le GPU eccellono nel calcolo parallelo massiccio; le CPU gestiscono i compiti sequenziali e decisionali. Con gli agenti, questi ultimi sono esplosi in quantità.
Vera è la risposta diretta a questo problema. Ottantotto core Olympus personalizzati, 1,2 terabyte al secondo di larghezza di banda della memoria — più del doppio rispetto al predecessore Grace — e fino a 1,5 terabyte di memoria totale per sistema. L’innovazione più rilevante si chiama spatial multi-threading: invece di condividere le risorse di esecuzione tra più thread come fanno i processori tradizionali, Vera partiziona fisicamente le unità di calcolo, le cache e i registri. Il risultato dichiarato è un miglioramento del 50% nelle prestazioni negli ambienti agentivi, e un guadagno di 1,5 volte nelle istruzioni per ciclo rispetto alla generazione precedente — un salto che in questo settore si misura normalmente in percentuali a una cifra.
Nel formato rack, 256 processori raffreddati a liquido in un singolo armadio possono sostenere più di 22.500 ambienti sandbox simultanei. Un sandbox è lo spazio isolato in cui un agente esegue codice, verifica i risultati e decide il passo successivo. Ventimila di questi, in parallelo, nello spazio di un armadio server.
La mossa che Intel e AMD non stavano aspettando
Grace, il predecessore di Vera, era stato progettato come compagno delle GPU: quasi tutte le installazioni lo abbinavano direttamente a un chip grafico nello stesso sistema. Vera è diverso. NVIDIA lo posiziona apertamente come prodotto standalone per il mercato dei CPU da data center — un mercato che fino a ieri apparteneva interamente a Intel e AMD. I clienti che oggi comprano CPU da questi produttori per gestire l’orchestrazione dei loro sistemi AI potrebbero domani comprare Vera. La disponibilità commerciale dai principali produttori — Dell, HPE, Lenovo, Supermicro — è prevista nella seconda metà del 2026.
La sfida tocca anche AMD Instinct MI300A, il chip che combina core CPU e GPU sullo stesso package per i carichi di lavoro AI. Vera va nella direzione opposta: CPU pura, ottimizzata per il lavoro agentivo, da abbinare separatamente alle GPU Rubin nella piattaforma NVL72.
Nella configurazione NVL72 — 72 GPU Rubin e 36 Vera CPU collegati tramite NVLink-C2C, l’interconnessione proprietaria di NVIDIA — la larghezza di banda tra CPU e GPU raggiunge 1,8 terabyte al secondo, sette volte quella del PCIe Gen 6. NVIDIA dichiara che questa piattaforma può addestrare modelli mixture-of-experts con un quarto delle GPU necessarie su Blackwell, la generazione precedente.
I numeri che aspettano conferma indipendente
Vale fermarsi un momento. Tutti i dati di performance citati finora — il 50% più veloce negli ambienti agentivi, il costo per token ridotto a un decimo, la latenza 5,5 volte inferiore misurata da Redpanda su carichi di lavoro compatibili Apache Kafka — vengono da NVIDIA o dai suoi partner. Non esistono ancora benchmark indipendenti che li verifichino.
Kingy.AI, una delle poche analisi tecniche indipendenti disponibili al momento, lo dice senza giri di parole: la base di prove è ricca di architettura ma povera di misurazioni esterne. Chi afferma che Vera batte o perde contro i CPU x86 attuali sulla base dei soli dati pubblici sta sovrastimando la certezza disponibile. Bisognerà aspettare le prime installazioni in produzione e i test dei laboratori nazionali già pianificati, dal Texas Advanced Computing Center al Los Alamos National Laboratory.
Sam Altman ha dichiarato che con Vera Rubin OpenAI potrà eseguire “modelli e agenti più potenti su scala massiccia.” James Bradbury, responsabile del compute di Anthropic, ha parlato di Vera come di “una parte promettente dell’ecosistema per i carichi di lavoro agentivi.” Entusiasmo genuino, ma ancora senza numeri propri.
Cosa cambia concretamente per chi costruisce agenti
Il segmento data center di NVIDIA ha generato 193,5 miliardi di dollari di fatturato nell’anno fiscale 2026. Vera non è un prodotto di nicchia: è la prossima scommessa di Jensen Huang su un mercato che lui stesso ha definito “la prossima attività miliardaria” dell’azienda al GTC di San Jose, a marzo.
La logica è coerente. Se gli agenti AI diventano l’interfaccia principale tra le aziende e l’intelligenza artificiale — e tutti i segnali del mercato puntano in quella direzione — allora l’infrastruttura che li fa girare diventa strategica quanto quella che addestra i modelli. NVIDIA ha dominato il training con le GPU. Ora vuole dominare l’inferenza agentiva con Vera.
Perché è importante
Con Vera, NVIDIA entra per la prima volta in competizione diretta con Intel e AMD nel mercato delle CPU da data center, ridefinendo chi controlla l’infrastruttura degli agenti AI. Se riesce a replicare con Vera la stessa dinamica di lock-in costruita con CUDA per le GPU, il vantaggio competitivo potrebbe rivelarsi strutturale e difficile da erodere. La vera partita si giocherà nei prossimi dodici mesi, quando i benchmark indipendenti e le prime installazioni in produzione trasformeranno le promesse architetturali in dati verificabili.
