13 novembre 2026 · Jakub M.

Nvidia senza Jensen Huang: cosa significa per l’IA locale e i prezzi dell’hardware

Il fondatore di Nvidia Jensen Huang ha lasciato la guida dell’azienda. Per chi usa l’intelligenza artificiale sul proprio hardware conta però di più un’altra cosa: schede grafiche e workstation IA rincarano soprattutto per la carenza di memoria, non per il cambio al vertice.

Cosa è successo

Domenica 8 novembre il consiglio di amministrazione di Nvidia ha annunciato un’indagine indipendente sul proprio amministratore delegato. In un messaggio interno ai dipendenti, Jensen Huang ha ammesso una relazione extraconiugale. Secondo i media statunitensi, il caso riguarda anche il suo rapporto con una dirigente di Megaspeed, un’azienda con sede a Singapore. Secondo queste notizie, le autorità statunitensi sospettano che questa dirigente abbia legami con l’intelligence cinese; la Cina respinge le accuse. Megaspeed era uno dei grandi clienti esteri di Nvidia e le aveva acquistato chip e altro hardware per quasi 5 miliardi di dollari.

Il consiglio ha accettato le dimissioni di Huang l’11 novembre, con effetto immediato, e l’azienda le ha annunciate il giorno dopo. La direttrice finanziaria Colette Kress guida Nvidia ad interim, Harvey C. Jones è diventato presidente del consiglio ed è in corso la ricerca di un successore permanente. Le azioni Nvidia hanno perso circa il 17% in cinque giorni e sono ai minimi da oltre un anno.

Cosa non cambia per ora

L’uscita dell’amministratore delegato non cambia nulla nel funzionamento delle schede grafiche attuali, dei driver e degli strumenti software, CUDA compreso. Chi oggi usa modelli di IA su hardware Nvidia non deve cambiare nulla nell’immediato.

Gli analisti concordano che anche il business non cambia nel breve periodo. Secondo Cody Acree di StoneX, la roadmap dei prodotti Nvidia è definita fino alla generazione Feynman nel 2028 e fino ad allora non vede effetti sui ricavi. Raymond James giudica eccessiva la reazione del mercato. Goldman Sachs si aspetta che Nvidia rispetti gli impegni in essere, ma ritiene che senza Huang sarà più difficile negoziare nuove grandi partnership. Secondo Digitimes, i produttori di server taiwanesi prevedono una domanda stabile nel breve termine.

L’uscita di Jensen Huang è il più grande cambio al vertice di Nvidia da oltre tre decenni. Per chi sceglie hardware per far girare i propri modelli di IA, però, arriva in un momento in cui il mercato è già difficile di per sé. I prezzi della memoria salgono, le schede grafiche potenti sono difficili da trovare e sempre più utenti cercano alternative alle classiche configurazioni con GPU.

La causa principale: la memoria

L’attuale rincaro dell’hardware per l’IA locale dipende soprattutto dalla carenza di chip di memoria. Secondo il Wall Street Journal, quest’anno i data center per l’IA useranno circa il 70% della produzione di DRAM di fascia alta. La memoria è aumentata di circa il 50% già alla fine del 2025 e gli analisti di TrendForce prevedevano per quest’anno un ulteriore aumento di circa il 70%. I produttori vendono già capacità per il 2027 e il 2028 e non si aspettano un sollievo evidente prima del 2028. Sui prezzi finali pesano anche altri fattori, come la domanda e le politiche di prezzo dei produttori.

Per l’IA locale la memoria è fondamentale. La sua capacità decide quanto grande può essere il modello che entra nel computer, e la sua larghezza di banda quanto velocemente risponde.

Quanto costa oggi l’hardware per l’IA locale

La memoria grafica di una scheda è molto più veloce, ma piccola: un modello che non ci sta va suddiviso o rallenta molto. La memoria condivisa e quella unificata sono più lente, ma ospitano modelli molto più grandi. I due valori quindi non sono direttamente confrontabili.

Le schede grafiche sono state colpite in modo particolare. La RTX 5090 è sparita dai grandi negozi statunitensi già a gennaio. Secondo GPU Poet, a novembre si vendeva sui marketplace online a circa 6.000 dollari, all’incirca il triplo del prezzo consigliato. Secondo fonti cinesi, a novembre i produttori di schede aumentano di nuovo i prezzi, di quasi 500 dollari per RTX 5090 e 5080.

Le workstation IA compatte con memoria condivisa sono la via più accessibile ai grandi modelli, ma rincarano anche loro. La DGX Spark di Nvidia con 128 GB è aumentata del 75% dal lancio. AMD vende un proprio computer, il Ryzen AI Halo con 128 GB, a partire da 3.999 dollari. In primavera Apple indicava per i Mac Studio con più memoria tempi di consegna fino a quattro-cinque mesi.

Cosa ha mostrato il nostro test

Abbiamo verificato di persona fin dove si può arrivare con la memoria condivisa. Su un Mac Studio M5 Ultra con 256 GB di memoria unificata ha girato la versione a 4 bit di Qwen3.5, con 397 miliardi di parametri. Occupava circa 224 GB di memoria e generava intorno ai 62 token al secondo, senza alcuna modifica alle impostazioni di macOS. Con un contesto di 128.000 token la velocità è scesa a 44 token al secondo. Un modello così non entrerebbe nemmeno lontanamente in una singola scheda grafica. I dettagli sono nel nostro test di Qwen3.5 397B.

Cosa potrebbe cambiare nei prossimi anni

L’uscita di Huang aggiunge incertezza soprattutto nel lungo periodo. Molto dipende da chi guiderà Nvidia: un ingegnere probabilmente manterrebbe la rotta attuale, un manager esterno potrebbe spingere di più sui risultati a breve. Il caso Megaspeed ha inoltre sollevato la questione se i chip Nvidia arrivino in Cina passando da altri paesi. Controlli più severi sulle esportazioni colpirebbero soprattutto i grandi clienti e, per ora, non riguardano gli utenti privati. Nel frattempo AMD e Apple rafforzano il supporto agli strumenti per l’IA locale, e ogni passo falso di Nvidia apre loro un’opportunità.

Il primo grande test arriverà il 17 novembre, quando Nvidia pubblicherà i risultati trimestrali. L’attenzione sarà sugli ordini e su ciò che l’azienda dirà delle forniture.

Cosa significa per l’IA locale

Non c’è motivo di farsi prendere dal panico. L’hardware che hai continua a funzionare e i nuovi prodotti Nvidia restano in programma. Comprare sotto pressione però non conviene: una RTX 5090 costa oggi circa il triplo del prezzo consigliato e la carenza di memoria non sparirà presto.

Conviene anche non puntare tutto su una sola piattaforma. llama.cpp funziona su schede Nvidia e AMD, su Apple Silicon e anche solo sul processore. MLX è nata per Apple Silicon, ma ora supporta anche CUDA. vLLM richiede un backend diverso per ogni piattaforma. Cambiare piattaforma quindi non è gratis, ma è possibile.

Provalo prima di comprare

Con hardware da migliaia di euro conviene prima verificare se il tuo modello e il tuo carico di lavoro girano abbastanza velocemente. Il Mac Studio M5 Ultra con 256 GB su cui abbiamo fatto il test puoi noleggiarlo da noi anche per un solo giorno.

Fonti: NVIDIA Form 8-K (SEC), ABC News, CBS News, TipRanks, Investing.com, Digitimes, Windows Central (WSJ, TrendForce), GPU Poet, Dataconomy, TechRadar, Implicator, Digital Citizen, BGR. Prezzi al 13 novembre 2026.

Richiedi un noleggio Prestazioni

← Tutti gli articoli