Il baricentro ‘naturale’ di Nvidia è da sempre il data center, perché è quello il luogo in cui vengono erogate le risorse di calcolo necessarie all’AI, dove i modelli vengono addestrati e serviti. Con gli annunci presentati in occasione di Gtc Berlin, la conferenza globale sull’intelligenza artificiale e sul calcolo accelerato organizzata dal vendor, l’attenzione si sposta sui sistemi dotati di sensori che decidono e agiscono nel mondo fisico e sull’infrastruttura destinata a sostenerli. Robotica generalista, mobilità autonoma e telecomunicazioni sono entrati così nel mirino di un disegno unitario: per ciascun comparto Nvidia propone infatti una piattaforma full-stack, in larga parte aperta, che va dalla generazione dei dati alla validazione della sicurezza, e affida a un ecosistema di partner, in buona misura europei, il compito di trasformarla in prodotti e servizi.
La scommessa è una physical AI costruita su componenti comuni: modelli, famiglie di processori di bordo e sicurezza necessari al mondo dei robot come ai veicoli. Mentre la rete degli operatori delle telco chiede di essere ripensata come layer di calcolo distribuito tra le macchine e il data center.
Robotica, dalla simulazione agli utilizzi sul campo
Il fondatore e Ceo, Jensen Huang inquadra così la fase attuale: “La robotica generalista matura a velocità sostenuta: il ‘momento ChatGpt’ della robotica si avvicina rapidamente”. La piattaforma Isaac si arricchisce di Isaac Lab 3.0, ora disponibile in versione definitiva, framework open source per addestrare le policy dei robot, e di Isaac OS, runtime open source che collega modelli, sensori, controlli e hardware. Sul versante dei dati, la SimReady Central Library offre su Hugging Face oltre 2mila asset pronti per la simulazione, con contributi tra gli altri di Comau, Fanuc e Universal Robots.
Tra gli elementi in grado di evidenziare la concretezza dei progetti Agile One SN, l’umanoide di riferimento presentato da Agile Robots per la ricerca: 31 gradi di libertà, modello fondazionale Isaac Gr00t, calcolo di bordo Jetson Thor e integrazione prevista dello stack di sicurezza Halos. Riunendo strumenti oggi separati, secondo l’azienda si riducono i tempi di configurazione da settimane a giorni; la disponibilità è attesa a inizio 2027. Per Zhaopeng Chen, fondatore e Ceo di Agile Robots, “la svolta per gli umanoidi è l’utilità su larga scala: una macchina adattabile che impara molte abilità e lavora in ambienti costruiti per le persone”. Attorno alla piattaforma si muove anche buona parte della robotica europea: Abb Robotics e Kuka integrano le librerie Omniverse nei propri strumenti di simulazione e messa in servizio virtuale, Neura Robotics usa Isaac Sim e Isaac Lab per generare i dati sintetici del modello Neuron AI, mentre Toyota Material Handling Europe e SoftServe indicano una riduzione fino al 50% dei tempi di deployment della movimentazione autonoma.
Automotive e robotaxi
Nella mobilità il riferimento è Hyperion, la piattaforma di calcolo e sensori proposta a costruttori e operatori. Per Huang “i robotaxi sono la prima applicazione davvero di massa della robotica e della physical AI, e reinventano il modo in cui si muovono persone e merci”. L’architettura è modulare e accetta sia il software di guida Alpamayo Stack di Nvidia sia quello dei partner, così da sostenere percorsi diversi verso l’autonomia.
Bolt ha scelto Alpamayo Stack per il proprio programma europeo di robotaxi sui futuri veicoli Lucid basati su Hyperion: la raccolta di dati su strada dovrebbe partire a Madrid nel 2027, previa approvazione delle autorità, con la Germania come mercato prioritario e almeno 25mila veicoli predisposti per quello che nell’automotive è definito livello 4. Volvo Cars adotta Hyperion con Halos OS e Alpamayo Stack, Mercedes-Benz estende la collaborazione per le funzionalità di livello 3 e 4, Volkswagen Commercial Vehicles presenta la piattaforma ID. Buzz AD ed Einride sviluppa su Hyperion il sistema per i propri camion merci autonomi.
Sul terreno della sicurezza debutta Halos Safe, sviluppato con dSpace, Ivex e Tüv Rheinland, che tiene insieme simulazione, test hardware-in-the-loop, prove su strada e monitoraggio delle flotte attraverso scenari e criteri misurabili, per produrre evidenze di sicurezza tracciabili. Sul piano dei modelli arriva Alpamayo 2 Edge, modello di ragionamento da 2 miliardi di parametri ottimizzato per Drive Agx Thor. E l’impatto potenziale sul ciclo di sviluppo emerge dal flusso di lavoro guidato da Porsche per i marchi del gruppo Volkswagen su Microsoft Azure: la stima è di ridurre fino al 90% i test fisici ripetuti e fino all’85% la durata dei cicli di sviluppo.
Le reti telco, infrastrutture di calcolo distribuito
Nvidia descrive la costruzione dell’intelligenza in cinque layer: siti, energia e involucro edilizio; chip; infrastruttura; modelli; applicazioni. Gli operatori indirizzano già bene il primo, con data center, siti regionali e siti cellulari dotati di alimentazione, fibra e spettro, dispongono di calcolo accelerato, modelli aperti e applicazioni completerebbero l’intera stack all’interno della rete. Per Huang “le reti di telecomunicazione sono state costruite per consentire la comunicazione. Ora veicolano anche l’intelligenza”.
Lo strumento è l’AI-Ran, che porta il calcolo accelerato dentro la rete di accesso radio e fa girare l’elaborazione del segnale sulla stessa piattaforma dei servizi avanzati. Quasi 20 operatori hanno annunciato collaborazioni basate sul software anyRan di Nokia e sull’Aerial Ran Computer (Arc) di Nvidia. T-Mobile ha completato negli Stati Uniti la prima chiamata AI-Ran al mondo su una rete commerciale; in Europa, Elisa ha condotto il primo field trial, eseguendo voce, dati mobili e video analytics sulla stessa piattaforma in 5G, mentre Deutsche Telekom e BT hanno in programma prove sul campo nel 2027 e Orange sta sperimentando il software Nokia su Arc.
Nove operatori dell’area Emea costruiscono o ampliano capacità di calcolo basate su Nvidia, tra cui Tim con una nuova infrastruttura e Fastweb+Vodafone con il previsto ampliamento. Il livello applicativo passa invece dagli agenti per la gestione autonoma della rete: Nokia integra i modelli aperti Nemotron e l’Agent Toolkit di Nvidia nella propria Autonomous Networks Suite, Cisco ha affinato Nemotron per Crosswork AI, Tcs e Ntt Data lo impiegano in agenti che rilevano e diagnosticano i problemi di rete.
© RIPRODUZIONE RISERVATA
