L'annuncio che Perplexity ha in programma di adottare Nvidia Vera, combinato con la rilevazione di un ritorno delle CPU sotto i riflettori dell'AI, non è un semplice aggiornamento di catalogo hardware. È un segnale forte che la fase più matura dell'AI generativa sta ridisegnando la mappa dei colli di bottiglia, e che il monologo delle GPU sta diventando un dialogo a più voci. I workload agentici — sistemi AI che non si limitano a rispondere a prompt ma orchestrano azioni, chiamate API e cicli decisionali complessi — spostano il baricentro dal puro calcolo matriciale alla gestione di stato, alla memoria e alla latenza di sistema.

Per chi osserva il settore con la lente della sovranità dei dati e del deployment on-premise, la notizia ha un sapore diverso: significa che l'hardware già presente nei server aziendali, spesso ricco di core CPU e memoria, potrebbe diventare molto più rilevante per carichi AI. Non si tratta di sostituire le GPU per l'inference pesante o il training, ma di completarle con una componente CPU robusta, senza la quale gli "agenti" non possono funzionare in modo affidabile. Questo cambia il calcolo del TCO: l'investimento in server bilanciati anziché in costosi cluster GPU-only diventa una strada praticabile per molte organizzazioni che non possono o non vogliono mandare dati in cloud.

Cosa segnala la scelta di Nvidia Vera

Nvidia Vera è la risposta dell'azienda a un mercato che non può più essere dominato dal solo silicio grafico. Si tratta di una CPU con architettura ARM pensata per integrarsi con le GPU Blackwell e con il fabric NVLink-C2C, creando un "superchip" dove CPU e GPU condividono memoria coerente e banda elevatissima. L'adozione da parte di Perplexity — una società AI nativa che vive di velocità e costi di inference — è un indicatore anticipato di una tendenza più ampia: i migliori carichi di AI del futuro non saranno puramente GPU-bound. Richiederanno una stretta vicinanza tra compute generico e accelerazione parallela, e la CPU torna a essere il regista che coordina il tutto.

Questo ha implicazioni strutturali. Primo, indebolisce la narrativa che solo più teraflops GPU contino: architetture bilanciate con CPU forti possono offrire latenze inferiori per pipeline multi-step. Secondo, apre spazi di competizione per Intel e AMD, che hanno nei loro cataloghi processori con ampie dotazioni di memoria e istruzioni per l'AI, ma anche per i chip ARM pronti a entrare nei data center. Terzo, rende più concreta l'idea di un'inference distribuita su nodi eterogenei, dove il deployment on-premise può essere suddiviso tra server esistenti e acceleratori dedicati, senza dover ripensare l'intera infrastruttura.

Chi vince e chi perde

A guadagnarci sono le organizzazioni che hanno già investito in infrastrutture on-premise robuste basate su CPU e che cercano di adottare LLM senza dipendere interamente dal cloud. Anche i fornitori di server standard possono inserire accelerazione AI senza stravolgere i progetti, riducendo il rischio di lock-in. Perde chi aveva scommesso tutto su un mercato AI puramente GPU-driven, e che ora si trova a dover integrare una complessità di sistema maggiore. Per i team IT, questo significa che le competenze su architetture di sistema, reti di interconnessione e dimensionamento della memoria tornano a essere cruciali quanto la conoscenza dei framework di deep learning.

Il fenomeno non va confuso con un tramonto delle GPU, che restano fondamentali per i grandi modelli e il training. Piuttosto, indica che l'ecosistema si sta specializzando, e la CPU esce da una fase di marginalizzazione per diventare un componente di prima classe nelle pipeline di AI agentica. Per chi valuta deployment on-premise, AI-RADAR offre framework analitici su /llm-onpremise per valutare questi trade-off: non esiste un'architettura universale, ma il messaggio di fondo è che la diversità hardware non è più un ostacolo, bensì una leva strategica per chi vuole controllo e indipendenza.