Il mercato degli switch Ethernet per data center ha un nuovo padrone: Nvidia. Non più soltanto un produttore di GPU, l’azienda ha plasmato un ecosistema dove il silicio grafico e la connettività sono due facce della stessa medaglia. Il risultato? Le sue soluzioni di networking, soprattutto le linee Spectrum e InfiniBand, scalzano i costruttori tradizionali e dominano le spedizioni.

L’ascesa del networking GPU-centrico

Per anni gli switch Ethernet sono stati commodity gestite da fornitori come Cisco o Arista, con un mercato determinato da velocità di porta e densità. L’avvento dell’AI su larga scala ha cambiato le carte in tavola. Addestrare un LLM o eseguire inference distribuita su cluster di GPU richiede una banda trasversale enorme e latenze minime, requisiti che le reti Ethernet standard faticavano a soddisfare. Nvidia ha colmato il vuoto partendo dall’esistente: ha acquisito Mellanox nel 2020, portandosi in casa la tecnicia InfiniBand, già collaudata nell’HPC, e l’ha evoluta per l’era dei transformer. Poi ha esteso la stessa filosofia alle sue proposte Ethernet con la piattaforma Spectrum, integrando funzionalità come il congestion control adattivo e l’accelerazione RDMA direttamente nel silicio dello switch. Il messaggio è chiaro: la rete non è più un tubo passivo, ma un componente attivo del sistema di calcolo.

Cosa significa per chi gestisce infrastrutture on-premise

Per le organizzazioni che valutano un deployment on-premise di LLM, la notizia ha implicazioni pesanti. Chi costruisce un cluster self-hosted per addestramento o inference deve ragionare in termini di system design integrato, non di shopping list separata: la scelta della GPU trascina con sé la scelta del networking. E qui Nvidia offre indubbi vantaggi prestazionali — la combinazione di GPU Hopper, switch Spectrum‑4 o Quantum‑2 e il software CUDA garantisce throughput e latenze difficili da eguagliare con componenti disaccoppiati. Ma il rovescio della medaglia è un lock-in sempre più stretto e un TCO che, per carichi di lavoro continuativi, va soppesato con attenzione. Il costo delle licenze e dell’hardware certificato Nvidia riduce la flessibilità, un trade-off non banale quando si vuole mantenere la sovranità dei dati e un’evoluzione indipendente dello stack.

La cornice competitiva e le alternative possibili

Il framework non è monolitico. L’Ultra Ethernet Consortium, che riunisce aziende come AMD, Broadcom e Intel, sta cercando di definire standard aperti per il networking accelerato, con l’ambizione di rompere il monopolio di fatto di Nvidia sulle reti ottimizzate per AI. Anche il mercato degli switch white‑box e i sistemi operativi di rete open source come SONiC stanno facendo breccia, permettendo a chi ha competenze interne di costruire infrastrutture più eterogenee. Sul fronte dei protocolli, Ethernet con RoCE v2 continua a guadagnare terreno come alternativa più economica a InfiniBand per deployment di taglia medio‑piccola. La partita è apertissima, ma il fatto che Nvidia abbia raggiunto la vetta delle spedizioni è un indicatore di quanto il peso specifico delle GPU stia ridefinendo ogni strato del data center moderno.

Lo sguardo d’insieme

Che si parli di training da miliardi di parametri o di inference a bassa latenza, il networking non è più una voce accessoria: diventa il sistema nervoso che determina la scalabilità reale del parco macchine. Per chi segue la filosofia on-premise raccontata da AI‑RADAR (approfondimenti su framework e criteri di valutazione per deployment autonomi sono disponibili, ad esempio, nei nostri strumenti su /llm-onpremise), la mossa di Nvidia conferma l’importanza di considerare l’intero stack — dal cavo ottico al modello — come un organismo unico. La crescita dell’ecosistema GPU‑rete non è una moda, ma il sintomo di una convergenza strutturale che durerà finché gli LLM continueranno a divorare potenza di calcolo e banda. Per le aziende, la sfida sarà trovare l’equilibrio tra performance, controllo e indipendenza tecnicica.