Alla conferenza Hot Chips 2026 NVIDIA ha discusso CUDA per RISC-V e il ruolo dell'ISA aperta nei sistemi NVLink Fusion. Il resoconto di ServeTheHome descrive una presentazione tecnica, non un annuncio di prodotto; proprio per questo va letta come un segnale di direzione più che come una roadmap con date.

Il punto architetturale è netto. CUDA è il tessuto software che lega le GPU NVIDIA a un'enorme base di carichi di lavoro: senza CUDA, la maggior parte dei framework di deep learning e delle pipeline di inference perderebbe il compilatore, i runtime e le librerie su cui è costruita. RISC-V, dall'altro lato, è un ISA aperto che consente di progettare core specializzati senza pagare licenze e senza dipendere da una singola architettura proprietaria. L'incrocio tra i due mondi non era scontato: NVIDIA ha costruito il suo vantaggio anche sul controllo verticale di hardware e software. Vederla discutere CUDA per RISC-V indica che l'azienda sta valutando architetture dove la CPU host o i processori di controllo non devono essere per forza x86.

C'è un elemento specifico da osservare: NVLink Fusion. Si tratta di un'infrastruttura di interconnessione ad alta banda per collegare GPU e memoria in modo coerente, centrale nei sistemi multi-GPU. In quel contesto, RISC-V può entrare come processore di servizio, controller di memoria o motore ausiliario dentro un nodo accelerato, riducendo la dipendenza da componenti esterni e aumentando i margini di integrazione. Il resoconto non dettaglia l'implementazione, ma la combinazione NVLink Fusion e RISC-V suggerisce un'attenzione ai piani di controllo e all'espansione del tessuto di sistema, non solo alla GPU.

Per un'organizzazione che valuta deployment on-premise o self-hosted, il segnale ha un'importanza strutturale. Oggi molti server AI on-prem sono progettati attorno a CPU x86 e GPU NVIDIA. Se la toolchain CUDA iniziasse a supportare host RISC-V in modo più profondo, cambierebbero i vincoli di approvvigionamento: un system integrator o un'entità sovrana potrebbe progettare nodi accelerati con core aperti, mantenendo l'accesso all'ecosistema CUDA. Questo non significa che x86 sparisca domani; significa che la scelta del processore host smette di essere un prerequisito rigido per usare le GPU NVIDIA nei carichi AI.

Le conseguenze non si fermano all'architettura del singolo server. Se il supporto CUDA per RISC-V matura, i fornitori di IP RISC-V e i grandi operatori cloud trovano un'interfaccia più aperta sul lato CPU, mentre i produttori tradizionali di processori server vedono ridursi una parte del lock-in. Su un orizzonte più lungo, nodi NVLink Fusion con controllori RISC-V possono aumentare la modularità degli impianti on-prem, separando meglio il piano dati accelerato dal piano di controllo. Per chi valuta deployment on-premise, AI-RADAR offre strumenti analitici su /llm-onpremise per pesare questi trade-off, perché la sovranità dei dati non è solo conformità normativa, ma anche scelta di componenti che si possono realmente adattare.

La domanda finale non è se RISC-V avrà un ruolo nei data center AI, ma se riuscirà a passare dai core di servizio alle CPU host nei sistemi con GPU NVIDIA. La presentazione di Hot Chips 2026 non offre una risposta, ma sposta il confine del possibile.