Nvidia avrebbe accantonato il lancio della GeForce RTX 5080 con 24 GB di VRAM, ripiegando sulla sola versione da 16 GB. La ragione indicata dalle indiscrezioni è il costo elevato della memoria GDDR7, che avrebbe reso insostenibile il posizionamento di prezzo della variante più generosa. L'azienda non ha confermato ufficialmente la notizia, ma il framework che emerge è coerente con le tensioni che attraversano l'intera filiera delle memorie per GPU.

Per chi usa una scheda consumer per fare inference LLM in locale, la differenza tra 16 e 24 GB non è marginale. La VRAM è la risorsa che determina quali modelli possono essere caricati senza dover spostare dati sulla RAM di sistema, un passaggio che penalizza drasticamente la latenza e il throughput in token al secondo. Con 16 GB, l'utente è costretto a usare quantization aggressiva, a tagliare la finestra di contesto o a scegliere modelli più piccoli. Non è un problema di prestazioni brute: è un vincolo architetturale che cambia quali carichi di lavoro sono realisticamente eseguibili su hardware consumer.

Il dietrofront segnala una scelta strategica di Nvidia. La lineup GeForce resta orientata al gaming, dove 16 GB rappresentano oggi un compromesso accettabile e dove il costo della GDDR7 può essere assorbito più facilmente. Spingere una variante da 24 GB nella stessa fascia avrebbe creato pressione sui margini e avrebbe rischiato di cannibalizzare segmenti superiori, dove la VRAM extra è un differenziatore pagato a caro prezzo. In questo scenario, chi cerca più memoria per self-hosted o per workstation locali deve guardare a GPU professionali, a generazioni precedenti o a soluzioni con più schede in parallelo, tutte opzioni che spostano l'ago della bilancia sul TCO.

C'è anche un segnale strutturale. La GDDR7 è una tecnicia nuova, con banda più alta e costi di produzione superiori. Se il prezzo delle memorie diventa il fattore che decide quali SKU arrivano sul mercato, il comparto dei sistemi on-premise per LLM ne risente in modo sproporzionato: la domanda di VRAM abbondante e a basso costo è esattamente quella che viene sacrificata per prima quando i margini sono sotto pressione. Non è un caso isolato, ma un indicatore di come le scelte di prodotto nel consumer possano restringere lo spazio per l'inference locale, spingendo verso cloud o verso configurazioni ibride con compromessi noti.

Per chi valuta deployment on-premise, AI-RADAR offre framework analitici su /llm-onpremise per soppesare questi trade-off. La domanda aperta è se altri produttori coglieranno l'occasione per rispondere a una domanda di VRAM che Nvidia, almeno in questa generazione, sembra intenzionata a non soddisfare.