Turing Inc., una startup giapponese di appena cinque anni, ha compiuto una mossa destinata a fare rumore nel mondo della guida autonoma: ha aggiunto il braccio venture di AMD tra i suoi investitori e ha iniziato a far girare la propria intelligenza artificiale su chip AMD, abbandonando, almeno in parte, l’onnipresente Nvidia. Lo riporta Bloomberg, sottolineando come questa giovane azienda di Tokyo stia silenziosamente dirottando verso AMD parte del lavoro che di solito viene affidato ai processori grafici del colosso californiano.

La notizia è di quelle che pesano, perché Nvidia equipaggia quasi ogni progetto di auto a guida autonoma, dai robotaxi alle vetture private. Il motivo è semplice: le sue GPU, soprattutto quelle basate su architettura CUDA, sono state a lungo lo standard di fatto per il training e l’inference di modelli di deep learning. Turing, che punta a portare il suo software di guida autonoma su auto di consumo e flotte di robotaxi, sta invece sperimentando una strada diversa, affidandosi all’hardware di AMD.

La scelta non è solo tecnica, ma anche strategica. Nel mondo dell’edge computing, dove l’inference avviene direttamente a bordo del veicolo senza aiuti dal cloud, i vincoli sono severi: latenza minima, consumi energetici contenuti, costi hardware che devono rimanere sostenibili per produzione su larga scala. Avere un fornitore alternativo di silicio permette di negoziare condizioni migliori, ridurre la dipendenza da un solo vendor e, forse, ottenere migliore efficienza per specifici carichi di lavoro. Non a caso, AMD sta investendo in modo aggressivo nel settore AI con le sue GPU Instinct e con l’acquisizione di Xilinx, che le ha dato un portafoglio di FPGA e system-on-chip adatti all’automotive.

Per chi osserva il mercato dell’infrastruttura AI dal punto di vista del deployment on-premise e locale, la mossa di Turing rappresenta un segnale importante. Sempre più aziende che costruiscono stack di inference locali, sia in fabbrica che su flotte di dispositivi, cercano alternative a Nvidia per motivi di costo totale di possesso (TCO), per evitare il vendor lock-in e per avere maggiore controllo sulla supply chain. La guida autonoma è forse la manifestazione più estrema del bisogno di calcolo on-device: ogni decisione deve essere presa in tempo reale, senza trasferire dati a server remoti. Ciò rende la scelta del chip un nodo critico per la sicurezza e l’affidabilità del sistema.

L’ingresso del fondo venture di AMD nell’azionariato di Turing non è quindi solo un investimento finanziario: è una scommessa sull’ecosistema che il chipmaker sta costruendo per competere direttamente con Nvidia anche in uno dei settori più promettenti dell’intelligenza artificiale. Resta da vedere se Turing riuscirà a scalare la sua tecnicia e convincere i grandi costruttori automotive. Ma una cosa è certa: la presa di Nvidia sul mercato della guida autonoma, per quanto ancora salda, comincia a mostrare le prime crepe.