L’azienda cinese di GPU annuncia prospettive di forte crescita nella prima metà dell’anno, trainata dalla domanda di infrastrutture per l’intelligenza artificiale. Un segnale di come le restrizioni all’export stiano ridisegnando il mercato hardware asiatico verso soluzioni locali, con conseguenze dirette per chi valuta deployment on-premise di LLM.
QuantumDiamond porta a Taiwan un sistema di ispezione basato su diamanti quantistici che riduce il controllo dei wafer da sei settimane a due minuti. Il salto di efficienza promette di aumentare la resa produttiva dei chip avanzati e di ridurre i colli di bottiglia che oggi frenano la disponibilità di GPU e acceleratori per l'inference on-premise di LLM.
Zhu Yiming, fondatore di GigaDevice e presidente di CXMT, opera lontano dai riflettori ma sta ridisegnando il mercato delle memorie. Un profilo tra sanzioni e opportunità per chi costruisce infrastrutture AI
L’espansione produttiva negli Stati Uniti allenta la dipendenza geopolitica per l’hardware AI, ma la cautela dei designer locali mostra che il trasferimento del know-how è tutt’altro che automatico. Per chi valuta stack on-premise, le implicazioni sul TCO sono concrete.
Nvidia ha presentato nuovi moduli basati sull’architettura Thor, pensati per robotica e AI edge. L’annuncio rafforza il trend dell’inference on-premise: dispositivi autonomi che processano dati localmente, senza dipendere dal cloud. Per le aziende che valutano deployment locale, segnala un hardware sempre più performante e un ecosistema in maturazione. AI-RADAR analizza le implicazioni per la sovranità dei dati e il TCO.
Il rilascio di modelli ‘aperti’ come GLM-5.2 con 753 miliardi di parametri e licenza MIT sta creando entusiasmo, ma per chi fa self-hosting restano irraggiungibili. La community storica che lottava con quantizzazioni e trick di compilazione oggi si trova di fronte a colossi che richiedono rack aziendali, rendendo l’open weight una promessa vuota per chi vuole davvero eseguire in locale.
Mentre la domanda di terre rare, litio e semiconduttori esplode per AI, veicoli elettrici e software-defined, l'UE accumula ritardi strategici. Non è solo un problema industriale: senza accesso a GPU e memorie HBM, il self-hosting degli LLM diventa un miraggio, minando la sovranità dei dati e la reale applicabilità del GDPR.
Il produttore taiwanese di dispositivi rugged aumenta l’output dopo il rimbalzo delle vendite di giugno. Per l’ecosistema dell’edge computing e dell’inference on-premise, è un segnale che la domanda di hardware per AI industriale si sta regionalizzando.
La domanda di CPU nei datacenter per AI sta riprendendo quota, segnalando un riequilibrio dell'infrastruttura oltre la GPU. TSMC, che produce sia x86 che Arm per tutti i player, si trova in posizione privilegiata. L'analisi di AI-RADAR sugli effetti a catena per progettazione dei server, costi operativi e deployment on-premise.
Canberra revoca i diritti di voto agli azionisti legati a Pechino per proteggere un produttore strategico. La mossa ridisegna gli equilibri delle materie prime critiche per GPU, storage e raffreddamento dei data center, toccando direttamente chi pianifica deployment on-premise di AI.
Potenza, larghezza di banda della memoria e limite di scala: i chip cinesi per AI si sono infranti contro tre barriere contemporaneamente. L'industria punta tutto sul memory stacking 3D, l'unica strada per aggirare le sanzioni e costruire hardware per LLM on-premise che non dipenda dalle tecnicie statunitensi.
NVIDIA ha annunciato due nuovi moduli mid-range per la piattaforma Jetson Thor, T3000 e T2000, in arrivo nel Q1 2027. L'obiettivo è offrire un'alternativa più economica per rispondere alla pressione sui costi di memoria, agevolando il deployment on-premise di LLM e carichi di robotica.
Xpeng ha lanciato la L03 a Monaco, un SUV-coupé disponibile in 65 mercati. Ogni versione monta almeno un chip Turing proprietario; la variante Ultra ne ha tre per 2.250 trilioni di operazioni al secondo. È il primo veicolo cinese di serie a usare silicio AI fatto in casa per la guida assistita.
I computer quantistici basati su atomi neutri raffreddati al laser promettono un salto di scala nei qubit logici, aprendo la strada a calcoli oggi impossibili. Per chi progetta infrastrutture on-prem, la roadmap potrebbe ridefinire i vincoli dell’hardware per LLM, aprendo scenari di sovranità dei dati senza compromessi.
La presunta recensione degli occhiali AR Asus ROG Xreal R1 si rivela soltanto una biografia d’autore. Dietro al titolo che promette 240 Hz e dettagli RGB, un’assenza di dati tecnici che lascia spazio a riflessioni sull’edge computing e sulla sovranità dei dati per chi progetta dispositivi indossabili con AI on-device.
Nvidia e un consorzio giapponese stanno realizzando quella che viene definita la prima infrastruttura IA nazionale per l’intelligenza artificiale fisica. Con 13.750 CPU Vera, 27.500 GPU Rubin e 140 megawatt di capacità, il progetto segnala un cambio di scala per il deployment on-premise e una corsa alla sovranità nell’IA applicata alla robotica.
Un imminente aggiornamento del kernel Linux ridurrà le prestazioni delle GPU AMD nei carichi compute fino a un fattore 42. La regressione, temporanea, interessa le versioni LTS di Ubuntu e ha già una correzione in arrivo. Scenari e ripercussioni per chi esegue inference LLM on-premise.
Il firmware della GPU Imagination PowerVR BXM-4-64, integrata nel SoC RISC-V Alibaba T-Head TH1520, è stato reso disponibile nel repository linux-firmware.git. La mossa semplifica l’abilitazione grafica su Linux e apre la strada a inference AI locale su hardware embedded, rafforzando la sovranità dei dati e gli stack on-premise per modelli compatti.
A giugno i componenti meccanici per rack — chassis e rail kit — hanno registrato la crescita di ricavi più rapida secondo il tracker dei server AI di Taiwan. Un dettaglio apparentemente banale che rivela come l’hardware fisico stia diventando il nuovo fronte critico per il deployment di sistemi come Nvidia GB200 NVL72, e per chiunque guardi al TCO di un’infrastruttura on-premise.
L'IPO di CXMT, campione cinese delle DRAM, inietta capitali per accelerare lo sviluppo tecnicico, ma il prospetto stesso mappa una distanza ancora ampia da Samsung, SK Hynix e Micron. I nodi critici sono le memorie ad alta larghezza di banda (HBM), fondamentali per l'addestramento e l'inference di LLM on-premise: la partita incrocia sovranità tecnicica e filiera hardware globale.