Un recente rapporto indica che Samsung punta ad avviare la produzione di massa di componenti basati su fotonica su silicio entro il 2028. Questa tecnicia promette di rivoluzionare le interconnessioni nei data center, offrendo maggiore larghezza di banda e minore consumo energetico, aspetti cruciali per i carichi di lavoro AI e LLM. L'innovazione potrebbe ridefinire l'architettura dell'infrastruttura on-premise, influenzando TCO e sovranità dei dati.
Arm sta ridefinendo il proprio modello di business, tradizionalmente basato sul licensing, per introdurre una piattaforma CPU innovativa specificamente progettata per carichi di lavoro di intelligenza artificiale. Questa mossa strategica mira a offrire soluzioni hardware ottimizzate per l'AI, potenzialmente influenzando le decisioni di deployment on-premise e le strategie di TCO per le aziende che sviluppano e gestiscono LLM.
Samsung ha annunciato un investimento strategico in una startup specializzata nella progettazione di chip per l'intelligenza artificiale. L'obiettivo principale è duplice: accelerare lo sviluppo di nuove soluzioni in silicio e ottimizzare drasticamente l'efficienza energetica. Questa mossa riflette la crescente domanda di hardware AI performante e a basso consumo, cruciale per i deployment on-premise e per la sostenibilità dei data center.
La scalabilità della DRAM sta raggiungendo i suoi limiti, mentre le memorie di nuova generazione affrontano ritardi. La tecnicia MST di Atomera promette di migliorare l'efficienza energetica e la larghezza di banda, offrendo vantaggi paragonabili a una transizione di nodo produttivo, un fattore chiave per i deployment LLM on-premise.
Quindici anni fa, AMD lanciava la Radeon HD 6990, una scheda grafica dual-GPU che all'epoca si fregiava del titolo di più veloce al mondo. Un mostro di potenza, calore e rumorosità, ma capace di prestazioni al top per i videogiocatori più esigenti. Ripercorriamo la storia di questa pietra miliare.
Un nuovo chip sviluppato a Cambridge promette di ridurre drasticamente il consumo energetico dei sistemi di intelligenza artificiale. Il componente utilizza un nuovo tipo di memristore con una corrente di commutazione circa un milione di volte inferiore rispetto ai dispositivi convenzionali.
Innodisk sottolinea come l'integrazione tra hardware e software sia cruciale per il successo delle implementazioni di intelligenza artificiale, specialmente in contesti edge e industriali. Questo approccio olistico è fondamentale per ottimizzare le prestazioni e l'efficienza dei sistemi AI.
La società svizzera Kandou AI, specializzata in tecnicie di interconnessione chip-to-chip basate su rame, ha ottenuto un finanziamento di Serie A da 225 milioni di dollari. L'investimento, guidato da Maverick Silicio, vede la partecipazione strategica di SoftBank, Synopsys, Cadence Design Systems e Alchip Technologies, valutando l'azienda 400 milioni di dollari.
Alcuni modelli di schede grafiche Radeon RX 9070 XT di Gigabyte, Sapphire e ASRock vengono proposti in bundle che includono SSD, sistemi di raffreddamento a liquido AIO e alimentatori, offrendo un pacchetto completo a un prezzo competitivo.
Un appassionato ha montato un sistema di raffreddamento a liquido per server (AIO) da 360mm su una scheda grafica RTX 3080, ottenendo un abbassamento delle temperature della VRAM di circa il 50% e un incremento delle performance del 9%. La modifica impiega un dissipatore tipico da workstation.
Recensione del Minisforum AI X1 Pro 470, un mini PC desktop che integra la piattaforma AMD Gorgon Point. Questo dispositivo compatto è progettato per applicazioni di intelligenza artificiale e offre una soluzione efficiente per carichi di lavoro che richiedono elaborazione locale.
Aivres ha presentato le CPU NVIDIA Vera e le GPU Rubin al NVIDIA GTC 2026. In esposizione anche Blackwell Ultra e le DPU BlueField-4. L'evento ha offerto uno sguardo sulle prossime architetture hardware di NVIDIA per carichi di lavoro avanzati.
Confronto delle performance di inference dei modelli Qwen 3.5 su MacBook Pro da 16 pollici, equipaggiati con chip M5 Max e M3 Max (40 core GPU, 128GB di memoria unificata). I test, eseguiti con oMLX v0.2.23, rivelano differenze significative in throughput e scalabilità, soprattutto con contesti più ampi e modelli Mixture of Experts (MoE). Il M5 Max mostra vantaggi superiori in scenari di batching e con contesti estesi.
Un test su DirectStorage con decompressione via GPU solleva interrogativi sulle performance delle future GPU Blackwell. L'articolo analizza le implicazioni di questa tecnicia per l'elaborazione dati e il potenziale vantaggio offerto dalle nuove architetture grafiche.
Il driver grafico Intel Xe per Linux sta per ricevere importanti aggiornamenti con l'arrivo del kernel 7.1. Le modifiche riguardano una nuova API user-space progettata per migliorare la gestione della memoria video (VRAM) e prevenire situazioni di esaurimento della stessa, ottimizzando le prestazioni e la stabilità del sistema.
In preparazione per Linux 7.1, sono stati rilasciati aggiornamenti per il driver del kernel AMDGPU/AMDKFD. Questi aggiornamenti si concentrano principalmente su miglioramenti al debug e sull'integrazione di nuovo hardware IP. Il rilascio fa parte del ciclo di sviluppo DRM-Next.
Emergono i primi risultati dei test sulla scheda grafica Intel Arc Pro B70, focalizzandosi sulle performance in scenari di utilizzo misti, incluso il gaming. L'articolo originale punta l'attenzione sull'importanza del supporto software da parte di Intel per questa linea di prodotti.
Un utente ha consolidato il proprio homelab, passando da tre modelli LLM distinti a un unico modello MoE (Mixture of Experts) da 122B parametri su una macchina con Ryzen AI MAX+ e 128GB di RAM. L'obiettivo era semplificare il routing e migliorare la gestione delle risorse, valutando diversi modelli e configurazioni tramite benchmark.
SK Hynix mantiene stabili le consegne di memoria HBM (High Bandwidth Memory) e prevede di rilasciare i primi campioni di HBM4E entro la fine dell'anno. La piattaforma Nvidia Vera Rubin AI evidenzia la crescente domanda di memorie avanzate nei sistemi di intelligenza artificiale.
Secondo Nvidia, il quantum computing non è destinato a soppiantare le GPU nel prossimo futuro. Le GPU rimangono la soluzione predominante per i carichi di lavoro di calcolo ad alte prestazioni e machine learning, grazie alla loro architettura parallela e all'ecosistema software ben sviluppato.