Ecco la traduzione in italiano del discorso di apertura di Jensen Huang, CEO di NVIDIA, al COMPUTEX 2025:

Discorso di apertura di Jensen Huang al COMPUTEX 2025

Podcast Cronaca dell’evento

È fantastico essere qui. I miei genitori sono anche in platea, lassù. NVIDIA viene a Taiwan da oltre 30 anni. Questa è la casa di molti dei nostri preziosi partner e cari amici. Nel corso degli anni, avete visto NVIDIA crescere e realizzare molte cose entusiasmanti, essendo stati partner con me per tutto il percorso.

Oggi parleremo di dove siamo nel settore, dove andremo, annunceremo nuovi prodotti, prodotti entusiasmanti e sorprendenti che aprono nuovi mercati per noi, creano nuovi mercati, nuova crescita. Parleremo di grandi partner e di come svilupperemo insieme questo ecosistema.

Come sapete, siamo all’epicentro dell’ecosistema informatico, una delle industrie più importanti del mondo. È quindi logico che quando devono essere creati nuovi mercati, dobbiamo crearli partendo da qui, dal centro dell’ecosistema informatico. E ho alcune sorprese per voi, cose che probabilmente non avreste immaginato. E poi, naturalmente, prometto che parlerò di IA e parleremo di robotica.

La storia di NVIDIA: la reinvenzione dell’industria informatica

La storia di NVIDIA è la reinvenzione dell’industria informatica. Di fatto, la storia di NVIDIA è anche la reinvenzione della nostra azienda. Come ho detto, vengo qui da 30 anni. Molti di voi hanno assistito a molti dei miei discorsi di apertura. Alcuni, a tutti.

E se riflettete sulla conversazione, sulle cose di cui abbiamo parlato negli ultimi 30 anni, quanto drasticamente siamo cambiati. Abbiamo iniziato come un’azienda di chip con l’obiettivo di creare una nuova piattaforma di calcolo e nel 2006 abbiamo introdotto CUDA, che ha rivoluzionato il modo in cui viene effettuato il calcolo.

Nel 2016, 10 anni dopo, ci siamo resi conto che era arrivato un nuovo approccio al calcolo. E questo nuovo approccio richiede una reinvenzione di ogni singolo livello dello stack tecnologico. Il processore è nuovo, lo stack software è nuovo. È logico che anche il sistema sia nuovo. E così abbiamo inventato un nuovo sistema. Un nuovo sistema che il giorno in cui l’ho annunciato al GTC 2006, nessuno capiva di cosa stessi parlando e nessuno mi ha fatto un ordine d’acquisto. Quel sistema si chiamava DGX1. Ho donato il primo a una società no-profit chiamata OpenAI e ha dato inizio alla rivoluzione dell’IA.

Anni dopo, ci siamo resi conto che in effetti questo nuovo modo di fare software, che ora viene chiamato intelligenza artificiale, è diverso dai modi tradizionali di eseguire software. Mentre molte applicazioni venivano eseguite su pochi processori in un grande data center, questo nuovo tipo di applicazione richiede molti processori che lavorano insieme servendo query per milioni di persone, e quel data center sarebbe stato architettato in modo fondamentalmente diverso.

Ci siamo resi conto che c’erano due tipi di reti: una per il traffico nord-sud perché si deve ancora controllare lo storage, si deve ancora avere un piano di controllo, si deve ancora connettersi con l’esterno. Ma la rete più importante sarebbe stata est-ovest. I computer che comunicano tra loro per cercare di risolvere un problema.

Abbiamo riconosciuto la migliore azienda di networking nel traffico est-ovest per il calcolo ad alte prestazioni e l’elaborazione distribuita su larga scala. Un’azienda molto cara alla nostra azienda e molto vicina al nostro cuore, chiamata Mellanox. E l’abbiamo acquistata cinque anni fa, nel 2019.

Abbiamo convertito un intero data center in un’unità di calcolo. E mi avete sentito dire prima, il computer moderno è un intero data center. Il data center è un’unità di calcolo. Non più solo un PC, non più solo un server. L’intero data center esegue un solo lavoro e il sistema operativo cambierebbe.

Il viaggio nel data center di NVIDIA

Il viaggio di NVIDIA nei data center è ormai ben noto. Negli ultimi tre anni, avete visto alcune delle idee che stavamo modellando e come stiamo iniziando a vedere la nostra azienda in modo diverso. Nessuna azienda nella storia, sicuramente nessuna azienda tecnologica nella storia, ha mai rivelato una roadmap per cinque anni alla volta. Nessuno ti direbbe cosa verrà dopo. Lo tengono come un segreto, estremamente confidenziale.

Tuttavia, ci siamo resi conto che NVIDIA non è più solo un’azienda tecnologica. Di fatto, siamo un’azienda di infrastrutture essenziali. E come puoi pianificare la tua infrastruttura, il tuo terreno, il tuo involucro, la tua potenza, la tua elettricità, tutto il necessario finanziamento in tutto il mondo? Come potresti farlo se non capisci cosa avrei realizzato? E così abbiamo descritto la roadmap della nostra azienda con discreto dettaglio. Dettaglio sufficiente affinché tutti nel mondo possano iniziare a costruire data center.

Ora ci rendiamo conto che siamo un’azienda di infrastrutture AI. Un’azienda di infrastrutture essenziali in tutto il mondo. Ogni regione, ogni industria, ogni azienda costruirà queste infrastrutture. E quali sono queste infrastrutture? In effetti, queste infrastrutture non sono dissimili dalla prima rivoluzione industriale, quando le persone si resero conto che GE, Westinghouse, Siemens si resero conto che c’era un nuovo tipo di tecnologia chiamata elettricità e nuove infrastrutture dovevano essere costruite in tutto il mondo, e queste infrastrutture divennero parte essenziale dell’infrastruttura sociale, quell’infrastruttura ora chiamata elettricità.

Anni dopo, durante tutte le nostre generazioni, ci siamo resi conto che c’era un nuovo tipo di infrastruttura. E questa nuova infrastruttura era molto concettuale, molto difficile da capire. E questa infrastruttura chiamata informazione. La prima volta che fu descritta questa infrastruttura informativa non aveva senso per nessuno. Ma ora ci siamo resi conto che è internet. E ogni internet è ovunque e tutto è collegato ad esso.

Bene, c’è una nuova infrastruttura ora. Questa nuova infrastruttura è costruita sopra le prime due. E questa nuova infrastruttura è un’infrastruttura di intelligenza. So che in questo momento quando diciamo che c’è un’infrastruttura di intelligenza, non ha senso. Ma vi prometto che tra 10 anni, guarderete indietro e vi renderete conto che l’IA è ora integrata in tutto. E infatti abbiamo bisogno di IA ovunque e ogni regione, ogni industria, ogni paese, ogni azienda ha bisogno di IA. L’IA è ora parte dell’infrastruttura.

E questa infrastruttura, proprio come internet, proprio come l’elettricità, ha bisogno di fabbriche. E queste fabbriche sono essenzialmente ciò che costruiamo oggi. Non sono i data center del passato, un’industria da un trilione di dollari che fornisce informazioni e storage supportando tutti i nostri sistemi ERP e i nostri dipendenti. Questo è un data center, un data center del passato.

Questo è simile nel senso che proviene dalla stessa industria. È venuto da tutti noi, ma emergerà come qualcosa di completamente diverso, completamente separato dal data center mondiale. E questi data center AI, se volete, sono descritti impropriamente. Sono infatti fabbriche di IA. Applichi energia e produce qualcosa di incredibilmente prezioso.

E queste cose sono chiamate token, al punto che le aziende iniziano a parlare di quanti token hanno prodotto nell’ultimo trimestre e quanti token hanno prodotto il mese scorso. Molto presto parleremo di quanti token produciamo ogni ora, proprio come fa ogni singola fabbrica.

E così il mondo è fondamentalmente cambiato. Siamo passati da un’azienda nel giorno in cui abbiamo iniziato – stavo cercando di capire quanto fosse grande la nostra opportunità nel 1993 e sono giunto alla conclusione che l’opportunità di business di NVIDIA era enorme: $300 milioni. Saremo ricchi. Da un’industria di chip da $300 milioni a un’opportunità di data center che rappresenta circa un trilione di dollari, a ora un’industria di fabbriche AI e infrastrutture AI che sarà misurata in trilioni di dollari. E questo è il futuro entusiasmante che stiamo intraprendendo.

Le tecnologie fondamentali di NVIDIA

Ora, alla base, tutto ciò che facciamo si fonda su diverse tecnologie importanti. Naturalmente, parlo molto di calcolo accelerato. Parlo molto di IA. Ciò che rende NVIDIA davvero speciale è la fusione di queste capacità e, in modo molto speciale, gli algoritmi, le librerie, quelle che chiamiamo le librerie CUDA X.

Parliamo sempre di librerie. E infatti, siamo l’unica azienda tecnologica al mondo che parla di librerie senza sosta. E il motivo è che le librerie sono al centro di tutto ciò che facciamo. Le librerie sono ciò che ha dato inizio a tutto. E ve ne mostrerò alcune nuove oggi.

Ma prima di farlo, lasciate che vi mostri un’anteprima di ciò che vi dirò oggi. Tutto ciò che state per vedere, tutto ciò che state per vedere è simulazione, scienza e intelligenza artificiale. Niente di ciò che vedete è arte. È tutta simulazione. Si dà il caso che sia bella.

[Presentazione video di grafica in tempo reale]

GeForce e l’impatto dell’IA sulla grafica computerizzata

Questa è grafica computerizzata in tempo reale davanti a cui sto. Questo non è un video. Questa è grafica computerizzata generata da GeForce. Questa è una nuovissima GeForce 5060 RTX. E questa è di Asus. Il mio buon amico Johnny è in prima fila. E questa è di MSI. E abbiamo preso questa incredibile GPU e l’abbiamo ridotta qui dentro. Ha senso? È incredibile.

GeForce ha portato CUDA al mondo. In questo momento, ciò che state vedendo è che ogni singolo pixel è tracciato con ray tracing. Com’è possibile che siamo in grado di simulare fotoni e fornire questo tipo di frame rate a questa risoluzione? Bene, il motivo è l’intelligenza artificiale. Stiamo renderizzando solo uno su 10 pixel. Quindi ogni pixel che vedete, solo uno su 10 è effettivamente calcolato. Gli altri nove, l’IA li ha indovinati. Ha senso? Ed è perfetto. È completamente perfetto. Li ha indovinati perfettamente.

Naturalmente, la tecnologia si chiama DLSS, neural rendering. Ci sono voluti molti, molti anni per svilupparla. Abbiamo iniziato a svilupparla nel momento in cui abbiamo iniziato a lavorare sull’IA. Quindi è stato un viaggio di 10 anni. E il progresso nella grafica computerizzata è stato completamente rivoluzionato dall’IA. GeForce ha portato l’IA al mondo. Ora l’IA è tornata e ha rivoluzionato GeForce. Davvero, davvero incredibile.

Signore e signori, GeForce, sapete, quando sei CEO, hai molti figli. E GeForce ci ha portato qui. E ora tutti i nostri keynote sono al 90% non GeForce. Ma non è perché non amiamo GeForce. La serie GeForce RTX 50 ha appena avuto il lancio di maggior successo di sempre, il lancio più veloce nella nostra storia, e il gaming su PC ha ora 30 anni. Questo vi dice qualcosa su quanto sia incredibile GeForce.

L’importanza delle librerie nel calcolo accelerato

Parliamo di librerie. Alla base, naturalmente, tutto inizia con CUDA. E rendendo CUDA il più performante possibile, il più diffuso possibile in modo che la base installata sia in tutto il mondo, allora le applicazioni possono trovare una GPU CUDA abbastanza facilmente. Più grande è la base installata, più sviluppatori vogliono creare librerie. Più librerie, più cose incredibili vengono fatte, applicazioni migliori, più benefici per gli utenti. Comprano più computer. Più computer, più CUDA. Quel percorso di feedback è vitalmente importante.

Tuttavia, il calcolo accelerato non è calcolo general purpose. Nel calcolo general purpose si scrive software. Tutti lo scrivono in Python o C o C++ e lo compilano. La metodologia per il calcolo general purpose è coerente in tutto. Scrivi l’applicazione, compila l’applicazione, eseguila sulla CPU. Tuttavia, questo fondamentalmente non funziona nel calcolo accelerato perché se potessi farlo, si chiamerebbe CPU. Qual è il punto di non cambiare semplicemente la CPU?

Quindi, potresti scrivere il software, compilare il software, eseguirlo su una CPU. Il fatto che si debba fare qualcosa di diverso è in realtà abbastanza sensato. E la ragione è che così tante persone hanno lavorato sul calcolo general purpose, trilioni di dollari di innovazione. Com’è possibile che improvvisamente pochi widget all’interno di un chip e improvvisamente i computer diventano 50 volte più veloci, 100 volte più veloci? Non ha senso.

E così la logica che abbiamo applicato è che potremmo accelerare le applicazioni se ne capissimo di più. Puoi accelerare le applicazioni se crei un’architettura più adatta ad accelerare per funzionare alla velocità della luce il 99% del tempo di esecuzione e anche se è solo il 5% del codice, il che è abbastanza sorprendente, la maggior parte delle applicazioni, piccole parti del codice consumano la maggior parte del tempo di esecuzione.

Abbiamo fatto quella osservazione e così abbiamo affrontato un dominio dopo l’altro.

[Descrive diverse librerie CUDA per vari domini come grafica computerizzata, elaborazione numerica, elaborazione di segnali radio, genomica, imaging medico, previsioni meteorologiche, informatica quantistica, apprendimento profondo, ottimizzazione matematica, fotolitografia computazionale, ecc.]

NVIDIA e le telecomunicazioni

Uno dei settori più importanti, ovviamente, è quello delle telecomunicazioni. Proprio come i data center cloud del mondo sono ora diventati definiti dal software, è logico che anche le telecomunicazioni dovrebbero essere definite dal software. Ed è per questo che abbiamo impiegato circa sei anni per perfezionare e ottimizzare uno stack RAN (Radio Access Network) completamente accelerato che offre prestazioni incredibili per velocità di dati per megawatt o velocità di dati per watt. Siamo ora alla pari con gli ASIC all’avanguardia. E così, una volta che potremmo farlo, una volta che potremmo raggiungere quel livello di prestazioni e funzionalità, dopo di che possiamo sovrapporre l’IA.

E così abbiamo grandi partner qui. Potete vedere SoftBank e T-Mobile, Indoad e Vodafone stanno facendo prove. Nokia, Samsung, Kiosera stanno lavorando con noi sullo stack completo. Fujitsu e Cisco stanno lavorando sui sistemi. E così ora abbiamo la capacità di introdurre l’idea di IA su 5G o IA su 6G insieme a IA sul calcolo.

Evoluzione dell’IA: dalla percezione agli agenti

L’IA 12 anni fa, abbiamo iniziato con modelli di IA percettiva che possono comprendere pattern, riconoscere il parlato, riconoscere immagini. Quello era l’inizio. Negli ultimi cinque anni, abbiamo parlato di IA generativa, la capacità dell’IA non solo di comprendere, ma di generare. E così, potrebbe generare da testo a testo. Lo usiamo tutto il tempo in ChatGPT, testo a immagini, testo a video, video a testo, immagini a testo, quasi tutto a qualsiasi cosa. Che è la cosa davvero incredibile dell’IA, che abbiamo scoperto un approssimatore di funzione universale, un traduttore universale. Può tradurre da qualsiasi cosa a qualsiasi altra cosa se possiamo semplicemente tokenizzarla, rappresentare i bit di informazione.

Bene, ora abbiamo raggiunto un livello di IA davvero importante. L’IA generativa ci ha dato l’IA one-shot. Dai un testo e ti restituisce un testo. Questo è stato due anni fa quando abbiamo utilizzato per la prima volta Chat GPT. Quella è stata la grande svolta straordinaria. Dai un testo e ti restituisce un testo. Prevede la parola successiva, prevede il paragrafo successivo.

Tuttavia, l’intelligenza è molto più che imparare da una grande quantità di dati che hai studiato. L’intelligenza include la capacità di ragionare, di essere in grado di risolvere problemi che non hai mai visto prima, di scomporli passo dopo passo, di applicare alcune regole e teoremi per risolvere un problema che non hai mai visto. Essere in grado di simulare più opzioni e ponderare i suoi benefici.

Alcune delle tecnologie di cui potresti aver sentito parlare sono chain of thought (catena di pensiero) scomponendola passo dopo passo, tree of thought (albero di pensiero) proponendo un’intera serie di percorsi, tutte queste tecnologie stanno portando alla capacità dell’IA di poter ragionare.

Ora, la cosa straordinaria è che una volta che hai la capacità di ragionare e hai la capacità di percepire, che è, diciamo, multimodale, leggere PDF, puoi fare ricerche, puoi usare strumenti, hai ora un’IA agentica. Questa IA agentica fa semplicemente qualcosa che ho appena descritto, che tutti noi facciamo. Ci viene dato un obiettivo. Lo scomponiamo passo dopo passo. Ragioniamo su cosa fare, qual è il modo migliore per farlo. Consideriamo le sue conseguenze e poi iniziamo a eseguire il piano. Il piano potrebbe includere fare alcune ricerche, potrebbe includere fare alcuni lavori come usare alcuni strumenti. Potrebbe includere il raggiungere un altro agente IA per collaborare con esso.

L’IA agentica è fondamentalmente comprendere, pensare e agire. Bene, comprendere, pensare e agire è il ciclo della robotica. L’IA agentica è fondamentalmente un robot in forma digitale. Questi saranno davvero importanti nei prossimi anni. Stiamo vedendo enormi progressi in quest’area.

L’ondata successiva oltre a quella è l’IA fisica. IA che comprende il mondo. Comprende cose come inerzia, attrito, causa ed effetto. Che se faccio rotolare una palla e va sotto un’auto, a seconda della velocità della palla, probabilmente è andata dall’altra parte dell’auto, ma la palla non è scomparsa. Permanenza dell’oggetto. Potresti essere in grado di ragionare che se c’è un tavolo davanti a te e devi andare dall’altra parte, il modo migliore per farlo non è passarci proprio attraverso. Il modo migliore è forse girare intorno o sotto di esso. Essere in grado di ragionare su queste cose fisiche è davvero essenziale per la prossima era dell’IA. La chiamiamo IA fisica.

E in questo caso particolare, stai vedendo che semplicemente diamo un prompt all’IA e genera video per addestrare un’auto a guida autonoma in diversi scenari.

Grace Blackwell: la nuova generazione di computer NVIDIA

Il computer che stiamo costruendo per rendere questo possibile ha proprietà molto diverse dal precedente. Il rivoluzionario computer chiamato Hopper è entrato nel mondo circa 3 anni fa e ha rivoluzionato l’IA come la conosciamo. È diventato probabilmente il computer più popolare, più conosciuto al mondo.

Negli ultimi anni, abbiamo lavorato su un nuovo computer per permetterci di fare scaling in fase di inferenza o fondamentalmente pensare incredibilmente veloce perché quando pensi, stai generando molti token nella tua testa, per così dire. Stai generando molti pensieri e iteri nel tuo cervello prima di produrre la risposta. Quindi quella che una volta era IA one-shot ora diventerà IA pensante, IA ragionante, IA con scaling in fase di inferenza e questo richiederà molto più calcolo.

E così abbiamo creato un nuovo sistema chiamato Grace Blackwell. Grace Blackwell fa diverse cose. Ha la capacità di scalare verticalmente. Scalare verticalmente significa trasformare quello che è un computer in un computer gigante. Scalare orizzontalmente significa prendere un computer e collegarne molti insieme e lasciare che il lavoro venga fatto in molti computer diversi. Scalare orizzontalmente è facile. Scalare verticalmente è incredibilmente difficile. Costruire computer più grandi che vanno oltre i limiti della fisica dei semiconduttori è incredibilmente difficile. Ed è questo che fa Grace Blackwell.

Grace Blackwell ha rotto praticamente tutto e tutti voi in platea, molti di voi stanno collaborando con noi per costruire i sistemi Grace Blackwell. Sono molto felice di dire che siamo in piena produzione, ma posso anche dire che è stato incredibilmente impegnativo. Sebbene i sistemi Blackwell basati su HGX siano in piena produzione dalla fine dello scorso anno e siano disponibili da febbraio, stiamo ora mettendo online tutti i grandi sistemi Grace Blackwell. Stanno andando online ovunque ogni singolo giorno.

È disponibile in Coreweave da diverse settimane. È già utilizzato da molti CSP e ora stai iniziando a vederlo emergere da ogni parte. Tutti iniziano a twittare che Grace Blackwell è in produzione. Nel terzo trimestre di quest’anno, proprio come ho promesso, ogni singolo anno, aumenteremo le prestazioni della nostra piattaforma ogni singolo anno come un ritmo. E quest’anno nel terzo trimestre aggiorneremo a Grace Blackwell GB300.

Il GB300 aumenterà la – è la stessa architettura, stessa architettura, stessa impronta fisica, stessi meccanici elettrici, ma i chip all’interno sono stati aggiornati. È stato aggiornato con un nuovo chip Blackwell che ora ha una velocità di inferenza una volta e mezzo maggiore, ha una memoria HBM una volta e mezzo maggiore e ha due volte più networking. E così le prestazioni complessive del sistema sono più elevate.

[Descrizione dettagliata del nodo di calcolo Grace Blackwell GB300, degli switch NVLink, del rack e delle sue capacità di calcolo]

NVIDIA MVLink Fusion: infrastrutture AI personalizzabili

E oggi stiamo annunciando qualcosa di molto speciale. Stiamo annunciando NVIDIA MVLink Fusion. MVLink Fusion è per costruire infrastrutture AI semi-personalizzate, non solo chip semi-personalizzati, perché quelli sono i bei vecchi tempi. Vuoi costruire infrastrutture AI e l’infrastruttura AI di tutti potrebbe essere un po’ diversa. Alcuni di voi potrebbero avere molte più CPU e alcuni potrebbero avere molte più GPU NVIDIA e alcuni potrebbero essere ASIC semi-personalizzati di qualcuno. E questi sistemi sono così incredibilmente difficili da costruire e mancano tutti di questo incredibile ingrediente. Questo incredibile ingrediente chiamato MVLink. MVLink in modo che tu possa scalare verticalmente questi sistemi semi-personalizzati e costruire computer davvero potenti.

[Descrizione di come MVLink Fusion permette di integrare ASIC personalizzati, CPU personalizzate o GPU NVIDIA in un ecosistema unificato]

Nuovi prodotti NVIDIA per gli sviluppatori

Abbiamo dei nuovi prodotti da annunciare. In particolare, il DGX Spark è in piena produzione e sarà disponibile a breve, probabilmente tra qualche settimana. Abbiamo partner straordinari che lavorano con noi: Dell, HPI, Asus, MSI, Gigabyte, Lenovo, partner incredibili che lavorano con noi.

Questo è progettato per sviluppatori AI nativi. Se sei uno sviluppatore, uno studente, un ricercatore, e non vuoi continuare ad aprire il cloud e prepararlo e poi quando hai finito cancellarlo, ok, ma vorresti semplicemente avere il tuo cloud AI seduto proprio accanto a te e sempre acceso, sempre in attesa. Ti permette di fare il tuo prototipo, lo sviluppo iniziale.

E questa è la cosa incredibile. Questo è DGX Spark. È un petaflop e 128 gigabyte. Nel 2016 quando ho consegnato DGX1, questa è solo la cornice. Non posso sollevare un intero computer. Pesa 300 libbre. Questo è DGX1. Questo è un petaflop e 128 gigabyte. Certo, qui ci sono 128 gigabyte di memoria HBM. E qui ci sono 128 gigabyte di LPDDR5X. Le prestazioni sono in effetti abbastanza simili. Ma la cosa più importante è che il lavoro che potresti fare, potresti lavorare su questo, è lo stesso lavoro che potresti fare qui. È un risultato incredibile nel corso di circa 10 anni.

Quindi questo è DGX Spark per chiunque vorrebbe avere il proprio supercomputer AI. E lascerò che tutti i nostri partner lo prezziamo per se stessi, ma una cosa è certa, tutti possono averne uno per Natale.

[Presentazione di DGX Station, un supercomputer personale abbastanza potente da eseguire un modello AI da 1 trilione di parametri]

L’IA per l’IT aziendale

Per portare l’IA nel mondo aziendale, dobbiamo tornare alle nostre radici e reinventare il calcolo e portare l’IA nel calcolo aziendale tradizionale. Ora il calcolo aziendale come lo conosciamo è in realtà su tre livelli. Non è solo il livello di calcolo. È calcolo, storage e networking. È sempre calcolo, storage e networking. E proprio come l’IA ha cambiato tutto, è logico che l’IA deve aver cambiato calcolo, storage e networking per l’IT aziendale.

Bene, quel livello inferiore deve essere completamente reinventato, e lo stiamo facendo. Vi mostrerò alcuni nuovi prodotti che aprono, sbloccano l’IT aziendale per noi. Deve funzionare con l’industria IT tradizionale e deve aggiungere una nuova capacità e la nuova capacità per le aziende è l’IA agentica, fondamentalmente un responsabile di campagne marketing digitali, un ricercatore digitale, un ingegnere software digitale, un servizio clienti digitale, un progettista di chip digitale, un responsabile della catena di approvvigionamento digitale, versioni digitali, versioni AI di tutto il lavoro che facevamo prima.

[Descrizione di RTX Pro Enterprise e Omniverse server, un server che può eseguire tutti i carichi di lavoro aziendali tradizionali insieme ad agenti IA]

Storage per l’IA e AI Ops

Il compute platform è diverso. La piattaforma di storage è diversa. E il motivo è che gli umani interrogano database strutturati come SQL. Le persone interrogano database strutturati come SQL. Ma l’IA vuole interrogare dati non strutturati. Vogliono semantica. Vogliono significato. E così dobbiamo creare un nuovo tipo di piattaforma di storage.

E questa è la piattaforma dati AI NVIDIA e sopra, proprio come i server SQL, software SQL e software di archiviazione file dai tuoi fornitori di storage con cui lavori. C’è uno strato di software molto complicato che va con lo storage. La maggior parte delle aziende di storage, come sapete, è principalmente un’azienda di software. Quello strato software è incredibilmente complicato. E così sopra un nuovo tipo di sistema di storage ci sarà un nuovo sistema di query che chiamiamo IQ, Nvidia AIQ o IQ.

[Descrizione di NVIDIA IQ e di come i partner di storage come Vast, Dell, Hitachi, IBM e NetApp stanno integrando questa tecnologia]

La prossima parte è un nuovo strato di software chiamato AI ops. Proprio come la supply chain ha i suoi ops e le risorse umane hanno i loro ops, in futuro avrà AI ops che cureranno i dati, perfezioneranno i modelli, valuteranno i modelli, metteranno guardrail ai modelli, proteggeranno i modelli, e abbiamo un sacco di librerie e modelli necessari per integrarsi nell’ecosistema AI ops.

[Discussione sui partner che aiutano a portare AI ops sul mercato]

Robotica e IA fisica

Quindi gli agenti IA, l’IA agentica, gli agenti AI, molti modi diversi per dirlo, gli agenti sono essenzialmente robot digitali, motivo per cui un robot percepisce, comprende e pianifica ed è essenzialmente ciò che fanno gli agenti. Ma vorremmo costruire anche robot fisici, e questi robot fisici prima iniziano con la capacità di imparare a essere un robot.

La capacità di imparare a essere un robot non può essere fatta nel mondo fisico in modo produttivo. Devi creare un mondo virtuale dove il robot può imparare come essere un buon robot. Quel mondo virtuale deve obbedire alle leggi della fisica. La maggior parte dei motori fisici non ha la capacità di gestire con fedeltà la simulazione di corpi rigidi e morbidi.

E così ci siamo associati con DeepMind, Google DeepMind e Disney Research per costruire Newton, il motore fisico più avanzato al mondo. Sarà open source a luglio. È incredibile ciò che può fare. È completamente accelerato dalla GPU. È differenziabile, quindi puoi imparare dall’esperienza. È incredibilmente ad alta fedeltà. È super in tempo reale e così possiamo usare quel nuovo motore ed è integrato in Mujoco. È integrato in Nvidia’s Isaac sim.

[Descrizione della piattaforma Isaac Groot di NVIDIA per la robotica e di come utilizza simulazioni, modelli IA e digital twins]

Gemelli digitali per l’industria

Taiwan sta pionierizzando la produzione definita dal software. TSMC, Foxcon, Wistron, Pegatron, Delta Electronics, Quant, Wiiwin e Gigabyte stanno sviluppando gemelli digitali su Nvidia Omniverse per ogni fase del processo produttivo.

Gemelli digitali nell’industria di Taiwan

TSMC con MEAI genera layout 3D di un’intera fab a partire da CAD 2D e sviluppa strumenti AI su co-op che possono simulare e ottimizzare complessi sistemi di tubazioni su più piani, risparmiando mesi di tempo. Quanta, Wistron e Pegatron pianificano virtualmente nuove strutture e linee di produzione prima della costruzione fisica, risparmiando milioni in costi riducendo i tempi di inattività.

Pegatron simula l’erogazione di pasta saldante, riducendo i difetti di produzione. Quanta utilizza Siemens Team Center X con Omniverse per analizzare e pianificare processi multifase. Foxcon, Wistron e Quanta simulano l’efficienza energetica e di raffreddamento di data center di test con il gemello digitale Cadence Reality, e sviluppano robot abilitati con IA fisica.

Ogni azienda utilizza il proprio gemello digitale come palestra per robot per sviluppare, addestrare, testare e simulare robot, siano essi manipolatori, AMR, umanoidi o agenti di visione AI mentre eseguono i loro compiti o lavorano insieme come una flotta diversificata. E quando collegato al gemello fisico con IoT, ogni gemello digitale diventa una dashboard interattiva in tempo reale.

Pegatron utilizza NVIDIA Metropolis per costruire agenti AI che aiutano i dipendenti a imparare tecniche complesse. Taiwan sta persino portando i gemelli digitali nelle sue città. Linker Vision e la città di Kaohsiung utilizzano un gemello digitale per simulare gli effetti di scenari imprevedibili e costruire agenti che monitorano i flussi delle telecamere cittadine, fornendo avvisi istantanei ai primi soccorritori. L’era dell’IA industriale è qui, pionierizzata dai leader tecnologici di Taiwan. Alimentata da Omniverse.

L’opportunità di Taiwan nell’era dell’IA

L’intero mio keynote è il vostro lavoro. È così eccellente. È logico che Taiwan, al centro dell’industria più avanzata, l’epicentro da cui proverranno l’IA e la robotica, rappresenti un’opportunità straordinaria. Questa è anche la più grande regione di produzione elettronica al mondo. Ed è logico che l’IA e la robotica trasformeranno tutto ciò che facciamo.

È davvero straordinario che per una delle prime volte nella storia, il lavoro che fate ha rivoluzionato ogni industria e ora tornerà a rivoluzionare la vostra. All’inizio ho detto che GeForce ha portato l’IA al mondo e poi l’IA è tornata e ha trasformato GeForce. Voi avete portato l’IA al mondo. L’IA ora tornerà e trasformerà tutto ciò che fate.

NVIDIA Constellation: un nuovo campus a Taiwan

Abbiamo un nuovo prodotto da annunciare. Abbiamo annunciato diversi prodotti oggi, ma ho un nuovo prodotto da annunciare. Stiamo costruendo in space dock da qualche tempo e penso che sia ora di rivelare uno dei prodotti più grandi che abbiamo mai costruito. Ed è parcheggiato fuori, in attesa per noi.

[Presentazione di NVIDIA Constellation]

Come sapete, stiamo crescendo e tutte le nostre partnership con voi stanno crescendo. Il numero di ingegneri che abbiamo qui a Taiwan sta crescendo. E così, stiamo crescendo oltre i limiti del nostro attuale ufficio. E così costruirò loro un nuovissimo ufficio NVIDIA Taiwan e si chiama NVIDIA Constellation.

Abbiamo anche selezionato i siti. Abbiamo selezionato i siti e tutti i sindaci di tutte le diverse città sono stati molto gentili con noi e penso che abbiamo ottenuto buoni accordi. Non sono sicuro. Sembra piuttosto costoso, ma gli immobili di pregio sono immobili di pregio.

E così oggi, sono molto lieto di annunciare che NVIDIA Constellation sarà a Beetho Sheiling. [Applausi] Abbiamo negoziato il trasferimento del contratto di locazione dagli attuali proprietari. Tuttavia, capisco che affinché il sindaco approvasse quella locazione, voleva sapere se le persone di Taipei approvano che costruiamo una grande, bellissima NVIDIA Constellation qui. Lo fate? Ha anche chiesto che lo chiamaste e sono sicuro che conoscete i suoi numeri. Chiamatelo tutti subito. Ditegli che pensate sia una grande idea.

Quindi questa sarà NVIDIA Constellation. La costruiremo. Inizieremo a costruire il prima possibile. Abbiamo bisogno dello spazio per uffici. NVIDIA Constellation Beetho Sheiling. Molto emozionante.

Conclusione: Una opportunità storica

Voglio ringraziare tutti voi. Voglio ringraziare tutti voi per la vostra partnership nel corso degli anni. Siamo di fronte a un’opportunità unica nella vita. Non è un’esagerazione dire che l’opportunità che ci attende è straordinaria.

Per la prima volta in tutto il nostro tempo insieme, non solo stiamo creando la prossima generazione di IT, l’abbiamo fatto diverse volte dal PC a internet al cloud al mobile cloud. L’abbiamo fatto diverse volte. Ma questa volta, non solo stiamo creando la prossima generazione di IT, stiamo di fatto creando un’industria completamente nuova. Questa nuova industria ci esporrà a opportunità enormi in futuro.

Non vedo l’ora di collaborare con tutti voi per costruire fabbriche IA, agenti per le imprese, robot, tutti voi partner straordinari, costruendo l’ecosistema con noi attorno a un’unica architettura.

E così voglio ringraziare tutti voi per essere venuti oggi. Buon Computex a tutti. Grazie. Grazie per essere venuti. Grazie.