Come l’entusiasmo per l’AI riallinea investimenti, prodotti e supply chain

“SuperDuperPOD”, lo chiama Erin Davis. Bristol Myers Squibb raddoppia il suo cluster e promette “nessuno deve aspettare” per l’accesso alle GPU. Otto DGX Vera Rubin NVL72, fino a dieci volte la performance per megawatt rispetto a ciò che rimpiazza, e apertura a “ogni scienziato”, senza code né tetti individuali [S1]. Questo è il punto di partenza: più capacità, meno vincoli. La tesi: la stessa spinta attraversa accordi industriali, prodotti e catene di fornitura, ma porta con sé effetti concreti sui comportamenti aziendali e sui mercati.

Supercomputer aperti: più capacità, diversi vincoli operativi

Bristol Myers Squibb distribuirà un secondo NVIDIA DGX SuperPOD con otto sistemi rack-scale. Ogni sistema integra CPU NVIDIA Vera e GPU Rubin. L’azienda lo userà per sostituire parte dell’infrastruttura attuale. NVIDIA lo presenta come “il cluster AI più potente ed efficiente sul piano energetico nelle scienze della vita”. Davis riassume il cambio di modello: accesso ampio per impostazione predefinita, niente tempi d’attesa, niente limiti individuali [S1].

Il segnale è chiaro: si amplia la platea di utenti interni e si ridisegnano le modalità d’uso. La scelta di includere NVIDIA BioNeMo Agent Toolkit per l’AI biologica indica un’integrazione di strumenti specialistici dentro una piattaforma comune [S1]. Qui sta l’elemento di metodo: l’aumento della capacità non è solo un aggiornamento hardware; cambia chi può usare cosa e quando.

Politica industriale e filiere nazionali: Noetra e l’AI nei sistemi fisici

A Tokyo, il 15–16 luglio, Jensen Huang ha firmato accordi su tre assi: una “fabbrica nazionale di AI”, robotica e materiali per chip. Il governo giapponese ha riunito circa 44 aziende intorno a Noetra, con SoftBank, Sony, NEC e Honda tra i nuclei. L’obiettivo dichiarato è sviluppare un’AI domestica destinata a robot, veicoli e impianti industriali. Huang sostiene che il prossimo capitolo dell’AI riguardi fabbriche, robot e macchine, e invita il Giappone a costruirlo. La collaborazione con Noetra punta a quel risultato [S2].

Secondo asse: la robotica. Gli accordi coinvolgono aziende leader in Giappone con l’obiettivo di portare l’AI nelle applicazioni fisiche, in fabbrica e nelle macchine autonome. Terzo tassello: i materiali per i chip di prossima generazione di Nvidia. La tappa giapponese segue un keynote a Taiwan e una visita in Corea del Sud, e unisce il fronte delle applicazioni industriali con quello dei semiconduttori [S2]. La traiettoria che ne emerge lega l’adozione dell’AI a una base materiale precisa, dai robot ai materiali per chip.

Hype interno e decisioni aziendali: distorsioni nella strategia tecnica

Simon Willison, il 19 luglio 2026, rilancia il punto di vista di Nik Suresh su come l’ondata di AI stia travolgendo le grandi aziende. Riporta aneddoti “piccanti” da fonti anonime. Un dirigente ammette di non aver mai usato ChatGPT o altri strumenti di AI subito dopo aver consegnato una strategia tecnica interamente centrata sull’AI. Un ingegnere racconta cosa significhi lavorare con una “token leaderboard”: dice di aver creato una copia parallela del repository in Go e di aver chiesto all’AI di riscriverlo in Zig mentre lui si occupava d’altro, “solo per tenermi il lavoro”. In un altro scambio, a chi chiede se certe affermazioni ripetute fossero solo “materiale di vendita”, la risposta risulta “più interessante” e riconosce componenti diverse dietro il racconto aziendale [S3].

Il quadro che ne esce è quello di organizzazioni in cui la pressione sull’AI influenza scelte e incentivi. Le testimonianze citate da Willison mostrano come strumenti, metriche e narrazioni possano orientare comportamenti interni, anche quando l’uso effettivo degli strumenti non è diffuso tra i decisori [S3]. È un contrappunto utile ai piani di espansione delle infrastrutture: cosa si misura, e perché, pesa quanto la capacità disponibile.

Mercato e prodotti: agenti AI di lusso e la ricerca di monetizzazione

Vertu propone un pieghevole di lusso con Hermes Agent integrato a 6.880 dollari. TechCrunch lo ha testato in scenari reali, non con benchmark o foto promozionali. Il produttore ha fissato paletti: niente benchmark, niente foto, niente intrattenimento. La redazione ha accettato e ha impostato la prova come farebbe un executive: non per capire se l’Alphafold sia “un buon smartphone”, ma se sia “un buon ‘executive smartphone’”. Il test ha riguardato lavoro d’ufficio: gestione di documenti, analisi di fogli di calcolo, lettura di contratti, pianificazione di viaggi. Hermes Agent ha agito da “compagno” digitale, con richieste pratiche come estrarre clausole rilevanti, sintetizzare testi lunghi, comporre un itinerario con vincoli e orari. TechCrunch scrive che Vertu “vuole che gli executive paghino” 6.880 dollari per questa proposta [S4].

Il posizionamento è netto: si vende un assistente per compiti professionali, non prestazioni da benchmark. Il prezzo diventa una metrica dell’ambizione e del target. Per chi costruisce prodotti AI, è un esempio di come si provi a monetizzare promettendo efficienza su attività quotidiane specifiche [S4]. L’attenzione si sposta dai punteggi sintetici all’utilità percepita su documenti, fogli di calcolo e itinerari.

Effetti a monte: riallocazione della produzione di memoria e impatto sui device

L’onda dell’AI tocca la supply chain. In India le spedizioni di smartphone sono scese del 10% tra aprile e giugno, il peggior trimestre di giugno in sei anni. Counterpoint Research collega il calo all’aumento dei prezzi al dettaglio, spinti dal rincaro delle memorie [S5]. La catena è descritta così: i data center assorbono grandi volumi delle stesse famiglie di memoria che usano i telefoni, DRAM e storage. L’offerta per l’elettronica di consumo si restringe. I costi dei componenti salgono. I listini dei telefoni seguono [S5].

Produttori come Samsung, SK Hynix e Micron stanno spostando capacità verso la memoria ad alta larghezza di banda (HBM) per gli acceleratori IA. Questi chip generano più ricavi per wafer rispetto alle memorie standard per smartphone e laptop. Meno linee restano quindi per DRAM e storage destinati ai dispositivi consumer. La stretta a monte si riflette lungo la filiera, fino agli scaffali. La scala del mercato indiano amplifica l’effetto: per volumi è il secondo al mondo. Un -10% nel trimestre di giugno segnala che l’aumento dei costi delle memorie ha effetti misurabili sui consumatori [S5].

Un’unica spinta, vincoli diversi

I fatti puntano nella stessa direzione: capacità e ambizioni crescono. BMS allarga l’accesso e promette tempi zero di attesa [S1]. A Tokyo si costruiscono alleanze per portare l’AI in fabbrica e per rafforzare la base dei materiali per chip [S2]. Dentro le aziende, però, metriche e narrazioni possono piegare le scelte tecniche, come nota Willison [S3]. E la curva dei prezzi della memoria mostra che l’ondata AI ha costi opportunità per altri mercati, misurabili oggi in India [S5]. Nel mezzo, prodotti come l’Alphafold di Vertu provano a vendere l’AI come servizio premium per il lavoro d’ufficio [S4].

La prossima mossa, per chi sviluppa e adotta AI, sta nel tenere insieme questi piani: accesso più ampio, applicazioni fisiche, cultura organizzativa e vincoli di fornitura. È lì che si deciderà quanto del potenziale promesso si tradurrà in uso reale.