NVIDIA continua ad ampliare la propria presenza nel settore della ricerca scientifica e del calcolo ad alte prestazioni, costruendo un ecosistema che integra hardware di nuova generazione, infrastrutture exascale e strumenti software basati sull’intelligenza artificiale. Dalla nuova CPU Vera destinata ai supercomputer del Los Alamos National Laboratory, fino al sistema Jupiter, primo supercomputer exascale europeo, la strategia dell’azienda punta a rendere l’AI un elemento strutturale della scoperta scientifica. Parallelamente, NVIDIA sta promuovendo il raffreddamento a liquido come standard per le future AI Factory, sviluppando agenti autonomi per il settore delle telecomunicazioni e sostenendo infrastrutture di ricerca come NAIRR e piattaforme di digital twin. Il risultato è una visione nella quale elaborazione ad alte prestazioni e modelli intelligenti lavorano insieme per accelerare simulazioni, ricerca e innovazione industriale.
Cosa leggere
Vera CPU arriva nei supercomputer del Los Alamos National Laboratory
Il Los Alamos National Laboratory (LANL) ha scelto la nuova CPU NVIDIA Vera come elemento centrale dei futuri sistemi Mission, Vision e Veritas, sviluppati in collaborazione con HPE. Le nuove piattaforme utilizzeranno l’architettura NVIDIA Vera Rubin, che integra CPU Vera, GPU Rubin e interconnessione NVIDIA Quantum-X800 InfiniBand per creare un ambiente progettato specificamente per carichi di lavoro scientifici e applicazioni AI avanzate. Secondo NVIDIA, una singola CPU Vera offre prestazioni superiori di oltre tre volte rispetto alle tradizionali CPU x86, accompagnate da più del quadruplo della memoria disponibile per core e da una capacità di memoria per nodo fino a sei volte superiore.
Nei benchmark interni eseguiti con il framework URSA, utilizzato per simulazioni scientifiche complesse, il nuovo sistema ha mostrato prestazioni fino a sette volte superiori rispetto alle piattaforme impiegate nel supercomputer Crossroads. Il principale obiettivo del progetto è supportare la crescita dell’AI agentica, una nuova generazione di sistemi capaci di formulare ipotesi scientifiche, selezionare strumenti di simulazione, interpretare risultati e adattare autonomamente i propri processi di ricerca. I nuovi sistemi entreranno in funzione nel 2027 e rappresentano l’evoluzione di una collaborazione tra LANL e NVIDIA che negli ultimi anni aveva già portato all’adozione delle CPU Grace.
L’intelligenza artificiale agentica cambia il metodo scientifico
L’integrazione della piattaforma Vera Rubin non si limita a incrementare la potenza di calcolo disponibile. L’obiettivo dichiarato è trasformare il modo in cui vengono condotte le attività di ricerca. Gli agenti AI sviluppati presso il Los Alamos National Laboratory sono progettati per operare come collaboratori digitali in grado di gestire interi cicli sperimentali. Attraverso framework come URSA, questi sistemi possono analizzare dati, proporre nuove simulazioni, confrontare risultati e ottimizzare iterativamente i modelli utilizzati. Applicazioni concrete riguardano la progettazione di nuovi materiali, la simulazione molecolare, la ricerca nucleare e numerosi altri ambiti caratterizzati da enormi quantità di dati e modelli matematici complessi. La combinazione tra CPU Vera, GPU Rubin e networking ad altissima velocità consente di affrontare carichi di lavoro che richiedono contemporaneamente capacità computazionale, ampia memoria e bassa latenza nelle comunicazioni tra nodi.
Jupiter inaugura l’era exascale in Europa
Parallelamente al progetto Los Alamos, NVIDIA è protagonista anche nella realizzazione di Jupiter, il primo supercomputer exascale europeo installato presso il Forschungszentrum Jülich in Germania. Il sistema utilizza 4.096 NVIDIA Grace Hopper Superchip collegati attraverso la rete Quantum-X800 InfiniBand, raggiungendo una scala computazionale che fino a pochi anni fa era considerata irraggiungibile. L’architettura Grace Hopper GH200 consente una gestione particolarmente efficiente della memoria grazie alla stretta integrazione tra CPU e GPU.
I dati possono essere trasferiti dinamicamente tra i due ambienti di elaborazione mantenendo prestazioni elevate anche in presenza di dataset che superano la capacità di memoria della sola GPU. Questa caratteristica si rivela fondamentale nelle simulazioni scientifiche più complesse, dove il volume dei dati rappresenta spesso il principale collo di bottiglia prestazionale. Jupiter segna un passaggio storico per la ricerca europea, offrendo agli scienziati una piattaforma capace di affrontare problemi che richiedono miliardi di miliardi di operazioni al secondo.
Dal cervello umano ai modelli climatici con Jupiter
Le capacità del nuovo supercomputer stanno già producendo risultati concreti in diversi settori della ricerca. Uno dei progetti più significativi riguarda la creazione del Jülich Brain Atlas, iniziativa che ha portato allo sviluppo di CytoNet, un foundation model dedicato allo studio della microarchitettura cerebrale. Il modello è stato addestrato utilizzando circa 6,5 petabyte di dati raccolti da 21 cervelli umani post-mortem e ha completato l’intero processo in meno di cinque giorni. Jupiter viene inoltre utilizzato per simulazioni climatiche avanzate basate sul modello ICON, capace di operare a una risoluzione di un chilometro e già premiato con il prestigioso Gordon Bell Prize for Climate Modelling. Un altro traguardo riguarda il settore del quantum computing, dove il sistema ha permesso di simulare completamente un computer quantistico universale a 50 qubit, superando il precedente record di 48 qubit. Questi risultati mostrano come la disponibilità di infrastrutture exascale stia accelerando ambiti di ricerca che spaziano dalle neuroscienze alla climatologia fino alla fisica quantistica.
Il raffreddamento a liquido diventa essenziale per le AI Factory
L’aumento della densità computazionale dei sistemi AI sta imponendo una revisione radicale delle tecnologie di raffreddamento impiegate nei data center. NVIDIA considera il raffreddamento a liquido una componente indispensabile per la prossima generazione di AI Factory, strutture progettate specificamente per addestrare ed eseguire modelli di intelligenza artificiale su larga scala. La piattaforma Rubin è stata sviluppata per operare con liquidi refrigeranti che possono raggiungere temperature di ingresso fino a 45 gradi Celsius. Questa caratteristica permette di ridurre sensibilmente il consumo energetico dei sistemi di raffreddamento, con un miglioramento dell’efficienza che NVIDIA stima intorno al 4% per ogni grado di aumento della temperatura del chiller. L’architettura utilizza cold plate installate direttamente su processori, acceleratori e componenti di rete, eliminando la necessità delle tradizionali ventole ad alta velocità. Il risultato è una riduzione dei consumi energetici, una maggiore densità computazionale e una gestione più efficiente del calore generato dai sistemi AI.
Sostenibilità energetica e recupero del calore nei data center
La transizione verso il raffreddamento a liquido non risponde soltanto a esigenze prestazionali. NVIDIA considera questa tecnologia un elemento chiave per migliorare la sostenibilità delle infrastrutture AI. In contesti climatici favorevoli è possibile utilizzare dry cooler che dissipano il calore direttamente nell’ambiente esterno senza consumo d’acqua, riducendo fino al 100% il fabbisogno idrico associato al raffreddamento. I sistemi operano in circuito chiuso utilizzando miscele di acqua e glicole propilenico e consentono inoltre il recupero dell’energia termica prodotta dai server.
Il calore residuo può essere reindirizzato verso edifici, impianti industriali o reti di teleriscaldamento, trasformando un sottoprodotto del calcolo ad alte prestazioni in una risorsa energetica utile. Con l’espansione dell’intelligenza artificiale e la crescita delle AI Factory, queste soluzioni stanno diventando sempre più importanti per contenere l’impatto ambientale dei nuovi data center.
Agenti AI autonomi per le telecomunicazioni
Oltre alla ricerca scientifica, NVIDIA sta investendo nello sviluppo di agenti AI autonomi destinati al settore delle telecomunicazioni. Questi sistemi sono progettati per monitorare reti complesse, identificare anomalie e coordinare automaticamente attività di manutenzione e ottimizzazione. Gli agenti possono intervenire in modo proattivo, applicando correzioni e regolazioni nel rispetto delle policy aziendali e dei requisiti normativi. Per affrontare i problemi di privacy associati ai dati di rete, NVIDIA utilizza strumenti come NeMo Safe Synthesizer, che consentono di generare dataset sintetici utilizzabili per l’addestramento senza esporre informazioni reali. L’esecuzione degli agenti avviene attraverso runtime sicuri come NemoClaw e OpenShell, che garantiscono tracciabilità delle operazioni e rispetto delle regole definite dagli operatori. Tra le applicazioni più promettenti figurano la self-healing network, l’ottimizzazione automatica delle antenne radio e la gestione degli incidenti su larga scala. Aziende come SoftBank, NTT DATA, KDDI e Amdocs stanno già sperimentando queste tecnologie.
NAIRR, CUDA e digital twin ampliano l’ecosistema scientifico
NVIDIA continua inoltre a sostenere l’infrastruttura NAIRR (National Artificial Intelligence Research Resource), iniziativa destinata a fornire risorse AI avanzate alla comunità scientifica statunitense. Attraverso questa piattaforma, ricercatori e università possono accedere a capacità di calcolo normalmente disponibili soltanto presso grandi aziende tecnologiche. Parallelamente, CUDA mantiene il proprio ruolo centrale come ambiente di sviluppo per applicazioni scientifiche accelerate da GPU, consentendo agli scienziati di sfruttare al massimo il potenziale dell’hardware NVIDIA. Un altro settore in forte crescita è quello dei digital twin, modelli virtuali che replicano sistemi fisici reali per consentire simulazioni e ottimizzazioni. Un esempio significativo è rappresentato da Eco Wave Power, che utilizza gemelli digitali basati su AI per progettare e migliorare impianti destinati alla produzione di energia dalle onde marine. Queste simulazioni permettono di ridurre costi, tempi di sviluppo e rischi operativi prima della realizzazione fisica delle infrastrutture.
NVIDIA costruisce una piattaforma completa per la scienza del futuro
Le iniziative che coinvolgono Vera CPU, Jupiter, le AI Factory, gli agenti autonomi per le telecomunicazioni e le infrastrutture di ricerca come NAIRR mostrano una strategia sempre più chiara. NVIDIA non si limita più a fornire acceleratori grafici, ma sta costruendo un ecosistema integrato in cui hardware, software, networking e strumenti AI operano come un’unica piattaforma. L’obiettivo è accelerare la ricerca scientifica, semplificare l’adozione dell’intelligenza artificiale e creare infrastrutture capaci di sostenere la prossima generazione di simulazioni, modelli e applicazioni industriali. Dalle neuroscienze alla climatologia, dalle telecomunicazioni all’energia, il filo conduttore resta la capacità di combinare potenza computazionale e AI per affrontare problemi che fino a pochi anni fa risultavano troppo complessi o troppo costosi da risolvere.
Iscriviti alla Newsletter
Non perdere le analisi settimanali: Entra nella Matrice Digitale.
Matrice Digitale partecipa al Programma Affiliazione Amazon EU. In qualità di Affiliato Amazon, ricevo un guadagno dagli acquisti idonei. Questo non influenza i prezzi per te.
