⚙️ Da sapere
Cosa leggere
Xiaomi AI Cube combina tre chip XRING, ma resta un prototipo in attesa della produzione commerciale.
Mac Studio con M5 Ultra raggiunge 512 GB di memoria unificata e una banda di 1,2 TB/s.
Nvidia DGX Spark offre 128 GB e fino a 1 PFLOP FP4 in un sistema AI già disponibile.
La competizione per l’intelligenza artificiale locale entra in una fase nuova. Apple porta il Mac Studio fino a 512 GB di memoria unificata, Nvidia propone già una piattaforma desktop Grace Blackwell e Xiaomi mostra un prototipo capace di combinare tre processori proprietari. Il confronto proposto da Riccardo Zanetti fotografa un mercato nel quale la capacità di eseguire modelli sul proprio hardware non dipende più soltanto dalla GPU. Memoria disponibile, banda, consumi e stack software stanno diventando altrettanto importanti della potenza di calcolo dichiarata.
Mac Studio M5 Ultra raggiunge 512 GB di memoria unificata
Il nuovo Mac Studio con M5 Ultra compie il salto più evidente sul fronte della capacità. Secondo le specifiche tecniche pubblicate da Apple, il sistema offre 1,2 TB/s di banda memoria e parte da 96 GB, con configurazioni da 256 GB e 512 GB. Il processore può integrare una CPU fino a 36 core, una GPU fino a 80 core e un Neural Engine a 32 core. La configurazione massima è particolarmente rilevante per LLM, modelli multimodali, generazione video e agenti che devono mantenere grandi quantità di dati nella memoria condivisa.
Apple trasforma così un prodotto anticipato nella roadmap del Mac Studio M5 Ultra in una workstation acquistabile, superando il limite dei 512 GB senza ricorrere a GPU discrete. L’evoluzione è netta anche rispetto al Mac Studio con M3 Ultra, già orientato ai carichi professionali ma appartenente a una fase precedente dell’espansione dell’AI generativa locale.
La memoria diventa il vero confine dell’AI locale
Nei sistemi destinati ai modelli generativi, confrontare soltanto TOPS, FLOPS o numero di core produce una rappresentazione incompleta. Un modello deve prima entrare nella memoria disponibile insieme a contesto, cache, runtime e applicazioni. La quantizzazione riduce il numero di bit utilizzati per rappresentare i pesi e permette di eseguire modelli più grandi, ma può modificare precisione, velocità e qualità dei risultati. La banda determina invece quanto rapidamente CPU, GPU e acceleratori possono accedere ai dati. I 512 GB a 1,2 TB/s del Mac Studio consentono quindi di caricare modelli open source molto più grandi rispetto alle workstation consumer tradizionali, pur senza garantire automaticamente prestazioni superiori in ogni workload. Lo stesso principio aveva già favorito sistemi compatti dedicati a gaming e AI locale con grandi quantità di memoria condivisa. Modelli proprietari come GPT-5.6 o Claude Opus 5 non diventano invece eseguibili localmente solo grazie all’hardware: i relativi pesi non vengono distribuiti. Il vantaggio riguarda soprattutto modelli aperti o disponibili per il download.
Nvidia DGX Spark parte dal vantaggio della disponibilità
Nvidia DGX Spark utilizza il superchip GB10 Grace Blackwell, composto da una CPU Arm a 20 core e da una GPU Blackwell. La scheda ufficiale di Nvidia indica 128 GB di memoria LPDDR5X coerente, una banda di 273 GB/s e una potenza teorica fino a 1 PFLOP FP4 con sparsità. Nvidia dichiara il supporto all’inferenza di modelli fino a 200 miliardi di parametri e al fine-tuning fino a 70 miliardi; collegando due unità attraverso ConnectX-7 diventa possibile lavorare con modelli fino a 405 miliardi di parametri.
La banda è sensibilmente inferiore a quella annunciata da Apple e Xiaomi, ma DGX Spark beneficia dello stack CUDA, delle librerie Nvidia e di un ecosistema AI già consolidato. Il sistema è inoltre sul mercato e riceve aggiornamenti firmware attraverso fwupd e LVFS, come mostra l’integrazione Linux già avviata per DGX Spark. Il limite più evidente è il prezzo: Nvidia ha aumentato il listino da 3.999 a 4.699 dollari citando le difficoltà globali nella fornitura delle memorie.
Xiaomi AI Cube combina tre chip XRING
La risposta di Xiaomi è ancora sperimentale, ma mostra una strategia industriale più ampia. AI Cube Prototype combina XRING O3, O100 e D100 in un sistema progettato per sostenere carichi AI locali con un consumo dichiarato di 150 watt. Nei materiali tecnici diffusi per la piattaforma XRING, O100 viene descritto come un acceleratore AI con packaging tridimensionale wafer-on-wafer, hybrid bonding e banda fino a 1,22 TB/s. D100 integra invece una CPU a 20 core, una NPU a 16 core e supporta fino a 160 GB di memoria unificata.
Il prototipo può eseguire localmente modelli da 120 miliardi di parametri, ma non rappresenta ancora un prodotto commerciale confrontabile direttamente con Mac Studio o DGX Spark. Xiaomi prevede la produzione di O100 e D100 nel 2027, continuando il percorso verso chip proprietari già delineato con XRING O2 e gli investimenti per l’indipendenza tecnologica. L’obiettivo non riguarda soltanto i computer: la stessa architettura potrà collegare smartphone, veicoli, robotica e dispositivi edge.
Tre piattaforme per esigenze differenti
Apple, Nvidia e Xiaomi non stanno costruendo lo stesso prodotto. Mac Studio rimane una workstation generalista per sviluppo, produzione multimediale e AI, con il vantaggio di una memoria unificata molto ampia. DGX Spark è un’appliance specializzata, progettata attorno allo stack Nvidia e indirizzata a sviluppatori, ricercatori e aziende che vogliono trasferire sul desktop workflow già utilizzati nei data center. AI Cube rappresenta invece la dimostrazione della capacità di Xiaomi di controllare processore, acceleratore e chip per l’elaborazione intelligente attraverso una piattaforma proprietaria.
La convergenza avviene sull’AI locale, che riduce la dipendenza continua dalle API cloud, mantiene dati e documenti sul dispositivo e rende più prevedibili i costi di inferenza. Non elimina però ogni dipendenza geopolitica: produzione dei semiconduttori, memorie avanzate, packaging, software e modelli continuano a coinvolgere filiere globali. Il cambiamento sostanziale è un altro: workstation capaci di eseguire modelli open source di grandi dimensioni stanno passando dai laboratori specializzati a prodotti acquistabili o prossimi alla commercializzazione.
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.
