Nvidia potrebbe rinviare al 2028 il debutto della piattaforma rack AI Kyber, una delle prossime evoluzioni attese per l’infrastruttura dedicata all’intelligenza artificiale. Il nodo principale riguarda la produzione del PCB Midplane, un componente centrale diventato molto complesso da realizzare su larga scala.
La notizia è significativa perché mostra un limite sempre più concreto nel settore AI: non basta progettare sistemi più potenti, serve anche riuscire a costruirli con tempi e rese sostenibili. Nel caso di Nvidia, la corsa ad aggiornare ogni anno la gamma ad alte prestazioni inizia così a scontrarsi con i vincoli della manifattura avanzata.
Il possibile slittamento di Nvidia Kyber nasce da un collo di bottiglia produttivo
Alla base del rinvio ci sarebbe la difficoltà nella fabbricazione del PCB Midplane, la scheda che collega i vari moduli del sistema all’interno del rack. Si tratta di un elemento cruciale, perché deve gestire connessioni complesse attraverso una struttura multilayer molto spinta, con requisiti elevati in termini di precisione, integrità del segnale e affidabilità.
Quando la scala dei sistemi AI cresce, cresce anche la difficoltà industriale nel mantenere standard produttivi coerenti. Kyber diventa quindi un caso emblematico: l’evoluzione dell’hardware non è frenata solo dal design dei chip, ma anche dalla capacità dell’intera filiera di assemblare piattaforme sempre più dense, veloci e complesse.
- Il debutto di Kyber potrebbe slittare fino al 2028.
- Il principale problema riguarda la produzione del PCB Midplane.
- Il componente serve a collegare i moduli interni del rack AI attraverso una struttura multistrato molto complessa.
- L’aumento di scala dei sistemi rende più difficile sostenere cicli di aggiornamento annuali.
La strategia di aggiornamento rapido di Nvidia incontra i limiti della manifattura
Negli ultimi anni Nvidia ha puntato su un ritmo molto serrato nel rinnovamento delle proprie piattaforme AI, con nuove generazioni presentate a distanza ravvicinata. Il caso Kyber suggerisce però che questa tabella di marcia può diventare più difficile da rispettare man mano che l’hardware si trasforma in un insieme di moduli, interconnessioni e sottosistemi sempre più elaborato.
Era stata valutata anche una soluzione alternativa basata sull’unione di due sistemi esistenti, ma l’ipotesi è stata poi abbandonata. Il motivo sarebbe legato a un design considerato poco convincente dai gestori cloud e dai data center, oltre a costi operativi ritenuti troppo elevati. In pratica, anche quando una scorciatoia tecnica esiste, non è detto che sia sostenibile in ambito commerciale e infrastrutturale.
- Nvidia ha costruito la propria offerta AI recente su cicli di rilascio molto rapidi.
- L’espansione della scala hardware rende però più difficile mantenere lo stesso passo.
- Una soluzione di ripiego con due sistemi combinati sarebbe stata scartata.
- Cloud provider e data center avrebbero giudicato quel progetto troppo costoso da gestire.
