Quando l’inflazione non molla: cosa cambia per tassi e mercati
USA – Prezzi alla produzione che accelerano, ciclo che rallenta a macchia di leopardo Negli Stati Uniti il dato che ha dominato la settimana è stato il PPI, perché ha rimesso tensione sul tema “quanto è davvero finita l’inflazione”. L’indice headline sale +2,9% a/a contro
Il nuovo equilibrio dei mercati: meno crescita, inflazione più lenta a scendere
USA – Crescita sotto attese, inflazione che non collabora Negli Stati Uniti la settimana mette insieme due segnali che complicano la vita alla Fed. La crescita rallenta più del previsto: il PIL del Q4 sale +1,4% annualizzato contro attese +2,5%, e lo shutdown viene stimato
Repricing dei tassi: cosa cambia davvero questa settimana
USA – Inflazione che scende, lavoro che regge: ecco perché i tagli tornano credibili Negli Stati Uniti il dato chiave della settimana è stato il CPI, perché ha tolto pressione alla Fed senza dare l’idea di un’economia che si sta rompendo. L’inflazione headline rallenta al
Sotto la superficie dei mercati: cosa dicono i dati
🇺🇸 USA – Il lavoro si svuota sotto la superficie Negli Stati Uniti il messaggio della settimana arriva tutto dal mercato del lavoro, ed è meno rassicurante di quanto sembri in headline. I JOLTS di dicembre scendono a 6,54 milioni di posizioni aperte, ben sotto
Mercati sotto la superficie: cosa raccontano davvero i dati
🇺🇸 USA – Fed ferma, dati misti e dollaro che torna a rafforzarsi Negli Stati Uniti il quadro si chiarisce ma non diventa più semplice. Il FOMC ha lasciato i tassi invariati nel range 3,5%–3,75%, con una decisione tutt’altro che unanime (10 voti contro 2),
Un rallentamento che non fa rumore: cosa sta succedendo davvero ai mercati
USA – Rallenta il ciclo, non il sistema Negli Stati Uniti il rallentamento è ormai evidente, ma continua a prendere una forma molto diversa da quella tipica delle fasi pre-recessive. Il mercato del lavoro resta il punto di tenuta del ciclo. Le nuove richieste di sussidi si
Nvidia: da centrale elettrica del gaming a cervello dell’intelligenza artificiale
Per gran parte degli ultimi 30 anni, i chip Nvidia sono stati il motore principale per videogiochi ultrarealistici come Call of Duty e Counter-Strike. Ma il CEO Jensen Huang sospettava che fossero anche particolarmente adatti a vagliare gli enormi set di dati che l’intelligenza artificiale richiede. Quindi, più di dieci anni, Huang scommise che i chip di Nvidia sarebbero diventati il “cervello” dell’intelligenza artificiale.
Il primo server progettato per l’intelligenza artificiale fu consegnato nel 2016 a Elon Musk e Sam Altman, i fondatori di OpenAI. Presentato come un supercomputer AI, l’impianto da 129.000 dollari aveva le dimensioni di una valigetta e conteneva otto processori grafici interconnessi in grado di digerire in due ore quello che un processore di computer tradizionale elaborava in più di sei giorni.
Da allora, Musk e Altman hanno cercato di accedere ai chip di Nvidia per progetti diversi. ChatGPT di OpenAI, ad esempio, ha un cervello composto da oltre 20.000 processori grafici Nvidia. I chip dell’azienda sono dei componenti fondamentali dell’infrastruttura cloud utilizzata da Alphabet, Amazon e Microsoft. Lo scorso anno gli operatori di data center hanno speso collettivamente 15 miliardi di dollari in ordini all’ingrosso.
Il dominio di Nvidia nell’intelligenza artificiale
Nvidia possiede l’80% del mercato degli acceleratori di data center. L’attuale tempo di attesa per uno dei suoi processori AI è di sei mesi. Ma alcuni dei maggiori clienti di Huang progettano da anni i propri chip, con l’obiettivo di ridurre la loro dipendenza dall’azienda. Ma al momento stanno avendo poco successo.
Ciò che rende possibile l’intelligenza artificiale è un chip che ha le dimensioni di una scatola di fiammiferi. Gli ingegneri di Nvidia hanno trascorso quattro anni a perfezionare un progetto digitale dell’A100 prima di inviare il progetto a Taiwan Semiconductor Manufacturing e a Samsung Electronics per la produzione.
Il gigante del gaming
Ai tempi in cui Huang fondò Nvidia, il CEO aveva riconosciuto la necessità di processori specializzati per migliorare i videogiochi che tanto amava. Ma i loro chip iniziali, incluso uno destinato alla console di gioco Sega Dreamcast, fallirono perché scommettevano su una nuova architettura che era impopolare tra gli sviluppatori di giochi. Nvidia stava finendo i soldi, quindi Huang si ritirò dall’accordo con Sega e cambiò improvvisamente rotta.
Si concentrò su un nuovo chip progettato per computer che eseguono Microsoft Windows e firmò accordi con clienti come Dell e Gateway. Nel 1998 Nvidia realizzò un profitto di 4,1 milioni di dollari, un’epoca d’oro per i giochi per computer che includeva le versioni di Half-Life e StarCraft. La società si quotò in borsa l’anno successivo.
La cosa più importante per Nvidia durante gran parte della sua esistenza è stata quella di non farsi distruggere da Intel. Il gaming ha aiutato Nvidia a ritagliarsi una nicchia per le sue unità di elaborazione grafica, note come GPU. Ma le unità di elaborazione centrale, o CPU, di Intel servivano praticamente a tutto il resto.
Il modo in cui la GPU fa le cose è noto come calcolo parallelo e Huang pensava che potesse avere un profondo impatto sui problemi tecnici più impegnativi. Quella previsione fu straordinariamente accurata.
Il linguaggio Cuda
Un grosso ostacolo per Nvidia era che quasi tutto il codice in esecuzione sui server in quel momento era stato scritto per le CPU. Fortunatamente, Huang aveva una soluzione. Nel 2006 l’azienda costruì un nuovo linguaggio di programmazione chiamato Cuda, acronimo di “compute unified device architecture”, che potesse espandere i tipi di software che i processori Nvidia potevano eseguire.
Il team Cuda dimostrò che la tecnologia di Nvidia poteva andare ben oltre il gaming. La grande svolta arrivò in occasione di un concorso accademico nel 2012. Un progetto chiamato AlexNet stabilì un record per la sua capacità di riconoscere accuratamente il contenuto delle immagini. Il suo tasso di errore del 15,3% era di oltre 10 punti percentuali migliore rispetto al concorrente più vicino. La rete neurale era stata addestrata con Cuda e due GPU Nvidia. AlexNet dimostrò che l’intelligenza artificiale basata sulle GPU poteva eseguire alcuni compiti a un livello vicino a quello umano.
Il boom del Covid
Durante la pandemia di Covid, quando le persone chiuse in casa giocavano di più ai videogiochi e scommettevano ingenti somme su Bitcoin e altre criptovalute (stimolando la domanda di GPU Nvidia che eccellevano nel mining di criptovalute), Nvidia raggiunse due traguardi che avrebbero ridefinito l’azienda. Nel luglio 2020 fu incoronata il produttore di chip più prezioso d’America. Il mese successivo, ha dichiarò che i suoi ricavi trimestrali provenienti dai data center avevano superato per la prima volta quelli legati ai giochi.
Huang provò a sfruttare questo slancio e ad acquistare il progettista di chip Arm. L’offerta da 40 miliardi di dollari avrebbe garantito un posto a Nvidia nel settore mobile e ampliato la sua portata a molti altri tipi di prodotti. Ma le aziende che facevano affidamento sui progetti di chip di Arm erano già diffidenti nei confronti del crescente potere di Nvidia e le autorità di regolamentazione statunitensi bloccarono l’acquisizione. Nel frattempo, l’intelligenza artificiale è rimasta un obiettivo primario per i dirigenti di Nvidia.
Huang vide l’arrivo di ChatGPT come il “momento iPhone”. Vede l’intelligenza artificiale come una forza trasformativa che rimodellerà le industrie e guiderà l’innovazione in tutto il mondo. Le GPU di Nvidia sono, ovviamente, la base di tutto questo.
ARTICOLI CORRELATI:
Le trimestrali di Nvidia nell’era della mania per l’intelligenza artificiale
I risultati di Nvidia non soddisfano le aspettative degli investitori
Nvidia trimestrali Q2: ricavi, utili e previsioni di vendita al di sopra delle stime