Google accelera sui chip TPU per sfidare NVIDIA nell’AI

Google sta investendo decine di miliardi di dollari per trasformare le proprie Tensor Processing Unit (TPU) in un’alternativa credibile al dominio di NVIDIAnel mercato degli acceleratori AI.

La strategia è cambiata radicalmente: non basta più usare questi chip internamente, l’obiettivo è costruire un business globale capace di competere con l’hardware della casa di Santa Clara. La mossa arriva in una fase in cui la domanda di potenza di calcolo cresce a ritmi eccezionali e la disponibilità di acceleratori è diventata uno degli elementi più critici per lo sviluppo dei modelli generativi.

Da chip interno a piattaforma commerciale

Le origini delle TPU risalgono al 2013, quando i ricercatori di Google si resero conto che la crescita delle reti neurali avrebbe richiesto hardware specializzato.

Jeff Dean, oggi capo scienziato presso il laboratorio DeepMind di Google., sostenne la necessità di progettare acceleratori ottimizzati per il machine learning, più efficienti delle CPU tradizionali.

Per anni Google ha mantenuto questa tecnologia all’interno delle proprie infrastrutture, poi le TPU sono diventate disponibili via cloud. Oggi la fase è diversa: commercializzazione diretta, platea di clienti molto più ampia e un modello di business che ricorda da vicino quello adottato da NVIDIA. L’azienda ha garantito circa 3,2 miliardi di dollari per il progetto Lake Mariner, un grande data center nello stato di New York destinato ad Anthropic, e ha partecipato ad altre iniziative infrastrutturali come River Bend in Louisiana.

La logica è semplice: finanziare le infrastrutture e assicurarsi che al loro interno vengano usate le TPU anziché soluzioni concorrenti. Anthropic, uno dei clienti più importanti, utilizza già i chip Google per addestrare i propri modelli. Citadel Securities ha dichiarato di aver ottenuto costi inferiori e prestazioni superiori in alcune attività di ricerca, un dato che può attrarre ulteriori clienti enterprise.

NVIDIA resta avanti, ma lo scenario cambia

Nonostante gli investimenti, la posizione di NVIDIA rimane estremamente solida.

L’azienda controlla ancora una quota dominante del mercato grazie alla combinazione tra hardware, strumenti software e l’ecosistema costruito attorno alla piattaforma CUDA.

Cambiare fornitore non significa solo acquistare chip diversi: richiede adattamenti software, validazioni tecniche e nuove competenze. Jensen Huang ha minimizzato il rischio rappresentato dalle TPU, sottolineando che il vantaggio competitivo di NVIDIA non risiede solo nelle prestazioni dei chip ma nell’intera piattaforma.

Google però dispone di due vantaggi difficili da replicare: una lunga esperienza nella progettazione di hardware AI e risorse finanziarie sufficienti per progetti infrastrutturali su scala gigantesca. Le nuove TPU introducono versioni distinte per training e inference, con maggiore memoria ad alta banda, interconnessioni più veloci ed efficienza energetica migliorata. Se riuscirà a convincere un numero crescente di clienti, Google potrebbe diventare il primo concorrente reale nell’era dell’AI generativa.