Nel 2006 Jensen Huang annunciò CUDA, un framework di programmazione che permetteva agli sviluppatori di scrivere software generico per i chip grafici di NVIDIA.
Gli analisti erano perplessi. NVIDIA produceva GPU per giocatori e sviluppatori di videogiochi. Perché un’azienda di chip per il gaming avrebbe dovuto investire centinaia di milioni in una piattaforma software per… scienziati?
Per cinque anni quasi nessuno la usò, a parte qualche dipartimento di fisica. Jensen continuò comunque a finanziarla.
Poi arrivò il 30 settembre 2012.
Alex Krizhevsky e Geoffrey Hinton presentarono AlexNet all’ImageNet Large Scale Visual Recognition Challenge. La loro rete neurale vinse con un margine di 10 punti percentuali: un distacco mai visto in un campo in cui i miglioramenti si misuravano in frazioni di punto percentuale.
Girava su due GPU NVIDIA GTX 580 con CUDA. Era iniziata l’era del deep learning, e NVIDIA era l’unica azienda che aveva già l’infrastruttura pronta per servirla.
Quello fu il momento decisivo. Tutto ciò che è venuto dopo è pura matematica.
Oggi NVIDIA fornisce circa il 95% dei chip usati per addestrare i modelli di IA di frontiera. Le GPU H100 costano tra 30.000 e 40.000 dollari l’una. Al picco della domanda, i tempi di consegna arrivavano a 52 settimane. Gli hyperscaler mandavano i propri dirigenti a Taiwan per negoziare di persona le forniture.
La capitalizzazione di mercato di NVIDIA ha raggiunto 3.300 miliardi di dollari nel 2024, superando Saudi Aramco, per breve tempo Apple e l’intero PIL della Francia. È l’azienda più importante del mondo che, cinque anni fa, la maggior parte delle persone non avrebbe saputo nominare.
La lezione non riguarda solo i chip.
Jensen ha mantenuto la scommessa su CUDA per anni senza alcun ritorno. La scommessa non era “le GPU verranno usate per l’IA”. La scommessa era: il calcolo parallelo diventerà la risorsa limitante della prossima ondata dell’informatica, e noi saremo gli unici pronti.
Essere in anticipo ed essere in errore sembrano identici per molto tempo. L’unico modo per distinguerli è essere ancora lì quando il mondo si mette al passo.
Jensen era ancora lì.