Infinity replica il software di CUDA in 10 ore con agenti AI e insidia il fossato di Nvidia

Per quasi vent’anni il vero fossato di Nvidia non sono stati i chip, ma il software. Il linguaggio CUDA, nato nel 2007, ha reso le schede dell’azienda lo standard di fatto per addestrare ed eseguire i modelli di intelligenza artificiale, perché chi voleva usare hardware diverso doveva riscrivere a mano il codice di basso livello, un lavoro lento, costoso e riservato a pochi specialisti. Adesso una startup nata da poco più di un anno sostiene di aver scavalcato quella barriera in una sola giornata di lavoro, mettendo al posto degli ingegneri una squadra di agenti di intelligenza artificiale.

La società si chiama Infinity ed è guidata da Jeremy Nixon, ex ricercatore di Google Brain. Secondo quanto raccontato dal suo fondatore, gli agenti dell’azienda hanno ricreato da zero il software di inferenza per un acceleratore prodotto da D-Matrix in circa dieci ore, un tempo che nel mondo dell’ottimizzazione dei chip suona quasi surreale.

Se il risultato reggerà alla prova del mercato, la notizia tocca uno dei nervi più sensibili dell’intera industria: il vantaggio competitivo che tiene Nvidia al centro della corsa all’AI.

Cosa ha fatto davvero Infinity sul chip di D-Matrix

Il punto di partenza è un chip poco noto al grande pubblico ma molto atteso dagli addetti ai lavori: il Corsair di D-Matrix, un acceleratore pensato per l’inferenza, cioè per far girare i modelli già addestrati nel modo più veloce ed economico possibile. Portare un modello di frontiera su un hardware del genere, di solito, significa mesi di lavoro per un team di ingegneri esperti in programmazione a basso livello.

Infinity racconta di aver ottenuto qualcosa di molto diverso. Al primo accesso al Corsair, i suoi agenti hanno raggiunto il 92% delle prestazioni di picco teoriche del chip in dieci ore, distribuendo moltiplicazioni tra matrici in parallelo su tutte e trentadue le unità di calcolo dell’acceleratore.

Non si è fermata lì. Nel giro di dieci giorni la startup dichiara di aver fatto girare da capo a fondo tre modelli di frontiera, Qwen3, Qwen3.5 e Gemma4, con ogni singolo strato del software scritto da zero per quel silicio specifico.

Sono numeri che vanno presi con la cautela dovuta a ogni dichiarazione che arriva direttamente da un’azienda interessata. Restano però indicazioni concrete, perché non parlano di un prototipo teorico ma di modelli reali eseguiti su hardware reale.

Il ruolo dell’agente Ignition

Il cuore della tecnologia di Infinity è un agente di ricerca chiamato Ignition. Il suo compito è scrivere il codice di basso livello necessario a far girare l’inferenza su chip alternativi a Nvidia, per poi testarlo, correggerlo e misurare quanto velocemente l’hardware lavora con quel codice.

Quando le prestazioni non sono soddisfacenti, l’agente riscrive da solo le porzioni critiche e riprova, ripetendo il ciclo finché non si avvicina al limite fisico del chip. In pratica è un ingegnere di ottimizzazione che non dorme mai e che può esplorare migliaia di varianti del codice nel tempo in cui un essere umano ne proverebbe una manciata.

È qui che la vicenda si intreccia con una tendenza più ampia. Gli agenti capaci di programmare in autonomia stanno diventando il campo di battaglia dei grandi laboratori, come mostra il lancio di strumenti dedicati allo sviluppo software da terminale, tra cui Muse Code, l’agente di coding presentato da Meta. Infinity applica la stessa idea a un problema molto più ostico, quello del codice che parla direttamente al chip.

Perché il fossato di CUDA conta così tanto

Per capire la portata della notizia devi ricordare cosa rappresenta CUDA. Non è soltanto un linguaggio, ma un ecosistema costruito in quasi vent’anni, fatto di librerie ottimizzate, strumenti di sviluppo, documentazione e una comunità enorme di programmatori che lo conoscono a fondo.

Questo insieme è il motivo per cui Nvidia riesce a vendere le sue GPU a prezzi elevati e con margini altissimi. Anche quando un concorrente propone un chip più economico o più efficiente su carta, l’azienda cliente si scontra con una domanda scomoda: chi riscriverà tutto il software necessario a sfruttarlo davvero?

Il costo di quella riscrittura è il vero fossato. Finché resta alto, gli acceleratori rivali restano curiosità da laboratorio.

Se invece un sistema di agenti può generare in poche ore il software ottimizzato per un hardware qualsiasi, quel costo crolla. All’improvviso i chip di AMD, di startup come D-Matrix, Groq o Cerebras, e persino il silicio disegnato in casa dai grandi laboratori diventano opzioni molto più concrete.

Non è un caso che quasi tutti stiano spingendo in questa direzione. Meta ha avviato la produzione del suo chip AI Iris insieme a Broadcom e TSMC, mentre Anthropic ha creato un team interno per progettare chip su misura per Claude. Tutti condividono lo stesso obiettivo: ridurre la dipendenza dalle GPU di Nvidia e dal suo software.

Un modello di business che ribalta le regole

C’è un altro aspetto che rende Infinity interessante, ed è il modo in cui si fa pagare. La startup non vende una licenza con un canone fisso, come farebbe un normale fornitore di software.

Al contrario, si prende una quota del miglioramento di prestazioni che riesce a generare, misurato in token prodotti al secondo. In sostanza guadagna solo se il chip del cliente, grazie al suo codice, diventa davvero più veloce ed efficiente.

È un allineamento di interessi che nel settore dei chip si vede raramente. D-Matrix, ad esempio, figura tra i clienti proprio con questa logica, cedendo una parte del valore creato invece di pagare un costo iniziale.

Secondo le informazioni disponibili, questo approccio starebbe già generando alcuni milioni di dollari di ricavi ricorrenti annui, un segnale che almeno qualche produttore di hardware è disposto a scommettere sulla formula. A luglio Infinity ha inoltre raccolto quindici milioni di dollari a una valutazione di cento milioni, con il sostegno di Touring Capital, Principal VC e di ricercatori che lavorano in OpenAI e Anthropic.

Quanto è solido davvero questo attacco al monopolio

A questo punto è giusto raffreddare un po’ gli entusiasmi. La dimostrazione di Infinity riguarda l’inferenza, che è un problema tecnicamente più circoscritto rispetto all’addestramento dei modelli, dove CUDA resta ancora più radicato e difficile da rimpiazzare.

Il fossato di Nvidia, inoltre, non è fatto solo di kernel da ottimizzare. Comprende anni di strumenti maturi, integrazioni con ogni framework, affidabilità testata su scala industriale e una fiducia che non si costruisce in dieci ore. Replicare le prestazioni di picco su un singolo chip è un conto, sostituire un intero ecosistema è tutt’altra impresa.

C’è poi il tema della verifica indipendente. I dati provengono dall’azienda e attendono conferme da parte di clienti e osservatori esterni, come accade per ogni annuncio di questo tipo.

Resta il fatto che la direzione è chiara. L’idea di usare l’AI per costruire l’AI, applicandola al livello più basso e ostico dello stack, non è più fantascienza. Ed è coerente con la corsa verso l’inferenza a basso costo che vediamo anche nei nuovi modelli pensati per gli agenti, come DeepSeek V4 Flash, dove l’efficienza conta quanto la potenza pura.

Cosa cambia concretamente da qui in avanti

Per te che segui il settore, il segnale da tenere d’occhio non è tanto il record delle dieci ore, quanto la possibilità che il costo di portabilità del software tra chip diversi si avvicini allo zero. Se questo scenario si realizza, la concorrenza sull’hardware AI potrebbe accendersi come non è mai successo.

Le aziende che comprano capacità di calcolo avrebbero più potere contrattuale, potendo scegliere il chip migliore per ogni compito senza restare prigioniere di un unico fornitore. I produttori alternativi, oggi frenati proprio dal software, guadagnerebbero spazio.

Nvidia, dal canto suo, non resterebbe a guardare. L’azienda ha risorse enormi, un vantaggio ancora ampio nell’addestramento e la capacità di reagire investendo a sua volta in automazione. Il suo fossato si è ristretto, non prosciugato.

La vera notizia è un’altra: per la prima volta la minaccia più concreta al dominio di Nvidia non arriva da un rivale con chip più potenti, ma dall’intelligenza artificiale stessa, usata per smontare la barriera che finora aveva protetto il leader del mercato.

Conclusioni

Il caso Infinity racconta bene il momento che sta vivendo l’intelligenza artificiale, dove gli stessi strumenti che rendono preziose le GPU vengono ora rivolti contro il vantaggio di chi quelle GPU le produce. Che si tratti di una svolta storica o di una promessa ancora da verificare lo diranno i prossimi mesi e, soprattutto, i clienti disposti a mettere alla prova questa tecnologia sul campo.

Nel frattempo vale la pena tenere gli occhi aperti, perché la partita sul software dei chip tocca prezzi, efficienza e persino gli equilibri geopolitici della corsa all’AI. Se vuoi capire come si muovono gli altri protagonisti dell’hardware e degli agenti autonomi, continua a seguire i nostri approfondimenti e prova a chiederti quale sarà il prossimo fossato a cadere. Puoi approfondire la fonte originale nel report di TheNextWeb dedicato alla vicenda.