Nel panorama dell'intelligenza artificiale, tutta l'attenzione mediatica e degli investitori tende a convergere sui chip grafici che alimentano il training dei grandi modelli linguistici. Eppure, dentro Nvidia, c'è un'altra storia che cresce nell'ombra con numeri straordinari: quella del networking, la tecnologia che connette i data center e che si sta rivelando componente indispensabile per costruire le cosiddette "AI factory", infrastrutture progettate specificamente per addestrare sistemi di deep learning su scala massiva. Una storia che affonda le radici in un'acquisizione strategica del 2020, quando il CEO Jensen Huang intuì che vendere GPU senza la tecnologia di interconnessione fosse come assemblare un motore senza trasmissione.
I numeri parlano con chiarezza difficile da ignorare: nel solo ultimo trimestre, la divisione networking di Nvidia ha registrato 11 miliardi di dollari di ricavi, con una crescita anno su anno del 267%, portando il totale annuale a oltre 31 miliardi di dollari. Cifre che collocano questo segmento come secondo contributore ai ricavi dell'azienda, subito dopo il business dei chip per il calcolo. Kevin Cook, senior equity strategist di Zacks Investment Research, ha offerto una prospettiva illuminante a TechCrunch: la divisione networking di Nvidia genera in un singolo trimestre ciò che Cisco — leader storico del settore — produce in un intero anno fiscale.
L'origine di questo business ha una data precisa e un nome specifico: Mellanox, società israeliana fondata nel 1999 e specializzata in soluzioni di networking ad alte prestazioni. Nvidia la acquisì nel 2020 per 7 miliardi di dollari, una mossa che all'epoca sembrò defilata rispetto ai grandi movimenti nel mondo dei semiconduttori, ma che si è rivelata di importanza capitale. Kevin Deierling, senior vice president of networking di Nvidia entrato in azienda proprio attraverso quell'acquisizione, ammette che la scarsa notorietà della divisione potrebbe essere attribuibile a un deficit di comunicazione, ma preferisce inquadrare il problema in modo diverso: la cultura popolare associa il networking a funzioni banali come la connessione di stampanti, sottovalutando radicalmente la sua complessità infrastrutturale.
"Jensen disse questo il primo giorno in cui ci acquisì: il data center è la nuova unità di calcolo", ha dichiarato Deierling. "Il networking non è solo spostare piccole quantità di dati tra un nodo di calcolo e l'altro; è una fondazione." Questa visione si traduce in un portfolio tecnologico articolato che comprende NVLink per la comunicazione tra GPU all'interno di un rack, Nvidia InfiniBand Switches come piattaforma di in-network computing, Spectrum-X come soluzione Ethernet ottimizzata per carichi di lavoro AI, e switch con co-packaged optics per connessioni ottiche ad altissima densità.
La vera differenziazione competitiva di Nvidia nel networking non risiede nei singoli componenti, ma nell'approccio full-stack: l'azienda non commercializza tecnologie isolate, bensì soluzioni integrate che coprono l'intero stack infrastrutturale. E significativamente, la distribuzione avviene esclusivamente attraverso un ecosistema di partner, non in modalità diretta. "Non riesco a pensare ad altre aziende che abbiano le capacità full-stack che abbiamo noi", ha affermato Deierling. Questo modello permette di vendere i chip GPU insieme all'infrastruttura con cui performano meglio, eliminando il rischio di colli di bottiglia nell'interconnessione che altrimenti degraderebbero l'efficienza computazionale.
La convergenza tra chip e networking assume rilevanza ancora maggiore se si considera la natura distribuita del training dei modelli AI moderni. Addestrare un LLM con centinaia di miliardi di parametri su cluster di migliaia di GPU richiede una latenza di comunicazione estremamente bassa e una banda passante elevatissima tra i nodi: qualità in cui le soluzioni InfiniBand e NVLink di Nvidia eccellono rispetto alle alternative Ethernet convenzionali. Come ha sintetizzato Cook: "Quando Jensen acquistò Mellanox nel 2020, vide che era il tassello mancante per rendere le GPU un pacchetto completo."
All'Nvidia GTC 2025, il keynote di Huang del 16 marzo ha aggiunto ulteriore spessore a questo ecosistema. L'azienda ha annunciato la piattaforma Nvidia Rubin, dotata di sei nuovi chip progettati per alimentare supercomputer AI di nuova generazione. A questo si aggiungono la piattaforma Nvidia Inference Context Memory Storage e i nuovi switch Spectrum-X Ethernet Photonics, che puntano a migliorare ulteriormente l'efficienza energetica e la densità delle interconnessioni ottiche nei data center iperscalari.
"Non è più una periferica per connettere la stampante o qualche altro dispositivo lento", ha concluso Deierling. "È fondamentale per il computer. Nei vecchi tempi avevamo quello che si chiamava il backplane all'interno del computer. Oggi la rete è il backplane dell'AI factory." È in questa ridefinizione concettuale — il networking non come accessorio ma come sistema nervoso dell'infrastruttura AI — che risiede forse il più sottovalutato vantaggio competitivo di Nvidia nel mercato attuale.
Con la domanda di capacità computazionale per AI destinata a crescere ulteriormente, spinta dall'adozione enterprise degli LLM e dalla proliferazione di sistemi agentici che richiedono inferenza in tempo reale, la questione aperta è se i concorrenti riusciranno a colmare il gap nell'integrazione verticale tra compute e networking, o se Nvidia consoliderà ulteriormente una posizione che oggi appare strutturalmente difficile da inseguire. La risposta dipenderà anche da come evolveranno le architetture dei data center di nuova generazione, dove la distinzione tra chip e infrastruttura di interconnessione potrebbe diventare ancora più fluida.