I migliori 25+ produttori di chip IA: NVIDIA e i suoi concorrenti
Sulla base della nostra esperienza nell'eseguire il benchmark cloud GPU benchmark di AIMultiple con 10 diversi modelli di GPU in 4 diversi scenari, queste sono le principali aziende di hardware IA per carichi di lavoro nei data center. Segui i link per vedere la nostra motivazione dietro ogni selezione:
25+ produttori di chip IA per categoria
*I modelli selezionati si basano sugli ultimi annunci.
**ACCEL è stato sviluppato da scienziati cinesi in collaborazione con Alibaba e China’s Semiconductor Manufacturing International Corporation (SMIC) 1
Ordinamento per categoria. I fornitori sono classificati in base alla quota di mercato stimata nelle prime 3 categorie (cioè produttore leader, cloud pubblico, cloud IA pubblico) poiché i numeri di vendita o l'utilizzo del cloud possono essere stimati. I fornitori nelle ultime tre categorie (cioè startup IA, produttore in arrivo, altri produttori) sono ordinati alfabeticamente.
5 fornitori di chip IA mobili
*Sono stati selezionati i chip più popolari e recenti.
5 chip IA per edge
La domanda di elaborazione a bassa latenza ha guidato l'innovazione nei chip IA per edge. I processori di questi chip sono progettati per eseguire calcoli IA localmente sui dispositivi piuttosto che affidarsi a soluzioni basate sul cloud:
*Questi sono i valori massimi dichiarati dai fornitori. TOPS significa tera operazioni al secondo.
Comprendere le architetture dei chip IA: GPU vs ASIC
Non tutti i chip IA sono uguali. Mentre i fornitori sopra competono nello stesso mercato, utilizzano architetture di chip fondamentalmente diverse:
- GPU (Graphics Processing Units) sono processori generici in grado di gestire sia l'addestramento che l'inferenza su un'ampia gamma di carichi di lavoro IA. NVIDIA e AMD dominano questa categoria.
- ASIC (Application-Specific Integrated Circuits) sono progettati su misura per compiti specifici. Alcuni supportano sia l'addestramento che l'inferenza (Google TPU, AWS Trainium), mentre altri sono solo per inferenza (Groq LPU, AWS Inferentia).
Concetto chiave:
Non tutti gli ASIC sono solo per inferenza. Google TPU, AWS Trainium, Cerebras e SambaNova supportano sia l'addestramento che l'inferenza, mentre Groq LPU e AWS Inferentia si concentrano esclusivamente sull'inferenza.
Questa distinzione è importante per gli acquirenti: le GPU offrono flessibilità tra diversi carichi di lavoro IA, mentre gli ASIC offrono migliori prestazioni per watt ma sono più difficili da riprogrammare con il cambiare delle architetture dei modelli.
Secondo TrendForce2 , sulla base dei tassi di crescita delle spedizioni di server IA, le spedizioni di ASIC personalizzati dai fornitori cloud dovrebbero crescere del 44.6% nel 2026, mentre le spedizioni di GPU dovrebbero crescere del 16.1%. Questo segnala un cambiamento nel panorama dell'hardware IA, con gli hyperscaler che investono sempre di più nel proprio silicio.
Quali sono i principali produttori di chip IA?
1. NVIDIA
NVIDIA progetta unità di elaborazione grafica (GPU) per il settore dei giochi sin dagli anni '90. NVIDIA è un produttore di chip fabless che esternalizza la maggior parte della produzione dei suoi chip a TSMC. Le sue attività principali includono:
Soluzioni IA desktop
DGX Spark (precedentemente Project Digits) è un supercomputer IA desktop per ingegneri IA e data scientist dotato di un Grace Blackwell Superchip con una NVIDIA Blackwell RTX GPU con 6.144 core CUDA e Tensor Core di quinta generazione con precisione FP4, collegata tramite l'interconnessione chip-to-chip NVIDIA NVLink-C2C a una NVIDIA Grace CPU ad alte prestazioni a 20 core, con fino a 1 petaflop di calcolo IA e 128GB di memoria unificata per agenti on-device.3 4
NVIDIA e Microsoft stanno collaborando per fornire una piattaforma Windows sicura per agenti on-device basata su nuove primitive di sicurezza del sistema operativo.5
Soluzioni per data center
L'azienda produce chip IA seguendo le architetture Ampere, Hopper e, più recentemente, Blackwell. Grazie al boom dell'IA generativa, NVIDIA ha ottenuto risultati eccellenti negli ultimi anni, ha raggiunto una valutazione di trilioni di dollari e ha consolidato il suo status di leader dei mercati GPU e hardware IA. Il grafico seguente mostra come i ricavi di NVIDIA in questo segmento sono cresciuti nel corso degli anni e come sono diventati la principale fonte di reddito dell'azienda.
Fonte: rapporti finanziari di NVIDIA Corporation.6
DGX™ A100 e H100 sono stati i chip IA di punta di Nvidia, progettati per l'addestramento e l'inferenza IA nei data center.7 NVIDIA ha fatto seguito con
- chip H200, B300 e GB300
- server HGX come HGX H200 e HGX B300 che combinano 8 di questi chip
- serie NVL e GB200 SuperPod che combinano ancora più chip in grandi cluster.8
Cloud GPU
Grazie alla forza della sua offerta per data center, NVIDIA ha quasi il monopolio sul mercato cloud IA, con la maggior parte dei player cloud che offrono solo NVIDIA GPU come cloud GPU.
NVIDIA ha anche lanciato la sua offerta DGX Cloud, fornendo infrastruttura cloud GPU direttamente alle aziende, bypassando i provider cloud.
GPU per la grafica
Xbox utilizza un chipset co-sviluppato da NVIDIA e Microsoft. Le NVIDIA GPU per utenti retail includono la serie GeForce.
Sviluppi recenti
DGX Cloud Lepton
Annunciato il 19 maggio 2025 al Computex, NVIDIA DGX Cloud Lepton è un marketplace che collega gli sviluppatori IA ai NVIDIA GPU cloud provider, tra cui CoreWeave, Lambda e Crusoe. Consente un accesso flessibile alle risorse GPU per l'addestramento e l'inferenza di modelli IA, bypassando le dipendenze tradizionali dai provider cloud. Ciò rafforza la strategia cloud di NVIDIA focalizzata sulle aziende.9
NVIDIA Dynamo
NVIDIA Dynamo, annunciato al GTC 2025, è un nuovo framework di inferenza open-source progettato per il deployment ad alta produttività e bassa latenza di modelli di IA generativa in ambienti distribuiti, aumentando il servizio di richieste fino a 30x su NVIDIA Blackwell come mostrato nella figura seguente. Questo framework, compatibile con strumenti popolari come PyTorch e TensorRT-LLM, utilizza innovazioni come stadi di inferenza disaggregati e pianificazione dinamica delle GPU per ottimizzare le prestazioni e ridurre i costi. Disponibile su GitHub per gli sviluppatori e incluso nei microservizi NVIDIA NIM per soluzioni enterprise, Dynamo facilita il servizio scalabile ed economico di IA generativa da sistemi a singola a multi-GPU.10
NVIDIA RTX PRO Server e Enterprise IA Factory
Annunciati a maggio 2025 al Computex, NVIDIA ha introdotto i server RTX PRO alimentati da GPU RTX PRO 6000 Blackwell Server Edition, progettati per le fabbriche IA aziendali. Questi server offrono accelerazione universale per applicazioni IA, progettazione, ingegneria e business, supportando carichi di lavoro come inferenza IA multimodale, IA fisica e gemelli digitali sulla piattaforma NVIDIA Omniverse.
Il design convalidato NVIDIA Enterprise IA Factory, che incorpora server RTX PRO, NVIDIA Spectrum-X Ethernet, NVIDIA BlueField DPU e il software NVIDIA IA Enterprise, consente a partner come Cadence, Foxconn e Lilly di costruire infrastrutture IA on-premises. Questa iniziativa accelera la transizione dell'industria IT da trilioni di dollari verso fabbriche IA accelerate da GPU. 12
NVIDIA piattaforma Vera Rubin
La piattaforma di prossima generazione di NVIDIA dopo Blackwell Ultra, annunciata al CES 2026 e confermata in produzione al Computex 2026, offre un addestramento 3,5× più veloce e un'inferenza 5× più veloce rispetto a Blackwell ed è costruita su TSMC 3nm con HBM4.13 14 Il rack NVL72 fornisce 260 TB/s di larghezza di banda.
DeepSeek
Il rilascio di DeepSeek R1 ha dimostrato che modelli all'avanguardia potevano essere addestrati con un numero relativamente ridotto di GPU. Ciò ha portato a una riduzione del prezzo delle azioni di NVIDIA. Sebbene questa non sia una consulenza di investimento, ciò può essere positivo per NVIDIA poiché maggiore è la potenza di calcolo offerta, più ampiamente dovrebbe essere utilizzata (ovvero il paradosso di Jevons15 ).
Tuttavia, dato che le prestazioni dei sistemi GPU migliorano più volte all'anno grazie ai progressi nella progettazione dei chip e nell'interconnessione, gli acquirenti farebbero bene a non acquistare oltre le loro necessità annuali, poiché ciò potrebbe portare a possedere sistemi obsoleti.
Tariffe e restrizioni all'esportazione
A NVIDIA è ora consentito esportare processori IA avanzati nel mercato cinese, segnando un cambiamento rispetto ai precedenti requisiti di vendere solo versioni depotenziate. Tuttavia, queste esportazioni devono affrontare nuovi ostacoli logistici e finanziari: i chip prodotti a Taiwan devono ora transitare attraverso gli Stati Uniti per test di terze parti, attivando una tariffa di sicurezza nazionale del 25% appena imposta.
Nonostante il ripristino dell'accesso all'hardware di fascia alta, i costi aggiuntivi e le complessità della catena di approvvigionamento continuano a incentivare il governo cinese e l'industria dei chip a sviluppare alternative locali competitive. Sebbene i chip cinesi attualmente siano inferiori alla più recente tecnologia di NVIDIA, queste barriere commerciali garantiscono che lo sviluppo nazionale rimanga una priorità strategica, potenzialmente sfidando il dominio di mercato di NVIDIA in futuro.16
Concorrenza nel mercato dell'inferenza
Mentre NVIDIA domina il mercato dell'"addestramento" IA, la concorrenza si sta intensificando nell'"inferenza", il deployment di modelli IA per compiti nel mondo reale. Aziende come AMD e numerose startup, tra cui Untether IA e Groq, stanno sviluppando chip che mirano a fornire soluzioni di inferenza più economiche, con particolare attenzione al minor consumo energetico.
Le nuove tecniche di IA "reasoning" richiedono maggiore potenza di calcolo. NVIDIA ritiene che il reasoning favorirà la sua architettura nel lungo termine e si aspetta che il mercato dell'inferenza alla fine superi di gran lunga quello dell'addestramento in termini di dimensioni, anche se la sua quota di mercato sarà inferiore. 17
2. AMD
AMD è un produttore di chip fabless con prodotti CPU, GPU e acceleratori IA.
AMD ha lanciato MI300 per carichi di lavoro di addestramento IA nel giugno 2023 e sta competendo con NVIDIA per la quota di mercato. Ci sono startup, istituti di ricerca, aziende e giganti tecnologici che hanno adottato l'hardware AMD nel 2023 poiché l'hardware IA Nvidia è stato difficile da reperire a causa della domanda in rapido aumento, con l'ascesa dell'IA generativa innescata dal lancio di ChatGPT.18 19 20
Nel 2025, AMD ha annunciato l'acquisizione di un talentuoso team di ingegneri hardware e software IA da Untether IA, uno sviluppatore di chip di inferenza IA ad alta efficienza energetica per fornitori edge e data center aziendali. Questa mossa migliora le capacità di compilatore IA, sviluppo kernel e progettazione di chip di AMD, rafforzando ulteriormente la sua posizione nel mercato dell'inferenza. Inoltre, AMD ha acquisito la startup di compilatori Brium per ottimizzare le prestazioni IA sulle sue GPU Instinct per data center per applicazioni aziendali.21
AMD rilascerà la serie MI350 per sostituire la MI300 e competere con la H200 di NVIDIA. AMD afferma che la MI325X, un altro chip recente, ha prestazioni di inferenza leader di mercato. A febbraio 2026, Meta ha annunciato un accordo infrastrutturale a lungo termine con AMD per implementare fino a 6 GW di AMD Instinct GPU, uno dei più grandi contratti di approvvigionamento GPU non-NVIDIA della storia e una significativa approvazione della roadmap hardware IA di AMD.22 23
AMD sta anche collaborando con aziende di machine learning come Hugging Face per consentire ai data scientist di utilizzare il loro hardware in modo più efficiente.24
L'ecosistema software è fondamentale poiché le prestazioni hardware dipendono fortemente dall'ottimizzazione software. Ad esempio, AMD e NVIDIA hanno avuto un disaccordo pubblico sul benchmarking di H100 e MI300. Il punto centrale del disaccordo era il pacchetto e la virgola mobile da utilizzare nel benchmark. Secondo gli ultimi benchmark, sembra che MI300 sia migliore o alla pari con H100 per l'inferenza su un LLM da 70B.25
Software
Mentre l'hardware AMD sta raggiungendo NVIDIA, il suo software è in ritardo in termini di usabilità. Mentre CUDA funziona immediatamente per la maggior parte delle attività, il software AMD richiede una configurazione significativa. 26
Ecosistema
Come NVIDIA, AMD sta investendo selettivamente negli utenti delle sue soluzioni per incentivare l'adozione del suo hardware. 27
3. Intel
Intel è il player più significativo nel mercato delle CPU e ha una lunga storia nello sviluppo di semiconduttori. A differenza di NVIDIA e AMD, Intel utilizza la propria fonderia per costruire i suoi chip.
Gaudi3 è il più recente processore acceleratore IA di Intel. 28 Tuttavia, le previsioni di vendita di Intel per Gaudi3 erano di circa 500 milioni di dollari per il 2024, un valore significativamente inferiore rispetto ai miliardi che AMD prevede di guadagnare nel 2024.
Sotto il nuovo CEO Lip-Bu Tan (nominato a marzo 2025), la strategia IA di Intel si è chiarita attorno a soluzioni su scala rack.29 Intel ha cancellato la sua GPU Falcon Shores per passare a Jaguar Shores, un acceleratore IA di prossima generazione su scala rack costruito sul nodo di processo 18A di Intel, e ha fatto nuovi annunci sull'hardware IA al Computex 2026, tra cui il processore Xeon 6+ sul nodo 18A e la GPU per data center Crescent Island.30 31
Quali fornitori di cloud pubblico producono chip IA?
4. AWS
AWS produce chip Tranium per l'addestramento di modelli e chip Inferentia per l'inferenza. Sebbene AWS sia il leader di mercato nel cloud pubblico, ha iniziato a sviluppare i propri chip dopo Google.
Centinaia di migliaia di chip Tranium2 vengono utilizzati per formare il cluster Project Rainier, che alimenta i modelli di LLM developer Anthropic.
5. Google Cloud Platform
Google Cloud TPU è il chip acceleratore di machine learning appositamente creato che alimenta prodotti Google come Translate, Photos, Search, Assistant e Gmail. Google ha annunciato le TPU nel 2016.32 L'ultima TPU Trillium è la 6a generazione.33
Google ha introdotto Ironwood. Quest'ultima generazione è specificamente progettata per complessi "modelli di pensiero" come LLM e MoE, offrendo un'enorme elaborazione parallela (4.614 TFLOP per chip) e scalando fino a 42.5 Exaflop in pod da 9.216 chip.34
Ironwood offre progressi significativi rispetto a Trillium, tra cui un'efficienza energetica 2x migliore, una capacità di memoria ad alta larghezza di banda 6x superiore (192 GB/chip), una larghezza di banda HBM 4,5x superiore (7,2 TBps/chip) e una velocità di interconnessione inter-chip 1,5x superiore (1,2 Tbps). Dispone inoltre di uno SparseCore migliorato per grandi embedding. Google produce anche il molto più piccolo Edge TPU per esigenze diverse, progettato per il deployment su dispositivi edge come smartphone e hardware IoT.
6. Alibaba
Alibaba produce chip come Hanguang 800 per l'inferenza. Tuttavia, alcune organizzazioni nordamericane, europee e australiane (ad esempio quelle del settore della difesa) potrebbero non preferire utilizzare Alibaba Cloud per ragioni geopolitiche.
7. IBM
IBM ha annunciato il suo ultimo chip di deep learning, l'unità di intelligenza artificiale (AIU), nel 2022.35 . IBM sta valutando di utilizzare questi chip per alimentare la sua piattaforma IA generativa Watsonx.36
L'IBM AIU si basa sul processore IBM Telum, che alimenta le capacità di elaborazione IA dei server mainframe IBM Z. Al momento del lancio, i casi d'uso evidenziati dei processori Telum includevano il rilevamento delle frodi.37
IBM ha anche dimostrato che unire calcolo e memoria può portare a efficienze. Queste sono state dimostrate nel prototipo del processore North Pole.38
8. Huawei
Il chip HiSilicon Ascend 910C di Huawei fa parte della famiglia di chip Ascend 910 introdotta nel 2019.
A causa delle sanzioni, i laboratori IA in Cina non possono acquistare i chip più recenti e con le migliori prestazioni da aziende statunitensi come NVIDIA o AMD. Pertanto, stanno sperimentando con Ascend 910C.
Il cloud di Huawei ospita modelli DeepSeek e un ricercatore di DeepSeek afferma che può raggiungere il 60% delle prestazioni di inferenza di NVIDIA H100. 39
Quali fornitori di IA cloud producono i propri chip?
Questi fornitori non dispongono di cloud pubblici con capacità complete come gli hyperscaler. Forniscono servizi cloud limitati, in genere focalizzati sull'inferenza IA. Siamo riusciti a iscriverci a questi servizi senza parlare con i team di vendita:
9. Groq
Groq è stata fondata da ex dipendenti Google. L'azienda rappresenta le LPU, un nuovo modello di architettura di chip IA, che mira a rendere più facile per le aziende adottare i loro sistemi. La startup ha già raccolto circa 350 milioni di dollari e ha prodotto i suoi primi modelli, come GroqChip™ Processor, GroqCard™ Accelerator, ecc.
L'azienda è focalizzata sull'inferenza LLM e ha pubblicato benchmark per Llama-2 70B.40
Recentemente, Groq si è assicurata un significativo impegno di investimento di 1,5 miliardi di dollari dall'Arabia Saudita per espandere la consegna dei suoi chip IA avanzati nel paese. Questo investimento sarà utilizzato per espandere il data center esistente di Groq a Dammam, in Arabia Saudita, costruito in collaborazione con Aramco Digital.41
Nel Q1 2024, l'azienda ha comunicato che 70k sviluppatori si sono iscritti alla sua piattaforma cloud e hanno creato 19k nuove applicazioni.42
Il 1° marzo 2022, Groq ha acquisito Maxeler, che dispone di soluzioni di calcolo ad alte prestazioni (HPC) per i servizi finanziari.43
10. SambaNova Systems
SambaNova Systems è stata fondata nel 2017 per sviluppare sistemi hardware-software ad alte prestazioni e alta precisione per carichi di lavoro di IA generativa ad alto volume. L'azienda ha raccolto più di 1,5 miliardi di dollari in finanziamenti totali, incluso un round Serie E da 350 milioni di dollari a febbraio 2026.44
A febbraio 2026, SambaNova ha presentato il chip SN50, la sua ultima Reconfigurable Data Unit (RDU), rivendicando una velocità massima 5x più veloce rispetto ai chip concorrenti e un costo totale di proprietà 3x inferiore rispetto alle GPU per carichi di lavoro di IA agentic. L'SN50 offre 5x più calcolo per acceleratore e 4x più larghezza di banda di rete rispetto alla precedente generazione SN40L, e supporta un'architettura di memoria a tre livelli per modelli con oltre 10 trilioni di parametri e lunghezze di contesto di oltre 10 milioni di token.45
SoftBank Corp. sarà il primo cliente a implementare l'SN50 nei suoi data center IA di prossima generazione in Giappone.
SambaNova ha anche annunciato una pianificata collaborazione strategica pluriennale con Intel per fornire soluzioni di inferenza IA, combinando i sistemi SambaNova con processori Intel Xeon, Intel GPU e networking Intel per alimentare un'infrastruttura di inferenza scalabile come alternativa alle soluzioni incentrate sulle GPU.
SambaNova Systems affitta la sua piattaforma alle aziende tramite SambaCloud. Questo approccio IA platform-as-a-service rende i loro sistemi più facili da adottare e incoraggia il riutilizzo dell'hardware per l'economia circolare.46
Quali sono le principali startup di chip IA?
Vorremmo anche presentare alcune startup nel settore dei chip IA i cui nomi potremmo sentire più spesso nel prossimo futuro.
11. Cerebras
Cerebras è stata fondata nel 2015 ed è l'unico importante produttore di chip focalizzato su chip a scala di wafer. 47 I chip a scala di wafer presentano vantaggi nel parallelismo rispetto alle GPU, grazie alla loro maggiore larghezza di banda di memoria. Tuttavia, la progettazione e la produzione di tali chip è una tecnologia emergente.
I chip Cerebras includono:
- WSE-1 con 1,2 trilioni di transistor e 400k core di elaborazione.
- WSE-2, con 2,6 trilioni di transistor e 850k core, è stato annunciato nell'aprile 2021. Ha sfruttato il processo 7nm di TSMC
- WSE-3, con 4 trilioni di transistor e 900k core IA, è stato annunciato a marzo 2024. Sfrutta il processo 5nm di TSMC48
Il sistema di Cerebras lavora con aziende farmaceutiche come AstraZeneca e GlaxoSmithKline e laboratori di ricerca che si affidano ad esso per simulazioni. Si rivolge anche ai creatori di LLM poiché i suoi chip possono ridurre i costi di inferenza per i modelli di frontiera.
Cerebras offre anche i suoi chip sul suo cloud alle aziende.
12. d-Matrix
d-Matrix segue un approccio innovativo, abbandonando la tradizionale architettura von Neumann a favore del calcolo in memoria. Sebbene questo approccio abbia il potenziale per risolvere il collo di bottiglia tra memoria e calcolo, è nuovo e non comprovato. A novembre 2025, d-Matrix ha raccolto 275M di dollari in un round Serie C co-guidato da Bullhound Capital, Triatomic Capital e Temasek, con la partecipazione di M12 di Microsoft come investitore successivo, valutando l'azienda 2 miliardi di dollari.49 50
A giugno 2026, d-Matrix è entrata in piena produzione di chip con la sua piattaforma di inferenza IA Corsair, basata su un'architettura chiplet di calcolo in memoria SRAM, con test indipendenti che dimostrano un miglioramento della velocità di oltre 10x rispetto alle alternative solo GPU per carichi di lavoro di inferenza IA.51
13. Rebellions
Una startup con sede in Corea ha raccolto 124M di dollari nel 2024 ed è focalizzata sull'inferenza LLM.52
Rebellions si è fusa con un'altra azienda coreana di progettazione di semiconduttori, SAPEON, e ha raggiunto una valutazione da unicorno nel 2024.53
A luglio 2025, Rebellions si è assicurata un investimento dal gigante tecnologico Samsung come parte di un round di finanziamento che punta a raccogliere fino a 200 milioni di dollari, in vista di un'offerta pubblica iniziale (IPO) pianificata. L'azienda ha raccolto 220 milioni di dollari dalla sua fondazione nel 2020 e sta collaborando con Samsung per portare sul mercato il suo chip di seconda generazione, Rebel-Quad (comprendente quattro chip Rebel IA), entro la fine del 2025, sfruttando il processo di produzione a 4 nanometri di Samsung. 54
14. Tenstorrent
L'ultimo processore Blackhole Tensix di Tenstorrent offre prestazioni di 664 TFLOPS (BLOCKFP8), abbinato a 32GB di memoria GDDR6 e 512 GB/s di larghezza di banda di memoria.
La scheda P150a ha un prezzo di 1.399 dollari e dispone di quattro porte QSFP-DD 800G per il ridimensionamento multi-scheda. Il modello entry-level P100a parte da $999.55
Tenstorrent offre uno stack software completamente open-source. L'azienda ha raccolto 700M di dollari a una valutazione di oltre 2,6 miliardi di dollari da investitori, tra cui Jeff Bezos, a dicembre 2024. 56
15. Positron
Positron è stata fondata nel 2023 e si concentra esclusivamente sull'inferenza di modelli transformer. L'azienda adotta un approccio ASIC, costruendo hardware appositamente ottimizzato per le architetture transformer piuttosto che per il calcolo generico su GPU.
Prodotti:
- Atlas (in spedizione ora): un server di inferenza transformer dotato di 8x Positron Archer Transformer Accelerator con 256 GB di HBM totale. L'azienda rivendica prestazioni per watt >4x e prestazioni per dollaro >3x rispetto ai sistemi NVIDIA Hopper, con benchmark su Llama 3.1 8B con calcolo BF16.57
- Titan (in arrivo nel 2027): un sistema di prossima generazione con oltre 8 TB di memoria alimentato da 4x chip personalizzati Asimov, progettato per supportare fino a 16 trilioni di parametri e finestre di contesto di oltre 10 milioni di token in un fattore di forma 4U raffreddato ad aria.58
- Asimov (in arrivo nel 2027): silicio acceleratore di inferenza personalizzato con oltre 2 TB di memoria per chip.
Positron ha raccolto un round Serie B di oltre 230M di dollari all'inizio del 2026 con investitori tra cui QIA, Arm Holdings, Arena e Jump Trading59
Atlas è attualmente utilizzato da società di networking, giochi, moderazione dei contenuti, CDN e Token-as-a-Service. Positron afferma che il suo sistema Atlas ha dimostrato una latenza end-to-end 3x inferiore per carichi di lavoro di inferenza di trading rispetto a sistemi H100 comparabili, consumando un terzo dell'energia.
I chip di Positron sono progettati, fabbricati e assemblati negli Stati Uniti.
16. _etched
Il loro approccio sacrifica la flessibilità per l'efficienza, incidendo l'architettura transformer direttamente nei loro chip.
Il team afferma che
- Sohu ha costruito il primo ASIC transformer al mondo.
- Questi 8 chip Sohu possono generare >500.000 token/secondo. Questo è un ordine di grandezza superiore a quanto possono ottenere 8 NVIDIA B200.
Attualmente, questi si basano su misurazioni interne del team. I team di AIMultiple non hanno ancora incontrato benchmark o referenze di clienti. Siamo curiosi di sapere:
- Cosa succede quando il modello diventa obsoleto? Gli utenti devono acquistare un nuovo chip o il vecchio chip può essere riconfigurato con il modello successivo?
- Come hanno eseguito il loro benchmark? Quale quantizzazione e modello sono stati utilizzati?
Aggiorneremo non appena il team di _etched rilascerà maggiori dettagli. Sarà interessante vedere se incidere i modelli sui chip sarà sostenibile, dato il rilascio di nuovi modelli ogni pochi mesi.
17. Taalas
Taalas è stata fondata all'inizio del 2023 e adotta l'approccio più estremo alla specializzazione dei chip IA: cablando direttamente singoli modelli in silicio personalizzato, producendo ciò che l'azienda chiama "Hardcore Models".60 L'azienda afferma di poter trasformare qualsiasi modello IA mai visto prima in silicio personalizzato entro due mesi.
L'architettura di Taalas unifica storage e calcolo su un singolo chip a densità di livello DRAM, eliminando la necessità di HBM, packaging avanzato, stacking 3D, raffreddamento a liquido o I/O ad alta velocità. L'azienda descrive questo come una semplificazione radicale dello stack hardware.
Prodotti:
- HC1 (disponibile ora): un dimostratore tecnologico cablato con Llama 3.1 8B, costruito su TSMC 6nm con 53 miliardi di transistor. Taalas rivendica 17.000 token al secondo per utente, che secondo loro è quasi 10x più veloce dello stato dell'arte attuale, costando 20x in meno da costruire e consumando 10x meno energia in un server raffreddato ad aria da 2,5 kW. Tuttavia, il modello utilizza una quantizzazione aggressiva personalizzata a 3 e 6 bit, che introduce degradazioni di qualità rispetto ai baseline delle GPU.61
- HC2 (pianificato): una piattaforma di seconda generazione con densità maggiore, esecuzione più veloce e formati a virgola mobile standard a 4 bit per affrontare le limitazioni di quantizzazione di HC1.
Taalas ha raccolto più di 200 milioni di dollari, ma riferisce di aver speso solo 30 milioni di dollari per portare il suo primo prodotto sul mercato con un team di 24 persone.
18. Extropic
Extropic ha raccolto un round di 14M di dollari alla fine del 2023 per utilizzare la termodinamica per l'informatica. L'azienda non ha ancora rilasciato un chip.
19. Vaire
Vaire è una startup con sede nel Regno Unito pioniera del calcolo reversibile, un approccio innovativo che mira a creare chip a energia quasi zero. A differenza del calcolo tradizionale, dove l'energia viene persa come calore, il calcolo reversibile ricicla una parte significativa dell'energia per i calcoli successivi.
Vaire ha dimostrato un chip di prova in grado di recuperare il 50% della sua energia, mostrando il potenziale della tecnologia per ridurre il consumo energetico dei carichi di lavoro IA e aggirare i limiti fisici, o la barriera termica, che stanno sfidando la moderna produzione di semiconduttori. 62
20. Fractile
Fractile è una startup di chip di inferenza IA con sede nel Regno Unito uscita dalla modalità stealth a luglio 2024 con 15 milioni di dollari di finanziamenti per sfidare NVIDIA sull'inferenza di modelli di frontiera.63
L'azienda sta costruendo processori che intervallano fisicamente memoria e calcolo sullo stesso die, che a suo dire risolve il requisito simultaneo di bassa latenza e alta produttività che le GPU non possono soddisfare per l'inferenza di modelli di frontiera. Fractile afferma che il suo design può eseguire modelli di frontiera fino a 25x più velocemente e a 1/10 del costo delle soluzioni esistenti, con l'obiettivo di servire migliaia di token al secondo a migliaia di utenti simultanei.
Fractile ha sede a Londra con ingegneria hardware a Bristol, ed è stata profilata dal Financial Times a marzo 2025 come parte di un'ondata di startup focalizzate sull'inferenza che sfidano il dominio di NVIDIA.64
Aggiungi come fonte preferitaQuali sono i prossimi produttori di hardware IA?
Sebbene queste siano soluzioni hardware IA interessanti, attualmente ci sono benchmark limitati sulla loro efficacia poiché sono nuovi arrivati sul mercato.
21. Apple
Il Project ACDC di Apple sarebbe focalizzato sulla costruzione di chip per l'inferenza IA nei data center, con la produzione di massa prevista per la seconda metà del 2026.65 Apple è già un importante progettista di chip con i suoi semiconduttori progettati internamente utilizzati in iPhone, iPad e MacBook. Apple sta rafforzando la sua strategia IA on-device con il framework Core IA, che esegue i modelli interamente su Apple silicon senza dipendenze da server, supportato da un repository open-source di modelli Core IA su GitHub.66 67
22. Meta
Meta Training and Inference Accelerator (MTIA) è una famiglia di processori per carichi di lavoro IA come l'addestramento dei modelli LLaMa di Meta.
L'ultimo modello MTIA, Next Gen MTIA, è basato sulla tecnologia TSMC 5nm e si dice offra prestazioni 3x superiori rispetto a MTIA v1. L'MTIA sarà ospitato in rack contenenti fino a 72 acceleratori.68
MTIA è attualmente per uso interno di Meta. Tuttavia, in futuro, se Meta lanciasse un'offerta di IA generativa aziendale basata su LLaMa, questi chip potrebbero alimentare tale offerta.
23. Microsoft Azure
All'Hot Chips 2024, Microsoft ha presentato Maia 100, il suo primo acceleratore IA personalizzato progettato per ottimizzare carichi di lavoro IA su larga scala in Azure attraverso la co-ottimizzazione hardware e software. Costruito sul processo N5 di TSMC con tecnologia avanzata di memoria e interconnessione, Maia 100 punta a un'elevata produttività e a diversi formati di dati, offrendo flessibilità agli sviluppatori tramite il suo SDK per il rapido deployment di modelli PyTorch e Triton. Microsoft ha lanciato Maia 200 (nome in codice Braga) il 26 gennaio 2026, come acceleratore IA focalizzato sull'inferenza per Azure, progettato per ridurre i costi dei token IA e offrire prestazioni per dollaro migliori del 30% rispetto ai sistemi esistenti.69
24. OpenAI
OpenAI sta finalizzando il design del suo primo chip IA con Broadcom e TSMC utilizzando la tecnologia a 3 nanometri di TSMC. La leadership del team chip di OpenAI ha esperienza nella progettazione di TPU presso Google, e mirano a far produrre in massa il loro chip nel 2026. Il chip Project Titan di OpenAI, co-sviluppato con Broadcom e fabbricato sul processo 3nm di TSMC, è in linea per la produzione di massa nella seconda metà del 2026.70 71
Samsung si è assicurata un accordo per fornire memoria HBM4 per il chip Titan, destinando, secondo quanto riferito, oltre il 50% della capacità della sua fonderia di Pyeongtaek ai die di base HBM4 per questo scopo.72 OpenAI e Broadcom hanno annunciato il chip di inferenza Jalapeño, una collaborazione strategica di circa 10 miliardi di dollari che mira a 10 GW di calcolo IA distribuito entro il 2029 per ridurre la dipendenza di OpenAI da NVIDIA.73
Quali sono altri produttori di chip IA?
25. Graphcore
Graphcore è un'azienda britannica fondata nel 2016. L'azienda ha annunciato il suo chip IA di punta come IPU-POD256. Graphcore ha già ricevuto finanziamenti per circa 700 milioni di dollari.
L'azienda ha partnership strategiche con aziende di data storage come DDN, Pure Storage e Vast Data. I chip IA di Graphcore servono istituti di ricerca come l'Oxford-Man Institute of Quantitative Finance, l'Università di Bristol e la Berkeley University of California.
La redditività a lungo termine dell'azienda era a rischio poiché perdeva circa 200 milioni di dollari all'anno.74 Graphcore è stata acquisita da SoftBank per oltre 600 milioni di dollari nell'ottobre 2024.75
26. Mythic
Mythic è stata fondata nel 2012 ed è focalizzata sull'IA edge. Mythic segue un percorso non convenzionale, un'architettura di calcolo analogico, che mira a fornire un calcolo IA edge efficiente dal punto di vista energetico.
Ha sviluppato prodotti come M1076 AMP e la scheda chiave MM1076, e ha già raccolto circa 165 milioni di dollari in finanziamenti.76
Mythic ha licenziato la maggior parte del suo personale e ha ristrutturato la sua attività con il round di finanziamento di marzo 2023.77
27. Speedata
Fondata nel 2019 a Tel Aviv, Speedata sviluppa un'Analytics Processing Unit (APU) progettata per accelerare l'analisi dei big data e i carichi di lavoro IA. È un'APU che si rivolge ai carichi di lavoro Apache Spark, con piani per supportare altre importanti piattaforme di analisi dei dati.
Speedata ha raccolto 44 milioni di dollari in un round Serie B nel giugno 2025, guidato da Walden Catalyst Ventures, 83North e altri, portando il suo finanziamento totale a 114 milioni di dollari. L'azienda afferma che la sua APU supera i processori generici e le GPU sostituendo rack di server con un singolo chip, offrendo prestazioni ed efficienza energetica superiori per l'elaborazione dei dati.78
28. Axelera IA
Fondata nel luglio 2021 a Eindhoven, nei Paesi Bassi, Axelera IA è specializzata in tecnologia di accelerazione hardware IA per la visione artificiale e l'IA generativa. L'azienda sta sviluppando Titania, un chiplet di inferenza IA basato sulla sua architettura Digital In-Memory Computing (D-IMC), progettato per accelerare i carichi di lavoro IA dall'edge al cloud.
Axelera IA si è assicurata fino a €61,6 milioni di finanziamenti dall'EuroHPC Joint Undertaking (JU) e dagli stati membri nell'ambito del progetto DARE nel marzo 2025, dopo un precedente round di finanziamento Serie B da 68 milioni di dollari. Questo porta il loro finanziamento totale a oltre 200 milioni di dollari in tre anni. Axelera IA mira a distribuire Titania entro il 2028 per soddisfare la crescente domanda di soluzioni IA ad alte prestazioni, economiche e sostenibili, sottolineando la sua capacità di migliorare la produttività e l'efficienza rispetto alle soluzioni cloud tradizionali.79
Partner di fonderia e ruolo di TSMC
In quanto principale fonderia pura al mondo, TSMC produce semiconduttori basati sui progetti dei clienti piuttosto che creare i propri chip, distinguendosi da aziende come NVIDIA e AMD. Mentre Samsung Foundry e Intel Foundry Services competono in questo spazio, TSMC mantiene un vantaggio tecnologico.
Le sue tecnologie di processo avanzate, in particolare i suoi pionieristici nodi 5nm e 3nm, forniscono la combinazione essenziale di prestazioni ed efficienza energetica richiesta per le applicazioni IA all'avanguardia, come dimostrato dalle sue partnership di produzione con i progettisti di chip IA elencati di seguito:
Piani di espansione
TSMC sta cercando Nvidia, AMD, Broadcom e Qualcomm per investire in una joint venture per gestire la divisione fonderie di Intel, mantenendo il controllo operativo ma meno del 50% di proprietà. Questa iniziativa, sostenuta dall'amministrazione Trump, arriva dopo che TSMC ha annunciato piani per un significativo investimento negli Stati Uniti e mira a rilanciare Intel e rafforzare la produzione di chip negli Stati Uniti. L'accordo affronta sfide dovute alle differenze di processo ma si basa sui punti di forza di TSMC come fonderia leader.80 81
Quali sono i produttori di chip IA in Cina?
A causa delle sanzioni statunitensi che impediscono a molte aziende cinesi di acquisire i chip IA più avanzati da AMD e NVIDIA, gli acquirenti cinesi hanno aumentato i loro acquisti dai produttori locali.
Oltre a Huawei e Alibaba trattati sopra, questi sono i principali produttori di chip IA in Cina:
- Cambricon si concentra sull'hardware IA e prevede vendite per circa 150 milioni di dollari nell'ultimo anno di attività. 82
- Baidu utilizza i chip Kunlun nel suo cloud e sta progettando il chip di 3a generazione. Kunlun 2 era paragonabile a NVIDIA A100.
- Biren, fondata da ex-alunni di NVIDIA, produce chip GPU BR106 e BR110.
- Moore Threads produce GPU MTT S2000.
FAQ
I chip e le attrezzature che li costruiscono sono le macchine più complesse mai costruite dall'uomo. Sebbene ci siano molte aziende nell'ecosistema dei semiconduttori, in questo articolo ci siamo concentrati sui progettisti di chip come NVIDIA.
La maggior parte dei progettisti di chip esternalizza la produzione a fonderie come TSMC. Le fonderie utilizzano apparecchiature litografiche prodotte da aziende come ASML per produrre questi chip. L'ecosistema è supportato da fornitori come Arm e Synopsys che forniscono IP e strumenti di progettazione.
Come si è visto sopra, un numero crescente di parametri, dimensioni del dataset e calcolo ha portato i modelli di IA generativa a diventare più precisi. Per costruire migliori modelli di deep learning e alimentare applicazioni di IA generativa, le organizzazioni necessitano di maggiore potenza di calcolo e larghezza di banda di memoria.
I chip generici potenti (come le CPU) non possono supportare modelli di deep learning altamente parallelizzati. Pertanto, i chip IA (ad esempio, le GPU) che consentono capacità di calcolo parallelo sono sempre più richiesti.
Gli hyperscaler stanno rispondendo a questo progettando i propri chip, un processo che richiede anni. Gli altri devono seguire una di queste strade per costruire i propri modelli IA: affittare capacità dai fornitori di cloud GPU o acquistare hardware dai principali fornitori di chip IA elencati in questo articolo.
L'hardware IA è anche chiamato unità di elaborazione neurale (NPU), acceleratori IA o processori di deep learning (DLP).
Ulteriori letture
Per confronti pratici delle prestazioni dei chip trattati in questo articolo, consulta i nostri benchmark:
- Benchmark multi-GPU: come le B200, H200, H100 di NVIDIA e la MI300X di AMD scalano su configurazioni a 1, 2, 4 e 8 GPU per l'inferenza LLM, con analisi di throughput, latenza e costo per token.
- Benchmark di concorrenza GPU: come le B200, H200, H100 di NVIDIA e la MI300X di AMD gestiscono da 1 a 512 richieste simultanee, includendo throughput di sistema, velocità per query, latenza end-to-end e token per dollaro a ciascun livello di concorrenza.
Riferimenti
Cita questa ricerca
Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{I migliori 25+ produttori di chip IA: NVIDIA e i suoi concorrenti}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/ai-chip-makers}},
note = {AIMultiple. Consultato il 25 Giugno 2026}
}Collegamenti di riferimento
Commenti 2
Condividi i tuoi pensieri
Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.
You forgot to include Tesla with their DOJO supercomputer. From the ground-up, the supercomputer was specifically designed for machine learning and image recognition - which means that every component was designed for it including, but not limited to, PCI board design, CPU, RAM, cooling, power, scalable hardware design and software. If I'm not mistaken, the AI is also the second most widely tested and used in the "wild", just below that of Google due to Google using it in their Search.
Thank you for your feedback, Dave! Here we are only covering companies that sell the chips that they produce. Therefore, companies like Tesla that build supercomputers for their own use or companies that embed chips in their products are out of our scope.
surprised that brainchip (akida) missing in this report. any reasons?
All included companies here raised $100+M. Last time we collected the data, that wasn't the case for akida. Why don't you reach out to us at info@aimultiple.com and let's discuss why it should be included. Thank you!