Nvidia e altri

Chip AI, Moore è in crisi: quali vie per continuare a crescere



Indirizzo copiato

La produzione di chip sta raggiungendo limiti fisici invalicabili e si pensa a una soluzione per superare il blocco della legge di Moore. Giocheranno un ruolo l’optical computing, il quantum computing e la maturazione delle architetture software indotta dall’AI generativa. L’annuncio di Nvidia al Gtc 2026 va in questa direzione

Pubblicato il 19 mar 2026

Antonio Cisternino

Università di Pisa



chip moore AI
AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti




Per decenni la legge di Moore ha assicurato una crescita esponenziale delle capacità di calcolo grazie alla possibilità di raddoppiare il numero di transistor ogni due anni.

Questa osservazione empirica è quella che ha alimentato una delle più grosse rivoluzioni della società umana ed ha reso possibile la realizzazione dell’intelligenza artificiale.

Ma ormai i processi fotolitografici utilizzati per realizzare i circuiti e di fatto stampare i microchip stanno raggiungendo limiti fisici, consentendo di realizzare vere e proprie stampe microscopiche in cui poche decine di atomi separano le piste attraversate dagli elettroni che alimentano i nostri dispositivi e supercomputer.

Nvidia GTC 2026 — Biggest Takeaways

Gtc 2026: Nvidia verso la fotonica

Che fare? Le ipotesi tracciate da aziende e ricercatori sono numerose.

Jensen Huang sul palco del Keynote della conferenza GTC 2026 ora in corso ha mostrato Quantum-X e Spectrum-X, i processori basati su photonics capaci di trasformare le comunicazioni da elettronico ad ottico e viceversa direttamente sul chip.

Si tratta di notizia degna di attenzione poiché apre l’impiego di un accoppiamento stretto tra elettronica e ottica all’uso in architetture di larga diffusione come le AI factories per ottenere sia una riduzione della potenza necessaria per operare che una minor latenza per poter fronteggiare le richieste di gestire strutture dati distribuite in memoria come i grandi modelli LLM.

I limiti della legge di Moore nella produzione dei chip

Il problema da superare è arduo. La densità di transistor per unità di superficie è destinata a rallentare con gli attuali processi produttivi, e né il raddoppiare della superficie del chip né il miglioramento del processo (magari passando dall’uso della luce UV ai raggi X su cui stanno lavorando ricercatori di varie università di varie parti del mondo) sembrano consentire la crescita esponenziale che ci ha accompagnato per così tanti decenni.

Almeno per ora non si vedono soluzioni all’orizzonte capaci di cambiare lo scenario usando le tecnologie basate sulla stampa di silicio, a meno che non si trovino modi per usare in modo efficace la terza dimensione, come in parte avviene per le tecnologie di memorizzazione a stato solido.

Se il rallentamento della legge di Moore sembra per ora non trovare soluzioni, si sta ponendo sempre più attenzione alla riduzione della potenza necessaria per operare i chip densi che sappiamo già realizzare e che richiedono sempre più energia e capacità di dissipare calore.

Superconduttori e nuove efficienze energetiche

C’è chi, come la startup Snowcap Compute, cerca di introdurre la tecnologia dei superconduttori nell’equazione affidandosi alle proprietà di questi materiali per azzerare la resistenza e migliorare quindi l’efficienza energetica dei chip.

Come la legge di Moore incontra la frontiera della fotonica

Una linea di ricerca alternativa che sembra promettere novità nel settore della fabbricazione di microchip è quella di introdurre elementi di trasmissione ottica nell’elettronica convenzionale come testimoniato dalla startup Ayar Labs sostenuta da nVidia e AMD che cerca di effettuare comunicazioni non più basate su semplice rame ma sfruttando fibre ottiche e di conseguenza riducendo le richieste di potenza e di dissipazione termica.

Si tratta di una strada che sicuramente è interessante perché cerca di superare il confine del silicio e potrebbe offrire nuove opzioni per la realizzazione di architetture che almeno in parte possano compensare l’arrestarsi della legge di Moore.

Il funzionamento del sistema ibrido ottico-elettronico

Qui si incastra l’annuncio Nvidia.

La tecnologia di funzionamento di questo sistema industriale ibrido ottico/elettronico è sicuramente molto affascinante: l’impossibilità di miniaturizzare un laser ha portato ad architetture in cui un laser viene fatto passare in un circuito ottico che attraversa una parte del chip che può “tappare” o meno la linea consentendo la comunicazione. Resta da capire quando sarà operativa nelle grandi installazioni quanti guadagni porterà e se giustifica investimenti per l’ulteriore sviluppo di queste tecnologie.

Dopo la legge di Moore: optical computing, quantum computing e AI

In questo quadro complesso in cui la ricerca e lo sviluppo dei chip si trova a dover fare i conti con la fine di un’era vedremo moltiplicarsi i tentativi di trovare nuove direzioni di crescita in cui sicuramente giocheranno un ruolo l’optical computing, il quantum computing e la maturazione delle architetture software indotta dall’AI generativa. Non è un caso che Jensen sul palco abbia confrontato la legge di Moore alla velocità con cui i modelli AI stanno ottimizzando la generazione di token.

L’ottimizzazione del design oltre la legge di Moore

Sicuramente un’altra direzione in cui guardare è l’ottimizzazione dei design, magari supportata dall’AI, potrebbe contribuire all’efficientamento dell’uso della superficie a disposizione consentendo di recuperare inefficienze che sicuramente si saranno accumulate nel corso degli anni in cui la continua crescita di disponibilità incoraggiava lo sviluppo rispetto all’ottimizzazione.

Non resta che osservare l’evoluzione del software e dell’hardware e, nuovamente volendo citare Jensen, della necessità di una maggiore integrazione tra questi due mondi per assicurare la crescita nonostante sia iniziata l’era post Moore Law.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
Produttività e AI
AI IN AZIENDA
AI E LAVORO
SCENARI
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x