Nvidia investe in Thinking Machines Lab. E lo fa con una partnership pluriennale che prevede la fornitura di almeno un gigawatt di chip di ultima generazione per addestrare e far funzionare i modelli di IA della startup fondata da Mira Murati, ex chief technology officer di OpenAI.
L’accordo include anche una collaborazione per progettare sistemi di addestramento basati su tecnologia Nvidia, oltre a un investimento diretto di entità e struttura non rivelate.
La notizia, riportata dal Wall Street Journal, arriva in un momento tutt’altro che sereno. Thinking Machines ha infatti attraversato mesi di turbolenze profonde: abbiamo raccontato prima il “saccheggio” di tre co-fondatori tornati a OpenAI, poi il retroscena umano che aveva innescato l’implosione interna.
Quattro fondatori persi su sei in meno di un anno, incluso l’ex CTO Barret Zoph. Il capitale non mancava (2 miliardi di dollari raccolti, valutazione da 12 miliardi), mancava la coesione. Ora Nvidia offre qualcosa di diverso dai soldi: un’infrastruttura.
Un gigawatt per 120 persone
Per capire la portata dell’accordo serve una scala di riferimento. Un gigawatt equivale alla produzione di una centrale nucleare. I data center più grandi attualmente in funzione operano nell’ordine delle centinaia di megawatt. Thinking Machines, che oggi conta circa 120 dipendenti (erano 30 un anno fa), si ritrova con una dotazione di potenza computazionale da grande laboratorio industriale.
Il primo prodotto rilasciato dalla startup, Tinker, è uno strumento per aiutare i ricercatori ad addestrare modelli di IA. La missione dichiarata è costruire sistemi di intelligenza artificiale “che lavorino con gli esseri umani anziché operare in modo autonomo”.
È un posizionamento che si colloca retoricamente in contrasto con la traiettoria di OpenAI verso l’autonomia dei modelli. Ma al di là delle dichiarazioni, le intenzioni concrete di Thinking Machines restano ancora in gran parte opache.
Nvidia e il modello dell’investitore-fornitore
La partnership non è un gesto isolato. Nvidia ha consolidato negli anni un modello preciso: finanziare le realtà emergenti dell’IA che diventano poi clienti strutturali dei suoi chip.
Lo ha fatto di recente anche con AMI Labs di Yann LeCun. Il meccanismo è circolare: l’investimento garantisce alla startup la potenza di calcolo necessaria per competere, e a Nvidia un cliente fidelizzato.
Mira Murati ha definito la tecnologia di Nvidia “la base su cui è costruito l’intero settore”. Al di là del tono celebrativo, la frase fotografa un dato strutturale: l’intera industria dell’IA dipende dall’infrastruttura di un unico fornitore.
La dipendenza dall’infrastruttura Nvidia non è una debolezza esclusiva di Thinking Machines: è una condizione dell’intera industria dell’IA. Ma per una startup che ha appena perso metà del nucleo fondatore, il legame con il fornitore di chip diventa qualcosa di più di una partnership commerciale. Diventa un’ancora.
Thinking Machines e la scommessa su chi è rimasto
Il CEO di Nvidia Jensen Huang ha motivato l’investimento citando il team di Thinking Machines, che “ha messo insieme un gruppo di livello mondiale per far progredire la frontiera dell’IA”.
Tra i nomi, spicca quello di John Schulman, co-fondatore di OpenAI e oggi chief scientist della startup di Murati, dopo un breve passaggio in Anthropic. Il nuovo CTO è Soumith Chintala, veterano di Meta e figura chiave nello sviluppo di PyTorch.
Sono profili di primo piano. Ma la domanda che i mesi scorsi hanno reso ineludibile è un’altra: basteranno? Thinking Machines ha dimostrato che i miliardi in cassa non garantiscono la stabilità del nucleo dirigente. Ora ha i chip, ha i finanziamenti, ha nomi di peso.
Quello che ancora manca è una visione concreta che vada oltre le dichiarazioni di intenti. In un settore dove le valutazioni astronomiche si costruiscono sulle promesse, la differenza la fa chi riesce a mantenerle.
Fonte: Wall Street Journal
