Storia di NVIDIA e Jensen Huang: tra GPU e Intelligenza Artificiale
Dai videogiochi ai chip che fanno funzionare l’IA: le innovazioni introdotte dall’azienda nata negli anni Novanta
NVIDIA è un’azienda statunitense di semiconduttori, conosciuta soprattutto per le sue schede grafiche, le GeForce, apprezzate in particolare nel mondo gaming, e per i processori utilizzati nell’intelligenza artificiale. Fondata nel 1993, ha costruito la propria attività attorno alle GPU: chip progettati per l’elaborazione grafica, che si sono rivelati adatti anche ai calcoli necessari per sviluppare e utilizzare i sistemi di IA utilizzati oggi da milioni di persone nel mondo.
Un brand diventato così familiare prima agli appassionati di videogiochi, poi a chi lavora con la grafica e infine a un pubblico più ampio, con la diffusione dell’intelligenza artificiale generativa.
Ripercorriamo la storia dell’azienda e le innovazioni principali che ha introdotto in oltre 30 anni di attività.
Cos’è NVIDIA e di cosa si occupa
NVIDIA è una società tecnologica con sede a Santa Clara, in California. Progetta processori, sistemi informatici e software destinati ai videogiochi, alla creazione di contenuti, alla ricerca e all’intelligenza artificiale. Le sue azioni sono quotate al Nasdaq con la sigla NVDA.
Al centro della sua attività ci sono le GPU, acronimo di Graphics Processing Unit, cioè unità di elaborazione grafica. Questi processori riescono a svolgere moltissimi calcoli contemporaneamente: una capacità utile sia per generare le immagini di un videogioco sia per elaborare i dati di una rete neurale, uno dei sistemi alla base dell’IA.
La storia di NVIDIA: dalle difficoltà iniziali al successo di GeForce
NVIDIA nasce il 5 aprile 1993 per iniziativa di Jensen Huang, Chris Malachowsky e Curtis Priem, tre ingegneri con esperienza nel settore informatico. La loro idea è di sviluppare chip capaci di portare la grafica tridimensionale sui personal computer, puntando soprattutto sul mondo dei videogiochi.
Il primo prodotto di NVIDIA, NV1, arriva nel 1995 e integra funzioni grafiche, video e audio, ma non ottiene il successo sperato: a metà degli anni Novanta l’azienda si trova in gravi difficoltà economiche.
Poco dopo, il team lavora a NV2, un chip sviluppato insieme a Sega per la sua console di nuova generazione. Il progetto si basa però su un’architettura diversa da quella che si sta affermando nel settore, legata all’interfaccia DirectX di Microsoft. Huang comprende che continuare su quella strada significherebbe impiegare le poche risorse disponibili in una tecnologia senza sufficienti prospettive. Abbandonare il contratto, d’altra parte, priverebbe NVIDIA dei fondi necessari per sopravvivere.
A questo punto, il dirigente Sega Shoichiro Irimajiri accetta di liberare NVIDIA dall’obbligo di completare il progetto, continuando a sostenerla economicamente con circa cinque milioni di dollari.
Un primo successo arriva con RIVA 128, lanciato nel 1997. Il chip gestisce sia la grafica bidimensionale sia quella tridimensionale e consente all’azienda di affermarsi nel mercato dei PC.
Il 1999 segna altre due tappe importanti nel percorso di crescita della società: la quotazione al Nasdaq e l’arrivo di GeForce 256, presentata da NVIDIA come la prima GPU. Il chip trasferisce dalla CPU, il processore principale del computer, una parte dei calcoli necessari per rappresentare gli oggetti tridimensionali e la loro illuminazione. La CPU può così dedicarsi ad altre operazioni.
Negli anni successivi, NVIDIA amplia la propria presenza anche nel mondo delle console: fornisce il processore grafico della prima Xbox e, in seguito, contribuisce all’impianto grafico di PlayStation 3.
Le schede grafiche NVIDIA: videogiochi, video e rendering
Per molti utenti, NVIDIA è il brand associato in special modo alle schede grafiche da gaming: le famiglie GeForce GTX e RTX hanno accompagnato l’evoluzione dei videogiochi, permettendo di creare scenari sempre più complessi, realistici e dettagliati.
La sfida più complessa per ottenere delle immagini realistiche in un videogioco è stata rappresentata, negli ultimi anni, dal comportamento della luce: i riflessi sulle superfici, la rifrazione del vetro, le ombre proiettate dagli oggetti. Per ovviare al problema, è stata sviluppata la tecnica del cosiddetto ray tracing, utilizzata da tempo nel cinema e nell’animazione, in grado di ricostruire il percorso dei raggi luminosi all’interno di una scena.
Rispetto al cinema, però, nel gaming la sfida è più complessa: qui le immagini devono essere generate in tempo reale, seguendo le azioni del giocatore. Per questo motivo, per anni i giochi si sono affidati a tecnologie più veloci ma meno precise. La svolta è arrivata nel 2018 proprio con le schede grafiche RTX, GPU capaci di integrare unità chiamate RT Core, pensate appositamente per occuparsi di una parte dei calcoli necessari per il ray tracing, rendendo la tecnica utilizzabile anche in tempo reale.
Le applicazioni delle GPU vanno però oltre i videogiochi. I processori grafici possono velocizzare anche attività come il montaggio video, l’elaborazione delle immagini e il rendering 3D, cioè la creazione di immagini a partire da una scena tridimensionale. Sono quindi utilizzati anche da professionisti della grafica, della progettazione e della produzione audiovisiva.

NVIDIA e intelligenza artificiale: il ruolo centrale delle GPU
Il legame tra NVIDIA e modelli IA nasce dalla capacità delle GPU di eseguire in parallelo un gran numero di operazioni, caratteristica che le ha rese particolarmente adatte per addestrare una rete neurale, lavoro per cui è necessario ripetere moltissimi calcoli su grandi quantità di dati.
Un passaggio decisivo è stato il lancio di CUDA, la piattaforma di programmazione che NVIDIA presenta nel 2006: CUDA, acronimo di Compute Unified Device Architecture, permette agli sviluppatori di utilizzare le GPU dell’azienda anche per attività diverse dalla grafica, come simulazioni scientifiche ed elaborazioni numeriche.
Nel 2012, una rete neurale chiamata AlexNet, sviluppata da Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton, vince nettamente in una competizione di riconoscimento delle immagini. Per addestrarla erano state utilizzate proprio due GPU NVIDIA GeForce GTX 580: è una dimostrazione concreta di quanto i processori grafici possano essere utili alla ricerca sull’IA.
Consci delle potenzialità del settore, i tecnici NVIDIA iniziano quindi a sviluppare prodotti sempre più specifici: nel 2016 arriva DGX-1, un computer che riunisce più GPU per lavorare sull’intelligenza artificiale; nel 2017, invece, con l’architettura Volta, la società lancia i Tensor Core, unità progettate per accelerare le operazioni matematiche ricorrenti nelle reti neurali.
Quando poi ChatGPT arriva al grande pubblico, nel novembre 2022, NVIDIA ha già presentato H100, una GPU per data center progettata per velocizzare i calcoli necessari ad addestrare e far funzionare i modelli di intelligenza artificiale. L’evoluzione successiva della tecnologia, arrivata a marzo 2024, è stata poi presentata sotto il nome Blackwell.
Oggi, le GPU messe sul mercato dalla società di Santa Clara sono in particolare utilizzate in due fasi: durante l’addestramento dei modelli LLM (come ChatGPT), quando cioè vengono elaborati i dati e aggiornati i parametri, sia durante la cosiddetta inferenza, quando cioè il modello già addestrato produce un risultato.
Gli altri settori: ricerca, automobili e simulazioni digitali
Le tecnologie NVIDIA trovano impiego anche nella ricerca scientifica, dove la capacità di eseguire molti calcoli contemporaneamente aiuta a elaborare dati e simulazioni. Nel settore automobilistico, la piattaforma DRIVE è dedicata allo sviluppo di sistemi di guida automatizzata ed è in grado di analizzare un’enorme quantità di informazioni raccolta da telecamere e sensori.
Con Omniverse, l’azienda propone invece strumenti per lavorare su ambienti e modelli tridimensionali, con applicazioni nella progettazione e nell’ingegneria.
Con l’acquisizione di Mellanox, completata nel 2020, NVIDIA ha infine rafforzato l’offerta di tecnologie che collegano i server nei data center, in modo tale da far lavorare insieme molte GPU, consentendo un rapido scambio di dati.
Chi è Jensen Huang, cofondatore ed ex CEO di NVIDIA
Jensen Huang, conosciuto anche come Jen-Hsun Huang, è l’ingegnere che ha cofondato NVIDIA e l’ha guidata per oltre trent’anni. Da ragazzo aveva lavorato come lavapiatti e cameriere da Denny’s, la catena di ristoranti dove anni dopo avrebbe messo a punto con i soci il progetto della nuova azienda. Prima di fondarla era stato progettista di microprocessori in AMD e dirigente in LSI Logic.
Sotto la sua guida NVIDIA ha superato più di una crisi: negli anni Novanta, come ripeteva lo stesso Huang, l’azienda era spesso “a 30 giorni dal fallimento”. La sua scelta più importante è stata puntare su mercati che ancora non esistevano, quelli che lui chiama “mercati da zero miliardi di dollari”: prima la grafica 3D per PC, poi l’uso delle GPU per la ricerca e l’intelligenza artificiale, quando pochi credevano che potesse diventare un business.
Chi ha lavorato con lui ricorda soprattutto il modo in cui ha saputo gestire i momenti più difficili. Dopo l’insuccesso dei primi chip, con le risorse ormai agli sgoccioli, Huang ha chiesto al suo team di progettare il RIVA 128 in modo che funzionasse al primo tentativo: il chip ha funzionato subito e ha finito per salvare l’azienda dal baratro. Secondo Mark Stevens, investitore di Sequoia Capital e membro del consiglio di amministrazione dal 1993, è stato proprio in quel periodo che il board ha capito quanto Huang fosse capace di affrontare una crisi.
Anche la svolta verso l’intelligenza artificiale porta la sua firma. Quando, intorno al 2008, i ricercatori hanno cominciato a usare le schede GeForce per addestrare le reti neurali, Huang ha deciso di riorientare l’intera azienda in quella direzione, spostando risorse e personale su un mercato, all’epoca, ancora tutto da costruire.
Il 12 novembre 2026, dopo 33 anni alla guida della società, Huang ha lasciato l’incarico di amministratore delegato e il consiglio di amministrazione. La guida ad interim è stata affidata alla CFO Colette Kress, in attesa della nomina di un successore.
Le offerte possono essere soggette a limitazioni tecniche di velocità e geografiche. Verifica prima la copertura sul sito https://www.eolo.it/
Le immagini presenti in questo articolo sono state realizzate con strumenti di intelligenza artificiale.