Dalla grafica dei videogiochi alle infrastrutture dell’intelligenza artificiale, Nvidia ha cambiato più volte il proprio settore e il modo di usare i computer. Al centro di questa storia c’è Jensen Huang, cofondatore e guida dell’azienda dal 1993. Le ammissioni sulla sua vita privata, le indagini su una presunta operazione di intelligence e le indiscrezioni sul suo futuro alla guida del gruppo aprono oggi una fase delicata per uno dei protagonisti dell’industria tecnologica.
L’8 novembre 2026 cadevano vent’anni dal debutto della GeForce 8800 GTX, una scheda video che gli appassionati ricordano per la potenza nei giochi e che contribuì a preparare la successiva rivoluzione del calcolo su GPU. Nello stesso giorno Nvidia pubblicava un messaggio di Jensen Huang ai dipendenti e annunciava un’indagine indipendente sulle notizie riguardanti una possibile operazione di intelligence straniera ai suoi danni. La coincidenza accosta due momenti lontanissimi nella storia dell’azienda. Da una parte il percorso tecnico che l’ha portata al centro dell’AI; dall’altra una vicenda personale diventata rapidamente una questione aziendale e politica.
Huang ha ammesso un’infedeltà coniugale, si è assunto la responsabilità delle proprie scelte e ha chiesto scusa alla famiglia e a chi lavora con lui. Gli ulteriori collegamenti con attività di spionaggio appartengono alle ricostruzioni giornalistiche e agli accertamenti in corso. Questa distinzione è essenziale anche per leggere la storia industriale che precede il caso. Nvidia arriva a questo passaggio dopo trentatré anni di sviluppo, durante i quali una società nata per accelerare la grafica dei personal computer ha costruito strumenti utilizzati nella ricerca scientifica, nei servizi digitali e nei grandi sistemi di intelligenza artificiale.
Le origini tra grafica 3D e prime difficoltà
La storia comincia nel 1993 con Huang, Chris Malachowsky e Curtis Priem. I tre discutono il progetto anche ai tavoli di un Denny’s della Silicon Valley, un episodio entrato nel racconto delle origini dell’azienda. L’obiettivo è concreto: portare una grafica tridimensionale più sofisticata nei PC, approfittando della crescita dei videogiochi e delle applicazioni multimediali. Il computer domestico sta ampliando il proprio pubblico, mentre immagini in movimento e ambienti interattivi richiedono capacità di elaborazione sempre maggiori. Per una nuova impresa si apre uno spazio interessante, affollato di concorrenti e soggetto a cambiamenti rapidissimi.
Huang porta in questo progetto una preparazione tecnica maturata tra università e industria. Nato a Taiwan, studia ingegneria elettrica alla Oregon State University e consegue un master a Stanford nel 1992. Prima di fondare Nvidia lavora in AMD e in LSI Logic. Conosce quindi il processo di progettazione dei semiconduttori, i rapporti con i clienti e la distanza che separa una buona idea da un prodotto commerciabile. Questa combinazione aiuta a comprendere il ruolo che assumerà negli anni successivi, quando continuerà a intervenire sulla direzione tecnologica dell’azienda oltre a esserne il principale volto pubblico.
Il primo prodotto arriva nel 1995. NV1, commercializzato anche attraverso le schede Diamond Edge 3D, cerca di riunire diverse funzioni multimediali e adotta una soluzione grafica basata sul texture mapping quadratico. La proposta incontra difficoltà commerciali e si allontana dall’impostazione che si sta affermando nel settore, sempre più orientata alla costruzione delle scene attraverso triangoli. È una partenza che smentisce qualsiasi ricostruzione del successo di Nvidia come avanzata inevitabile. L’azienda deve correggere decisioni fondamentali quando ha ancora risorse limitate e una posizione fragile.
La collaborazione con Sega rende quel passaggio ancora più difficile. Nvidia sta lavorando a un altro progetto grafico per la società giapponese, mentre Huang arriva alla conclusione che l’architettura scelta conduca nella direzione sbagliata. Nel racconto che ha fatto pubblicamente di quell’episodio, il fondatore descrive una trattativa decisiva con la dirigenza di Sega, che accetta di aiutarlo mentre Nvidia abbandona il progetto. Quel sostegno le permette di guadagnare tempo per ripartire. L’episodio contiene un elemento spesso trascurato nelle biografie imprenditoriali: la sopravvivenza può dipendere dalla capacità di riconoscere un errore e dalla disponibilità di un partner a sostenere una correzione radicale.
RIVA e GeForce: la svolta nel mercato PC
La risposta arriva con RIVA 128 nel 1997. Il nuovo processore adotta un’impostazione più vicina alle esigenze del mercato e ottiene un’accoglienza commerciale molto diversa. Secondo la cronologia aziendale, nei primi quattro mesi vengono distribuite oltre un milione di unità. Per Nvidia è il successo che rende credibile la ripartenza. Seguono RIVA TNT e TNT2, mentre il marchio acquista visibilità presso i produttori di computer e gli appassionati. Il recupero nasce dall’unione fra progettazione, tempi di esecuzione e compatibilità con ciò che gli sviluppatori stanno effettivamente realizzando.
Nel gennaio 1999 Nvidia si quota in Borsa. Durante lo stesso anno amplia la propria presenza nella grafica professionale con Quadro e introduce il nome destinato a diventare familiare a generazioni di giocatori, GeForce. Questi sviluppi mostrano una società che sta cercando più mercati per le proprie competenze. La visualizzazione tridimensionale serve a chi costruisce un videogioco e a chi lavora su un progetto industriale, con esigenze differenti per software, affidabilità e assistenza. L’esperienza accumulata in un ambito può alimentare l’altro, creando nuove possibilità di crescita attorno a una base tecnologica comune.
GeForce 256, presentata nell’agosto 1999, integra nel processore grafico le operazioni di trasformazione geometrica e illuminazione, alleggerendo il lavoro richiesto al processore centrale. Nvidia la promuove come la prima GPU secondo una propria definizione tecnica e commerciale. La grafica accelerata ha già una lunga storia; il contributo specifico di GeForce 256 consiste nel concentrare nuove funzioni in un prodotto destinato al mercato dei PC. La distinzione aiuta ad apprezzarne il valore concreto. Spostare quei calcoli sulla scheda grafica permette di affrontare scene più complesse e contribuisce a ridefinire la distribuzione del lavoro dentro il computer.
Il settore si consolida rapidamente. Nvidia conclude nel 2001 l’acquisizione di alcuni asset grafici di 3dfx, sulla base dell’accordo annunciato alla fine del 2000. Il nome di 3dfx è legato alla diffusione degli acceleratori Voodoo e alla prima grande stagione del 3D domestico. Per Nvidia l’operazione accompagna il passaggio a una dimensione industriale più solida. Nello stesso periodo la società fornisce tecnologia per la prima Xbox di Microsoft, estendendo la propria presenza oltre il PC e partecipando a uno dei progetti più importanti dell’industria dei videogiochi di quegli anni.
Dagli shader programmabili a CUDA
Un’altra trasformazione importante arriva con GeForce3 nel 2001. La programmabilità degli shader offre agli sviluppatori un maggiore controllo su determinate fasi dell’elaborazione grafica. Il chip può eseguire piccoli programmi che modificano il comportamento degli effetti, aprendo possibilità creative più ampie rispetto a una sequenza di funzioni rigidamente predefinite. Per chi guarda lo schermo, il risultato si manifesta nella qualità dei materiali e nell’aspetto delle superfici. Per chi progetta l’hardware e il software, sta cambiando il rapporto fra specializzazione e flessibilità. Gli sviluppatori possono programmare una parte crescente delle operazioni con cui il processore grafico costruisce l’immagine.
La GeForce 8800 GTX dell’8 novembre 2006 porta questo percorso a un passaggio decisivo. L’architettura G80 adotta 128 processori unificati, utilizzabili per diverse operazioni di shading. Le risorse vengono assegnate con maggiore flessibilità rispetto alla separazione rigida fra unità dedicate a compiti diversi. La scheda diventa un riferimento per una stagione del gioco su PC che comprende titoli come Crysis. La sua importanza si estende anche al lavoro degli sviluppatori, perché è la prima GeForce compatibile con CUDA, la piattaforma attraverso cui Nvidia rende più accessibile l’impiego delle GPU per elaborazioni ulteriori rispetto alla grafica.
Tra il 2006 e il 2007 prende forma la scommessa che avrà le conseguenze più ampie. CUDA consente di affidare al processore grafico porzioni di programmi capaci di sfruttarne il parallelismo. In termini semplici, un problema può essere suddiviso in molte operazioni da eseguire contemporaneamente. Il processore centrale continua a coordinare l’applicazione e a svolgere i compiti più adatti alle proprie caratteristiche, mentre la GPU lavora sulle parti che beneficiano di quel tipo di organizzazione. Il risultato dipende dal problema, dal programma e dalla gestione dei dati. Si costruisce così un modello di calcolo nel quale componenti differenti collaborano per accelerare il lavoro complessivo.
Il valore di una piattaforma per gli sviluppatori
La scelta richiede pazienza. Huang ha ricordato che l’estensione di CUDA alle GPU dell’azienda comportò investimenti costosi e incontrò lo scetticismo di azionisti interessati a ritorni più immediati. Passano anni prima che il valore economico della decisione emerga pienamente. È uno dei punti centrali della storia di Nvidia, perché il vantaggio successivo dipenderà anche da attività svolte quando il mercato era ancora in formazione. Rendere disponibile una capacità tecnica, documentarla e permettere ai ricercatori di sperimentare crea opportunità che diventano visibili gradualmente, attraverso applicazioni spesso diverse da quelle inizialmente previste.
Attorno all’hardware cresce infatti un patrimonio di software e competenze. Un laboratorio che adotta una piattaforma investe tempo nel codice, nella formazione e nella verifica dei risultati. Se può riutilizzare una parte di quel lavoro su nuove generazioni di processori, il valore della piattaforma aumenta. Questo meccanismo aiuta a spiegare la forza industriale di CUDA. Le prestazioni del singolo chip rimangono fondamentali, insieme alla disponibilità di strumenti che permettono di sfruttarle. Il rapporto con gli sviluppatori diventa quindi una componente del prodotto e un fattore che può incidere sulle decisioni di acquisto quanto le caratteristiche dell’hardware.
AlexNet: il punto d’incontro con l’AI
Nel 2012 arriva una dimostrazione destinata a entrare nella storia dell’AI. Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton presentano il lavoro conosciuto come AlexNet, dedicato al riconoscimento delle immagini mediante una rete neurale profonda. Il loro articolo descrive un addestramento di cinque o sei giorni su due GeForce GTX 580, ciascuna con 3 GB di memoria. Una variante del sistema vince la competizione ImageNet del 2012 con un margine molto ampio sul secondo classificato. Il risultato scientifico appartiene ai ricercatori e al loro lavoro su modelli, dati e metodi di addestramento. Le GPU e gli strumenti di programmazione rendono praticabile una scala di sperimentazione decisiva per quel risultato.
Da questa convergenza emerge una prospettiva industriale nuova. Le schede acquistate per generare immagini possono contribuire anche ad addestrare sistemi capaci di riconoscerle. Il calcolo parallelo trova un’applicazione con una domanda potenziale enorme e Nvidia dispone già di una piattaforma utilizzabile dai ricercatori. L’azienda può quindi orientare una parte crescente dello sviluppo verso il deep learning, seguendo un mercato che sta prendendo forma attraverso risultati sperimentali sempre più convincenti. La vicenda mostra quanto possa essere produttivo osservare gli usi inattesi di una tecnologia e trasformarli in una direzione di lavoro stabile.
DGX, reti e sistemi completi
Nel 2016 Huang consegna personalmente a OpenAI il primo sistema DGX. L’episodio precede di anni la diffusione pubblica di ChatGPT e rende visibile quanto presto Nvidia avesse cercato una posizione nell’infrastruttura della ricerca avanzata. Con DGX la proposta assume la forma di un sistema dedicato, progettato per offrire capacità di calcolo integrate. Per un laboratorio, acquistare una soluzione di questo tipo significa ridurre parte del lavoro necessario a costruire e configurare l’ambiente hardware. Per Nvidia significa estendere il rapporto con il cliente e intervenire su una porzione più ampia della piattaforma utilizzata per sviluppare l’AI.
Nel 2017 l’architettura Volta e il processore Tesla V100 introducono i Tensor Core, unità specializzate nelle operazioni matematiche centrali per molte reti neurali. La direzione è ormai esplicita. Accanto alla flessibilità del calcolo su GPU, Nvidia sviluppa hardware mirato ai carichi di lavoro dell’AI e lo integra con memoria, collegamenti veloci e librerie software. Questa specializzazione permette di migliorare l’efficienza delle operazioni più frequenti. La competizione si sposta progressivamente dalla potenza generica alla capacità di completare un determinato lavoro nel minor tempo possibile, tenendo conto dell’intero sistema che lo esegue.
L’acquisizione di Mellanox, completata nell’aprile 2020 per circa 7 miliardi di dollari, amplia ulteriormente questa impostazione. Quando molti acceleratori lavorano insieme, la comunicazione fra i nodi può incidere in modo decisivo sulle prestazioni. Una GPU molto veloce perde parte della propria utilità se deve attendere continuamente dati o risultati da altre componenti. Le tecnologie di rete di Mellanox rafforzano la capacità di Nvidia di progettare sistemi nei quali elaborazione e scambio delle informazioni vengono affrontati insieme. È un passaggio importante verso un’offerta che comprende porzioni sempre più ampie del data center e che richiede competenze distribuite fra hardware, connessioni e software.
Questa crescita si appoggia a una filiera articolata. Nvidia progetta i propri chip e affida la fabbricazione a partner specializzati, secondo il modello industriale definito fabless. La collaborazione strategica con TSMC comincia nel 1998 e diventerà uno dei rapporti centrali nella sua evoluzione. Il valore di un progetto dipende anche dalla possibilità di produrlo con tecnologie adeguate e in quantità sufficienti. La storia del gruppo va quindi letta attraverso il contributo di molte imprese e competenze. Architettura del processore, memoria e capacità produttiva devono procedere insieme perché un’innovazione arrivi effettivamente nei sistemi utilizzati dai clienti.
La crescita nell’era dell’AI generativa
L’esplosione dell’interesse per l’AI generativa, a partire dalla fine del 2022, trova dunque Nvidia preparata da un lungo ciclo di investimenti. La domanda di capacità di calcolo cresce per addestrare modelli sempre più ambiziosi e per utilizzarli nei servizi rivolti al pubblico. Le due attività richiedono risorse e ottimizzazioni specifiche. L’addestramento costruisce le capacità del modello attraverso l’elaborazione dei dati; l’inferenza le impiega quando il sistema risponde a una richiesta. La diffusione dei servizi moltiplica il peso di questa seconda fase, trasformando l’AI in una domanda continuativa di infrastrutture, aggiornamenti e ottimizzazione.
Blackwell, presentata nel marzo 2024, rende evidente la scala raggiunta. La piattaforma viene progettata per grandi carichi di lavoro di AI generativa e comprende GPU, collegamenti e sistemi capaci di far collaborare numerosi acceleratori. In questa impostazione, la prestazione dipende dalla combinazione delle componenti. Aumentare la capacità di calcolo richiede anche di alimentare le unità con dati sufficienti e di coordinare il lavoro senza introdurre attese eccessive. Nvidia può offrire ai clienti una parte crescente di questa integrazione, passando dal ruolo di fornitore di processori a quello di progettista di piattaforme di elaborazione complesse.
Nel 2026 la società annuncia l’ingresso in piena produzione della piattaforma Vera Rubin. Anche questo sviluppo prosegue la stessa logica di progettazione congiunta di processori, reti e sistemi. La continuità del percorso conta quanto la singola generazione di chip: chi costruisce un’infrastruttura deve pianificare acquisti, capacità elettrica e aggiornamenti su tempi lunghi. Una successione tecnologica credibile diventa parte del rapporto commerciale. Nvidia cerca così di rendere riconoscibile la direzione dei propri prodotti mentre la domanda si estende ai modelli che ragionano attraverso più passaggi e ai servizi che eseguono attività articolate per conto degli utenti.
I risultati economici danno una misura del cambiamento. Nell’esercizio fiscale 2023, chiuso il 29 gennaio 2023, Nvidia registra ricavi per circa 27 miliardi di dollari. Nell’esercizio fiscale 2026, concluso il 25 gennaio 2026, il fatturato arriva a circa 215,9 miliardi. Il confronto fra i due dati mostra una crescita vicina a otto volte nell’arco di tre esercizi. È una trasformazione della dimensione aziendale che va oltre l’uscita di una famiglia di prodotti particolarmente fortunata. Cambiano il volume degli ordini, il tipo di cliente e il peso del gruppo nell’industria del calcolo.
Nel secondo trimestre dell’esercizio fiscale 2027, terminato il 26 luglio 2026, i ricavi raggiungono 96,2 miliardi di dollari, con un aumento del 106% rispetto allo stesso periodo dell’anno precedente. Le attività Data Center generano 89 miliardi, circa il 92,5% del totale trimestrale. La denominazione dell’esercizio può trarre in inganno: questi sono risultati relativi al 2026 solare. Il loro significato industriale è immediato. L’azienda diventata celebre fra i giocatori ricava ormai la parte largamente prevalente del fatturato trimestrale dalle infrastrutture di calcolo per i data center.
Il ritorno dell’AI nei videogiochi
La grafica continua comunque a essere un laboratorio importante. Nel 2018 le GeForce RTX basate sull’architettura Turing introducono hardware dedicato al ray tracing e al calcolo per l’AI nelle schede destinate ai giocatori. Il ray tracing calcola il comportamento dei raggi per ottenere effetti come riflessi e illuminazione, mentre le tecniche neurali aiutano a ricostruire le immagini e a gestire il costo dell’elaborazione. Torna così verso i videogiochi una parte del lavoro compiuto per il calcolo specializzato. Le due direzioni di sviluppo, grafica e intelligenza artificiale, iniziano a intrecciarsi sempre più strettamente dentro lo stesso prodotto.
Con DLSS 5, annunciato nel marzo 2026 e reso disponibile da settembre, Nvidia estende questo percorso al rendering neurale generativo guidato dalla scena. La documentazione di ricerca descrive un modello che utilizza il fotogramma prodotto dal motore grafico, i vettori di movimento e informazioni temporali per contribuire all’aspetto finale dell’immagine. L’obiettivo è arricchire la resa visiva conservando coerenza con i contenuti e con la direzione artistica. Il confronto con le origini dell’azienda è significativo. Le GPU hanno contribuito a rendere possibile una parte dello sviluppo dell’AI moderna; ora i modelli neurali intervengono nella costruzione delle immagini che quelle GPU portano sullo schermo.
Scelte da correggere e continuità alla guida
Il percorso comprende anche iniziative ridimensionate e operazioni rimaste incomplete. Huang ha raccontato il tentativo di entrare nel mercato degli smartphone e la successiva scelta di ritirarsi, destinando risorse ad altre applicazioni. Nel febbraio 2022 Nvidia e SoftBank interrompono inoltre il progetto di acquisizione di Arm, citando gli ostacoli regolamentari. Nvidia conserva una licenza di lungo periodo per la tecnologia Arm. Questi episodi mostrano una capacità di cambiare percorso che accompagna i successi più noti. Una strategia industriale si misura anche nel modo in cui un’azienda riorganizza il lavoro quando un progetto incontra condizioni diverse da quelle previste.
Il ruolo di Huang emerge soprattutto dalla continuità fra queste decisioni. La correzione dei primi progetti, l’investimento su CUDA e l’espansione verso i sistemi completi appartengono a momenti differenti, legati da una lunga permanenza alla guida dell’impresa. Huang ha saputo definire e comunicare una visione tecnologica, dando continuità al lavoro di ingegneri, ricercatori e partner impegnati a realizzarla. È questa combinazione a dare peso alla figura del fondatore. La riconoscibilità pubblica facilita il racconto dell’azienda, mentre il patrimonio industriale nasce dal contributo accumulato di molte persone e da relazioni costruite nel tempo.
La fase attuale: indagini e futuro di Huang
La posizione raggiunta da Nvidia spiega anche l’attenzione per la vicenda di questi giorni. L’accesso ai processori avanzati è da tempo un tema della competizione tecnologica fra Stati Uniti e Cina, con restrizioni statunitensi sulle esportazioni. In questo contesto, le ricostruzioni sui rapporti personali del fondatore hanno attirato l’interesse di organismi politici e investigativi. Il punto da accertare riguarda l’eventuale attività di intelligence e le sue possibili conseguenze per l’azienda. L’ammissione di Huang sulla propria vita privata, presa da sola, lascia aperte queste domande e richiede una lettura separata dai sospetti di spionaggio.
Secondo le ricostruzioni del New York Times riprese da Reuters, la donna al centro delle accuse è Alice Huang, già dirigente della società di Singapore Megaspeed e priva di legami di parentela con Jensen Huang. Le presunte connessioni con i servizi cinesi derivano dalle valutazioni attribuite a fonti dell’intelligence statunitense. Reuters ha precisato di non aver potuto verificare autonomamente l’accusa. Il governo cinese l’ha respinta pubblicamente. Nel messaggio diffuso da Nvidia, Huang ammette l’infedeltà senza identificare la persona coinvolta. Il quadro pubblico conserva quindi aspetti documentati e altri che richiedono accertamenti.
Nel comunicato dell’8 novembre il consiglio di amministrazione annuncia un’indagine indipendente e dichiara di non avere ragioni per ritenere compromessi i segreti dell’azienda o la sicurezza nazionale. Il 10 novembre gli amministratori indipendenti affidano gli accertamenti a Joon H. Kim, già procuratore federale ad interim per il Southern District di New York, e allo studio Wachtell, Lipton, Rosen & Katz. Sono atti ufficiali che permettono di seguire l’evoluzione della vicenda attraverso decisioni pubbliche, mantenendo aperto il giudizio sui risultati dell’indagine.
Anche il Congresso si è mosso. Il 5 novembre i presidenti di tre commissioni della Camera hanno chiesto a Huang un incontro riservato per il 18 novembre. Nella notte fra l’11 e il 12 novembre Reuters ha inoltre riferito, sulla base di una fonte informata, di una riunione del consiglio per valutare un’eventuale rimozione del fondatore. Nelle fonti consultate alla mattina del 12 novembre manca ancora un annuncio ufficiale di tale decisione. Il suo futuro alla guida di Nvidia resta dunque una questione aperta, sulla quale le indiscrezioni devono conservare la propria attribuzione.
Qualunque sviluppo avrà questa vicenda, il percorso industriale resta leggibile nei prodotti e nei risultati. Nvidia ha contribuito a rendere più sofisticata la grafica dei PC, ha aperto le proprie GPU al calcolo generale e ha costruito attorno a esse una piattaforma centrale per la ricerca e per i servizi di AI. Huang ha guidato queste trasformazioni durante un arco di tempo eccezionalmente lungo per l’industria tecnologica. La fase attuale mette alla prova il rapporto fra questa storia e la continuità dell’azienda. A determinarne il seguito saranno gli accertamenti, le decisioni del consiglio e la capacità dell’organizzazione di proseguire il lavoro costruito in trentatré anni.
Articolo aggiornato alle informazioni disponibili nella mattina del 12 novembre 2026.
Fonti
- NVIDIA, cronologia aziendale, e archivio degli eventi del 1999.
- NVIDIA e Stanford University, biografia di Jensen Huang e profilo della School of Engineering.
- NVIDIA, Jensen Huang Returns to Denny’s Where NVIDIA Launched a Trillion-Dollar Vision, 26 settembre 2023.
- Sequoia Capital, Nvidia: An Overnight Success Story 30 Years in the Making, interviste e trascrizione del podcast.
- NVIDIA, resoconto del discorso di Huang alla National Taiwan University, maggio 2023.
- NVIDIA, Transform and Lighting, documento tecnico su GeForce 256.
- NVIDIA, Form 10-Q, secondo trimestre fiscale 2013, ricostruzione dell’acquisizione degli asset di 3dfx; cronologia del 2001 per Xbox e GeForce3.
- NVIDIA Research, A User-Programmable Vertex Engine, 2001.
- NVIDIA, GeForce 8800 GTX: Celebrating 20 Years of Gaming and CUDA, 5 novembre 2026; CUDA Programming Guide, modello di programmazione.
- Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton, ImageNet Classification with Deep Convolutional Neural Networks, NeurIPS 2012.
- NVIDIA, ricostruzione della collaborazione con OpenAI, con il riferimento alla consegna del primo DGX nel 2016.
- NVIDIA, annuncio di Volta e Tesla V100, 10 maggio 2017; annuncio di GeForce RTX, 20 agosto 2018.
- NVIDIA, completamento dell’acquisizione di Mellanox, 27 aprile 2020; TSMC, storia della collaborazione produttiva con Nvidia.
- NVIDIA e SoftBank, interruzione dell’operazione Arm, 7 febbraio 2022.
- NVIDIA, presentazione di Blackwell, 18 marzo 2024; Vera Rubin in piena produzione, 31 maggio 2026.
- NVIDIA, risultati ufficiali dell’esercizio fiscale 2023, dell’esercizio fiscale 2026 e del secondo trimestre fiscale 2027.
- NVIDIA, annuncio di DLSS 5, 16 marzo 2026; NVIDIA Research, DLSS 5: Generative Neural Rendering e disponibilità commerciale, 1 settembre 2026.
- NVIDIA, messaggio di Jensen Huang ai dipendenti e comunicato del consiglio di amministrazione, 8 novembre 2026; incarico per l’indagine indipendente, 10 novembre 2026.
- Reuters, ricostruzione delle accuse e delle verifiche disponibili, 11 novembre 2026.
- Camera dei rappresentanti degli Stati Uniti, richiesta di un briefing riservato a Huang, 5 novembre 2026; Ministero degli Esteri cinese, conferenza stampa con la smentita delle accuse, 9 novembre 2026.
- Reuters, Nvidia board meets to decide CEO Huang’s future as leadership crisis deepens, aggiornamento fra l’11 e il 12 novembre 2026.
- Immagini da Wikimedia Commons: Jensen Huang, Maurizio Pesce, licenza CC BY 2.0; VisionTek GeForce 256, Hyins, pubblico dominio; TSUBAME 4.0, Fukumoto, licenza CC BY-SA 4.0.
Copertina. Jensen Huang in una fotografia del 5 gennaio 2017. Foto di Maurizio Pesce, via Wikimedia Commons, licenza CC BY 2.0. Fotografia d’archivio. Fonte originale; condizioni di riutilizzo. Conversione in WebP.
