Computer per l'AI locale

Non serve saperlo usare. Ci pensiamo noi.
Linux, modelli, rete, documenti interni: è lavoro nostro. Arriviamo, la configuriamo, la mettiamo in servizio e vi lasciamo uno strumento che si usa. Chi ci conosce già sa come lavoriamo. Chi arriva da qui e non ci ha mai visti: non dovete diventare esperti di AI per comprare questa macchina. Dovete avere un’esigenza. Del resto ci occupiamo noi.

Non è un PC da ufficio e non è una workstation CAD. È una macchina per far girare, provare e mettere a punto modelli di intelligenza artificiale in sede, sui dati dell’azienda, senza spedirli su un cloud pubblico.
Al centro c’è il superchip NVIDIA GB10 Grace Blackwell: CPU e GPU nello stesso silicio, con 128 GB di memoria unificata. Processore e grafica vedono lo stesso pool di RAM. Il modello non deve entrare nei pochi gigabyte di una scheda video: ci sta in quei 128 GB. È questo il motivo per cui esistono questi dispositivi.
Il formato è da scrivania (circa 15 × 15 × 5 cm, presa a muro). Non richiedono sala server. Non sostituiscono il rack, il gestionale o i PC dei dipendenti.
Cosa ci fai (e cosa no)
Serve per: modelli linguistici in locale, assistente o ricerca sui documenti interni (RAG), fine-tuning su dati vostri, prototipi prima di un’infrastruttura più grande.
Non serve per Windows da ufficio, CAD, video, decine di macchine virtuali, né come ChatGPT per tutti i dipendenti. I modelli che ci girano sono a pesi aperti (Llama, Mistral, Nemotron, Qwen e simili), non GPT o Claude. La chat generica può restare sul cloud; questa macchina entra quando i dati non devono uscire o quando un team deve lavorare sui modelli sul serio.
A chi è rivolta
Software house, team di sviluppo e data science, R&S, integratori, università, laboratori. Aziende con vincoli su sanità, legale, finanza o know-how. Chi sta già pagando GPU in cloud solo per prototipare.
Se in azienda si usa solo ChatGPT e non c’è nessuno che dovrà vivere su questi strumenti, probabilmente non è la categoria giusta — e ve lo diciamo. Se invece c’è un’esigenza vera e manca la competenza in casa, quella competenza la mettiamo noi.
La famiglia GB10
Stessa piattaforma: GB10, 128 GB LPDDR5x, di solito NVIDIA DGX OS già a bordo. Cambiano marchio, disco, consegna e come passano in ufficio acquisti.

NVIDIA DGX Spark Founders Edition — il nome che si chiede. 4 TB, 10 GbE + 200 GbE. Spesso tempi più lunghi: ha senso se serve proprio quel modello.
Dell Pro Max GB10 e Lenovo ThinkStation PGX — stessa sostanza, marchio già in albo fornitori.
Gigabyte AI TOP Atom — 4 TB, adatta a chi tiene in locale modelli e dataset.
ASUS Ascent GX10 — disco da 1 TB: ingresso per capire se l’AI in casa serve, prima di salire di storage.

In trattativa contano soprattutto: chi firma, quanto disco, quando deve arrivare. Il chip è lo stesso. La configurazione, su tutti, la facciamo noi.
Come si parte
Una macchina per un team piccolo, esposta in rete come servizio interno, è il caso più frequente. 1 TB per iniziare, 4 TB se si scaricano più modelli. Due unità in cluster solo se il modello non entra più in 128 GB — non per sostituire il server.
Il rack, le VM e il backup restano dove sono. Questa è una linea a parte: laboratorio AI in ufficio, già messo a posto.
Se non sapete quale scegliere, o se “AI locale” vi suona ancora vago: scriveteci cosa dovete fare. Vi diciamo se questa categoria ha senso e, se sì, quale macchina e come la facciamo funzionare da voi.