Il testo completo della puntata, turno per turno. Ogni numero citato viene da un articolo pubblicato sul blog, con la fonte primaria nel testo.
1.192 parole · 6 min di lettura · NOVA · LEON · ATLAS · CATO · VEGA · VERA · SAGA
Buongiorno e benvenuti al Briefing di Agorà Intelligence. Sono Adam, e iniziamo subito con la notizia del giorno: NVIDIA avvia la piena produzione di Groq 3 LPX, acceleratore per l'inferenza. Ne parliamo con Nova.
Buongiorno Adam. La data è il 24 agosto 2026: NVIDIA annuncia la piena produzione di Groq 3 LPX, acceleratore di inferenza interattiva pensato per l'AI agentica. Estende la piattaforma Vera Rubin NVL72, e Nebius risulta il primo cloud AI ad adottarlo. Il numero che conta arriva dai benchmark: 3.400 token di output al secondo su Gemma 4 31B, con un contesto da 100.000 token. Secondo Artificial Analysis è la prestazione più rapida mai registrata per quel modello. NVIDIA dichiara una reattività fino a 4 volte superiore rispetto alla piattaforma alternativa più vicina. E Jensen Huang fissa la rotta in una frase: l'inferenza diventa il motore di crescita dell'AI. L'asse competitivo si sposta dal training all'inferenza: questo è il vero annuncio.
Agenti, dice Nova. E prima di correre a 3.400 token al secondo, un agente ha bisogno di una cosa antica: un'identità. Su questo ci aiuta Leon.
Esatto, Adam, l'identità è il punto cieco. Lo stesso 24 agosto 2026 Okta ha reso disponibile in general availability Agent SSO, che porta lo standard aperto Cross App Access in un prodotto usato da oltre 20.000 clienti. La funzione arriva inclusa nei piani core di Okta SSO a costo zero: l'identità dell'agente diventa componente base, il valore economico si sposta verso il livello Okta for AI Agents, che scopre, onboarda, protegge e governa ogni agente dell'azienda. Poi c'è il divario: secondo il report Okta AI Agents at Work 2026, ripreso da SecurityBrief, il 34 per cento delle organizzazioni applica agli agenti AI gli stessi controlli di sicurezza dei lavoratori umani. Due terzi li lasciano fuori dal perimetro di policy, e la maggior parte raggiunge i dati aziendali tramite chiavi API statiche. Le aziende deployano agenti più in fretta di quanto riescano a governarli: quel divario, prima o poi, presenta il conto.
Governare gli agenti, dunque. E mentre le aziende scrivono le proprie regole, i tribunali scrivono quelle sui dati che addestrano i modelli. Il punto di Atlas.
Le regole, appunto, Adam. Il 23 agosto 2026 TechCrunch ha ricostruito lo stato della giurisprudenza statunitense sull'addestramento dei modelli AI. Al centro c'è la decisione del giudice William Alsup, che ha imposto ad Anthropic un accordo da 1,5 miliardi di dollari a favore di un gruppo di autori le cui opere hanno alimentato i suoi modelli. La cifra appare come una vittoria morale per gli scrittori; la lettura corretta risulta più sottile. Alsup ha giudicato lecito l'addestramento in sé, sanzionando Anthropic per aver prelevato i libri da biblioteche ombra illegali. La legge sul copyright ruota attorno alla copia, ed esclude l'uso, la lettura, il consumo dell'opera. Prima l'industria trattava tutto come un'unica zona grigia; questa pronuncia introduce una distinzione operativa netta. Leggere è lecito, rubare la copia resta rubare: da qui riparte il dibattito.
1,5 miliardi di dollari: cifre che ci portano dritti ai mercati, dove questa settimana si intrecciano utili di Nvidia, Jackson Hole e AI trade. Sentiamo Cato.
Grazie dell'assist, Adam. Il consenso legge quei tre appuntamenti come catalizzatori distinti. Lettura superficiale: formano un unico nodo strutturale che lega capitale, politica monetaria e geopolitica dei semiconduttori. Il mercato lo tratta come rumore; merita la definizione di segnale. La domanda vera riguarda chi controlla la produzione dei chip avanzati. Un modello addestrato oggi viene ricostruito da un concorrente in mesi. Una fab avanzata richiede anni di costruzione e decine di miliardi di capitale. Chi possiede la linea produttiva detta le condizioni a chi ha in mano il software, e nient'altro. Il precedente è esatto: marzo 2000, Cisco Systems tocca la capitalizzazione più alta del pianeta, circa 555 miliardi di dollari, un singolo nome che regge un'intera tesi di mercato. Quando la crescita rallentò, il conto lo pagò l'intero Nasdaq. La storia raramente si ripete identica; spesso fa rima.
Un singolo nome che regge un'intera tesi: viene voglia di gridare alla bolla. E allora, un foundation model per robot che vale 3 miliardi di dollari dopo diciotto mesi di esistenza? Chiediamo a Vega, il nostro contrarian.
Il consenso ha il frame sbagliato, Adam, e ve lo dimostro. Generalist ha raggiunto una valutazione da 3 miliardi di dollari dopo un round guidato da 8VC, riporta TechCrunch il 25 agosto 2026. La cifra fresca sfiora i 200 milioni, estensione di una Serie B da 400 milioni guidata da Radical Ventures. Il consenso osserva la valutazione e conclude "bolla". Io guardo il dato che predice davvero la traiettoria: la velocità di apprendimento. Gen 1.5 fa imparare ai robot compiti nuovi da video di 3-12 secondi, secondo l'azienda. Quella metrica comprime a quasi zero il costo marginale di insegnare un compito nuovo. Il capitale prezza la traiettoria di costo dei prossimi tre anni, altro che il prodotto di oggi. Il "ChatGPT moment" della robotica è già nei prezzi: il consenso sbaglia il timing, e il timing è tutto.
Robot che imparano un compito da un video di 3-12 secondi. Dieci anni fa una previsione simile riguardava i radiologi. Vera, come è andata a finire nella stanza dei medici?
Male per la previsione, bene per i radiologi, Adam. Nel 2016 Geoffrey Hinton, premio Nobel e definito il padrino dell'AI, previde che i radiologi sarebbero stati rimpiazzati dalle macchine entro cinque anni. Dieci anni dopo l'evidenza racconta l'opposto: secondo Ars Technica, ad agosto 2026 i professionisti della radiologia crescono in modo costante, con un aumento atteso del 26 per cento o più nei prossimi trent'anni. Hinton colse comunque un elemento reale: i medici dispongono adesso di un collega di silicio che li eguaglia o li supera su compiti definiti. All'inizio del 2026 circa tre quarti dei 1.400 dispositivi medici abilitati all'AI e approvati dalla Food and Drug Administration riguardavano questo campo. Alcuni strumenti redigono bozze di referto e rendono i medici più efficienti. Il lavoro si ridisegna, e le persone restano al centro della stanza.
Il lavoro si ridisegna, dice Vera. Ed è il momento della storia di oggi, quella che chiude sempre il nostro tavolo: diamo la parola a Saga.
E la storia di oggi, Adam, parla proprio di lavoro ridisegnato. Nel 2023 Walmart ha esteso a livello nazionale il proprio software di ottimizzazione delle rotte. La scelta architetturale originale: trattare la logistica come un problema di dati, prima che come un problema di camion e autisti. Molti retailer affrontano il costo del trasporto aggiungendo mezzi, magazzini e personale; Walmart ha imboccato una direzione diversa. Ha costruito un motore che ricalcola percorsi, carichi e sequenze di consegna in tempo quasi reale, dentro un modello che unifica domanda, inventario e capacità di flotta in un'unica rappresentazione. Ogni variabile che prima viveva in un sistema separato entra nello stesso calcolo, e spariscono i compartimenti stagni che rallentavano le decisioni. La logica appare ovvia oggi; al momento della decisione richiedeva coraggio, perché spostava l'investimento dal ferro al software. Il risultato è arrivato in fretta: una storia degna di essere raccontata, e replicata.
Dal ferro al software: la scelta di Walmart ieri è la stessa scommessa di NVIDIA oggi, con quell'inferenza da 3.400 token al secondo da cui siamo partiti. Il cerchio si chiude. Questo è tutto da Agorà Intelligence: i testi integrali, con tutte le fonti citate, restano su agorà intelligence punto com. Iscrivetevi al podcast: ogni giorno alle undici la puntata nuova vi aspetta. Grazie per l'ascolto, a domani.
Questo sito utilizza cookie tecnici necessari per il funzionamento e cookie di analisi per migliorare l’esperienza utente. Informativa sulla Privacy