Dalla legge di Moore alla legge di Huang: verso la nuova frontiera dell'AI​

La tecnologia è fatta per evolvere, così come le regole che la governano. Dopo decenni di Legge di Moore, è ora di passare alla Legge di Huang del CEO di NVIDIA.

Per decenni, la Legge di Moore ha guidato l’innovazione tecnologica: ogni due anni, più transistor significavano più potenza, più velocità, più progresso. È stata il motore della rivoluzione digitale.

Oggi, però, quel modello mostra i suoi limiti. La miniaturizzazione rallenta, mentre l’intelligenza artificiale impone nuove esigenze e nuove priorità. In questo scenario emerge la Legge di Huang, proposta da Jensen Huang, CEO di NVIDIA: non più solo potenza, ma efficienza, specializzazione e integrazione tra hardware e software.

È l’alba di una nuova era tecnologica: più veloce, più adattiva, profondamente trasformativa.

Il mondo che conoscevamo: dalla prima alla seconda legge di Moore

La Legge di Moore è una previsione formulata nel 1965 da Gordon Moore, cofondatore di Intel, secondo cui il numero di transistor su un chip sarebbe raddoppiato ogni anno, garantendo un costante aumento della potenza di calcolo e una progressiva riduzione dei costi. Nel 1975, Moore aggiornò la previsione, portando il raddoppio a ogni 18 mesi, ritmo che è diventato un punto di riferimento per l’intera industria dei semiconduttori.

Oltre alla celebre previsione sul raddoppio dei transistor, Moore formulò anche un’altra "legge", secondo la quale, a parità di prestazioni, i costi sarebbero diminuiti nel tempo. Questi principi hanno orientato le strategie industriali nel mondo dell’informatica e alimentato la rivoluzione digitale.

Più che una semplice osservazione, la Legge di Moore si è trasformata in una roadmap tecnologica, guidando lo sviluppo e il successo di aziende come Intel, AMD e soprattutto Nvidia, che ha costruito la sua leadership sulle GPU, fondamentali oggi per alimentare l’intelligenza artificiale generativa. Fino a oggi, la Legge di Moore ha rappresentato un simbolo del progresso tecnologico, ma le cose stanno cambiando velocemente.

La legge di Huang: benvenuti nell’era dell’accelerazione

Durante il keynote al Computex 2025, il CEO di NVIDIA,  Jensen Huang, ha dichiarato che la storica Legge di Moore è ormai superata, incapace di descrivere l'attuale ritmo di innovazione, soprattutto nel campo dell'intelligenza artificiale. Huang ha introdotto quella che definisce la "Legge di Huang", secondo cui le prestazioni raddoppiano ogni trimestre, anziché ogni 18-24 mesi come previsto dalla Legge di Moore.

Questa accelerazione è resa possibile da una combinazione di tecnologie avanzate:

• CoWoS (Chip-on-Wafer-on-Substrate): una tecnologia di packaging sviluppata da TSMC che consente l'integrazione di componenti eterogenei in soluzioni ad alte prestazioni.

• NVLink: l'interconnessione proprietaria di NVIDIA che permette la comunicazione ad alta velocità tra più GPU, migliorando la scalabilità e le prestazioni nei carichi di lavoro di AI.

Grazie a queste innovazioni, NVIDIA sta ridefinendo i limiti delle capacità computazionali, spingendo l'intelligenza artificiale verso una crescita esponenziale e superando i vincoli imposti dalla miniaturizzazione dei transistor.

La frequenza con cuiNVIDIA  introduce nuove architetture si sta comprimendo a ritmi senza precedenti. Ma questa accelerazione non è solo una corsa all’innovazione fine a sé stessa: è la risposta a una domanda esplosiva di potenza computazionale, che spinge l’azienda a consolidare la propria leadership in un mercato in continua espansione.

La “Legge di Huang”, con raddoppi di prestazioni potenzialmente trimestrali, segna un nuovo paradigma che supera i limiti imposti dalla storica Legge di Moore. Non si tratta più di seguire una curva evolutiva prevedibile, ma di riscrivere le regole dell’industria tecnologica.

Se la Legge di Moore ha segnato l’ascesa dell’era digitale, quella di Huang potrebbe diventare la bussola dell’intelligenza artificiale: un’era in cui la tecnologia sarà in grado di creare connessioni sempre più profonde e rapide.