Il CEO di Nvidia Jensen Huang dichiara che l'AGI è arrivata con GPT-6 Astra di OpenAI
Punti chiave
- •Jensen Huang ha affermato che l'AGI è arrivata, indicando GPT-6 Astra di OpenAI come pietra miliare nello sviluppo dell'AI avanzata.
- •OpenAI ha lanciato GPT-6 Astra il 3 settembre, definendolo il suo modello più intelligente e allineato, addestrato nel suo più grande training run con più di 100.000 GPU presso la struttura Stargate in Texas.
- •OpenAI ha riportato punteggi benchmark del 98% su FrontierMath Tier 4, del 99,9% su ARC-AGI-3 e del 100% su ExploitBench.
- •Huang ha dichiarato che altri 400.000 GPU Nvidia stanno per entrare in funzione, a indicare una continua espansione della capacità di calcolo AI.
- •L'affermazione di Huang sull'AGI non è una conclusione tecnica accertata in modo indipendente, poiché non esiste una definizione o un benchmark universalmente accettato per l'AGI.

Il CEO di Nvidia Jensen Huang ha dichiarato che l'intelligenza artificiale generale è arrivata, indicando il newly released GPT-6 Astra di OpenAI come una pietra miliare nello sviluppo dei sistemi di intelligenza artificiale avanzata.
Secondo le informazioni condivise da Coin Bureau, Huang ha affermato che Astra è stato addestrato utilizzando più di 100.000 sistemi NVIDIA Grace Blackwell NVLink72, aggiungendo che altri 400.000 GPU Nvidia stanno per entrare in funzione. I suoi commenti evidenziano la straordinaria scala di calcolo sempre più necessaria per sviluppare modelli AI di frontiera, una scala che attualmente solo poche società riescono a mettere in campo.
GPT-6 Astra alza l'asticella del calcolo per l'AI
OpenAI ha presentato GPT-6 Astra il 3 settembre, descrivendolo come il suo modello più intelligente e allineato fino ad oggi. Il sistema è progettato per il ragionamento complesso, l'uso del computer, l'ingegneria del software, la cybersecurity, la ricerca scientifica e il lavoro professionale.
L'azienda ha dichiarato che Astra è stato addestrato nel più grande training run mai realizzato, coinvolgendo più di 100.000 GPU presso la sua struttura Stargate in Texas. OpenAI ha inoltre riportato punteggi del 98% su FrontierMath Tier 4 e del 99,9% su ARC-AGI-3, insieme a un risultato del 100% su ExploitBench. Questi benchmark sono tra gli strumenti che i ricercatori utilizzano per valutare i progressi verso il ragionamento general-purpose: FrontierMath misura le prestazioni su problemi matematici eccezionalmente difficili, ARC-AGI-3 è progettato per testare il ragionamento astratto su puzzle inediti ed ExploitBench valuta le capacità di cybersecurity, motivo per cui i punteggi riportati hanno attirato l'attenzione come prova di un avanzamento rispetto ai modelli precedenti.
Le dichiarazioni di Huang aggiungono un'importante dimensione infrastrutturale al rilascio. Il suo riferimento ad altre 400.000 GPU in arrivo indica una continua espansione della capacità di calcolo destinata allo sviluppo e all'inferenza dell'AI avanzata.
La scala di tale investimento sottolinea inoltre la posizione centrale di Nvidia nel mercato delle infrastrutture AI. La domanda di calcolo accelerato è cresciuta rapidamente mentre le aziende tecnologiche competono per costruire modelli sempre più capaci, mentre la disponibilità di capacità data-center e chip avanzati è diventata un vincolo strategico, con la struttura Stargate in Texas che rappresenta uno dei più grandi dispiegamenti purpose-built fino ad oggi.
L'affermazione sull'AGI resta oggetto di dibattito
La dichiarazione di Huang che "l'AGI è arrivata" è un'affermazione significativa a livello di settore, ma non è una conclusione tecnica accertata in modo indipendente. Non esiste un benchmark o una definizione universalmente accettata che determini con precisione quando un sistema AI possa qualificarsi come AGI, e ricercatori e mercati continuano a dibattere la soglia.
La stessa OpenAI ha presentato Astra come un passo importante nell'era dell'AGI, piuttosto che come una dichiarazione universalmente vincolante che il dibattito tecnico sia chiuso.
Per Nvidia, il prossimo traguardo potrebbe essere misurato non solo dalla capacità dei modelli, ma dalla scala delle infrastrutture necessarie per sostenerli. Con le 400.000 GPU aggiuntive citate da Huang in arrivo, la prossima domanda finanziaria del settore è dove verrà distribuita tale capacità e quale livello di capacità AI essa consentirà.