AMD e il Dipartimento dell’Energia (DOE) degli Stati Uniti hanno annunciato una joint-venture di ampia portata: due supercomputer di nuova generazione, Lux e Discovery, verranno installati presso l’Oak Ridge National Laboratory (ORNL) per consolidare le capacità americane in AI e supercalcolo.
I due sistemi, considerati “flagship” per il DOE, hanno l’obiettivo di guidare progressi in scienza, energia e sicurezza nazionale, e supportare il cosiddetto U.S. AI Action Plan.
L’investimento complessivo pubblico-privato si aggira attorno a 1 miliardo di dollari. Le infrastrutture combineranno hardware AMD con partnership industriali (HPE, Oracle, ecc.), nell’ottica di creare una piattaforma federata e standard per un’AI “domestica”.
Indice degli argomenti:
Lux: la “fabbrica AI” che accelera la scienza
Il supercomputer Lux – definito come il primo “AI Factory” statunitense dedicato alla scienza – sarà operativo all’inizio del 2026.
L’obiettivo: formare, mettere a punto e distribuire modelli di base di intelligenza artificiale per accelerare le scoperte in fisica, materiali, medicina e manifattura avanzata.
Lux sarà basato su tecnologie AMD: GPU Instinct MI355X, CPU EPYC e soluzioni di rete Thinking. Lo stack software sarà aperto e progettato per carichi di lavoro “data-intensive e model-centric”.
Il DOE descrive Lux come uno snodo cruciale per “accelerare l’AI-scienza, rafforzare la leadership USA, e aiutare a garantire che le scoperte dell’era AI siano sviluppate e dispiegate in America”.
Discovery: supercalcolo avanzato con “Bandwidth Everywhere”
Discovery, il secondo sistema, è pensato per essere una potente evoluzione del supercalcolo classico verso un modello convergente HPC-AI. Sarà consegnato nel 2028 e operativo nel 2029.
Al centro di Discovery ci saranno CPU AMD EPYC “Venice” e GPU AMD Instinct MI430X – una variante della serie MI400 ottimizzata per carichi scientifici e AI.
Una delle sue caratteristiche distintive viene definita “Bandwidth Everywhere”: la struttura di memoria, i nodi e la rete globale saranno progettati per garantire larghezza di banda elevata su tutta l’architettura, riducendo i colli di bottiglia nei flussi dati.
Il sistema erediterà strumenti software e ambienti compatibili con Frontier (l’attuale exascale di ORNL), per agevolare la migrazione degli utenti.
Discovery è concepito per massimizzare l’efficienza energetica: offrire più calcolo mantenendo consumi comparabili.
Il contesto: da Frontier alla sovranità tecnologica
ORNL è già la sede del supercomputer Frontier, che ha raggiunto prestazioni exascale (oltre 1 exaflop) ed è stato per un periodo la macchina più potente al mondo.
Discovery mira ad andare oltre, beneficiando delle lezioni apprese da Frontier e puntando all’integrazione profonda fra HPC e AI.
L’idea guida del progetto è costruire un’“AI sovrana” americana – vale a dire capacità computazionali strategiche, indipendenti da dipendenze estere e protette da vincoli internazionali – attraverso una infrastruttura aperta e federata.
Il DOE ha inoltre dichiarato che il modello di partnership pubblico-privato consentirà di ridurre i tempi di realizzazione: alcuni sistemi saranno eretti in mesi, non in anni, grazie a finanziamenti condivisi e condivisione delle risorse.
Rischi, opportunità e implicazioni economiche
La sfida tecnologica è enorme: progettare infrastrutture capaci di gestire modelli AI sempre più grandi, alimentare reti ad altissima efficienza e scalare senza perdita di prestazioni.
Dal punto di vista finanziario, il progetto da 1 miliardo deve generare ritorni tangibili in termini di innovazione e competitività.
La collaborazione con privati (AMD, HPE, Oracle) implica un’armonizzazione tra obiettivi pubblici e modelli di business commerciali.
Sul piano geopolitico, l’iniziativa rappresenta una risposta concreta alla corsa internazionale all’AI, in una fase in cui la supremazia nei calcoli di punta è considerata strategica.
Infine, l’impatto sulla ricerca – in settori come fusione nucleare, scienze dei materiali, modellazione molecolare e biomedicina – potrà essere profondo, riducendo il tempo necessario per passare da ipotesi a risultati concreti.
