NVIDIA, AMD e Intel per l'IA locale: quale piattaforma scegliere

Il dubbio è lo stesso per quasi tutti: serve una GPU NVIDIA per l'IA locale, o ormai anche AMD e Intel reggono? La risposta corta: dipende da che modello vuoi far girare, da quanto vuoi spendere e da quanto ti va di occuparti del software. La risposta lunga sta in questa guida, che confronta le tre piattaforme sulla base di cosa è davvero disponibile oggi: stack software ufficiali, schede per fascia di VRAM e velocità reali.

L'ecosistema conta quanto i numeri sulla scheda

Prima di guardare i prezzi, una regola pratica: nella stessa fascia di prezzo, una GPU "mature" per l'IA batte spesso una GPU nuova ma con un software giovane. I tre ecosistemi del 2026:

• NVIDIA / CUDA — lo standard di fatto. CUDA è lo stack di programmazione GPU di NVIDIA (sito ufficiale): Ollama, llama.cpp, vLLM, LM Studio lo supportano per primo, e le ottimizzazioni (Flash Attention, kernel quantizzati, formato FP4 della generazione Blackwell) arrivano prima e sono più rifinite. Il costo: prezzo più alto a parità di VRAM.
• AMD / ROCm — ROCm è lo stack equivalente di AMD (documentazione ufficiale). Da ROCm 7 le Radeon consumer RDNA 3 e RDNA 4 (serie RX 7000 e RX 9000) sono supportate ufficialmente su Linux: installi Ollama o llama.cpp con backend ROCm e i modelli girano senza variabili d'ambiente né workaround. Gli ultimi rilasci hanno spostato il processo su una release system modulare (TheRock), che mantiene i componenti aggiornati più facilmente.
• Intel / Vulkan — Intel ha puntato sulla via aperta: IPEX-LLM, la libreria che portava l'inferenza LLM sui GPU Arc, è stata archiviata a gennaio 2026 (repository). Il percorso mantenuto è Vulkan, lo standard cross-platform di Khronos (vulkan.org): Ollama e llama.cpp lo supportano nativamente su Windows, Linux e macOS (tramite MoltenVK). Meno ottimizzato di CUDA, ma funziona su praticamente ogni scheda.

I numeri: banda e VRAM

Per la decodifica dei token (la fase che determina i token/secondo), conta soprattutto la banda di memoria: per ogni token il motore deve rileggere tutti i pesi dalla VRAM. Il limite teorico è banda diviso per dimensione dei pesi; nella pratica ottieni il 60-75% di quel limite. I pesi in Q4_K_M di un modello 14B occupano circa 8,4GB, di un 27B circa 17GB — numeri coerenti con quelli del nostro pianificatore di setup.

Scheda	VRAM	Banda	Cosa ci sta in Q4
Intel Arc B580	12GB	456 GB/s	8-14B
NVIDIA RTX 5070	12GB	672 GB/s	8-14B
NVIDIA RTX 5060 Ti	16GB	448 GB/s	fino al 27B
AMD RX 9070 XT	16GB	640 GB/s	9-20B
NVIDIA RTX 5070 Ti	16GB	896 GB/s	fino al 27B
NVIDIA RTX 4090	24GB	1008 GB/s	27-32B
AMD RX 7900 XTX	24GB	960 GB/s	27-32B

Fascia 12GB: 8-14B, si gioca la velocità

Qui la VRAM basta per la classe di modelli più usata (8-14B in Q4) e il fattore decisivo è la banda. Su un 14B in Q4 (~8,4GB di pesi): la RTX 5070 arriva a ~44 tok/s teorici (in pratica 26-33), la RX 9070 XT a ~33 (in pratica 20-25), la Arc B580 a ~24 (in pratica 14-18). La differenza si sente: su un 8B, la B580 resta comunque su 40-42 tok/s reali grazie al Vulkan di Ollama, una velocità del tutto sufficiente per chat e scrittura.

Fascia 16GB: il 27B e il compromesso sul contesto

I 16GB sono il centro di gravità del 2026: un 27B in Q4 (~17GB con KV cache) ci sta solo qui e nelle schede da 24GB. Ma attenzione: su 16GB un 27B "ci sta" a stento, con un contesto che non può essere molto lungo. In pratica, la classe 16GB è la casa dei 9-20B con contesto ampio — e lì la banda decide. La RX 9070 XT (640 GB/s) è la carta 16GB più veloce per i modelli 9-20B, un vantaggio del 43% sulla 5060 Ti (448 GB/s); la 5070 Ti (896 GB/s) domina quando invece vuoi spingere un 27B: ~52 tok/s teorici contro i 26 della 5060 Ti, 18-22 in pratica su quest'ultima.

Fascia 24GB: la capacità vince

24GB e oltre cambia il gioco: il 27B ci sta con contesto largo, i 32B in Q4 entrano, e i MoE grandi (100B+ con pochi parametri attivi) diventano realistic. I 960 GB/s della RX 7900 XTX sono il 96% della RTX 4090 (1008 GB/s): stessa velocità di decodifica, e la 7900 XTX in genere costa meno. A questo livello la scelta tra NVIDIA e AMD si fa su prezzo, consumi e preferenza personale — il software da entrambe le parti è stabile e ufficiale.

Quando ha senso uscire da CUDA

• Budget sotto i 500 euro — la Arc B580 12GB è la porta d'ingresso: per i modelli 8-14B è più che dignitosa, e il percorso Vulkan è ormai maturo e senza dipendenze esotiche.
• Vuoi 16GB con il massimo dei token/secondo per i modelli 9-20B — la RX 9070 XT offre la miglior banda per euro della fascia, con ROCm 7 ufficiale e nessun workaround.
• Ti serve 24GB e vuoi spendere meno — RX 7900 XTX: stessa classe di velocità della 4090, prezzo street più basso.
• Il resto del tempo resta su NVIDIA — vuoi un 27B con contesto e zero attriti, fai serving con vLLM, o vuoi la massima compatibilità con i motori e i formati di quantizzazione: CUDA resta l'ecosistema più completo, e la 5070 Ti 16GB è la scelta giusta per "tutto, subito, senza pensieri".

Un'ultima nota per chi già possiede una scheda: prima di comprare, prova la tua GPU attuale con il modello che ti interessa. Se raggiungi velocità accettabili (20-30 tok/s per un uso personale sono comodi), il budget della GPU resta libero per la RAM di sistema, che con i MoE pesanti e i contesti lunghi conta almeno quanto la VRAM.

Verdetto

Le tre piattaforme non sono più "NVIDIA sì, gli altri no": nel 2026 AMD ha il supporto consumer ufficiale, Intel ha una via aperta stabile, e il software comune (Ollama, llama.cpp) li parla tutti. La GPU giusta è quella che mette in VRAM i pesi del modello che vuoi usare, alla miglior banda per il tuo budget — e l'ecosistema CUDA resta il premio da pagare se vuoi il massimo dei token/secondo con il minimo dello stress.

Articolo generato con IA