Qualcomm Technologies amplia la propria presenza nei data center con Dragonfly, una roadmap completa pensata per sostenere la crescita dell’AI agentica. Presentato durante l’investor day del gruppo, il portafoglio comprende la CPU Qualcomm Dragonfly C1000, la tecnologia Qualcomm High Bandwidth Compute, l’acceleratore per l’inferenza Dragonfly AI300 e nuovi prodotti di connettività, affiancati da soluzioni di silicio personalizzato. L’obiettivo dichiarato è aumentare prestazioni per watt e produzione di token, riducendo al tempo stesso il costo totale di proprietà.
Il nuovo Dragonfly AI300 si aggiunge agli acceleratori AI200 e AI250 già annunciati, delineando una cadenza annuale per l’evoluzione dell’offerta. La strategia non si limita quindi a un singolo chip, ma copre CPU per carichi agentici e data center, accelerazione dell’inferenza, memoria, connettività ad alte prestazioni e componenti personalizzati destinati alle installazioni su larga scala. Qualcomm configura così Dragonfly come una piattaforma full stack, disaggregata e progettata a livello di rack.
Il punto di partenza è l’aumento della domanda di inferenza AI generato dagli agenti software, chiamati a operare in modo continuativo e a produrre quantità crescenti di token. Cristiano Amon, presidente e CEO di Qualcomm Incorporated, ha indicato la necessità di infrastrutture capaci di fornire prestazioni molto più elevate con consumi e costi inferiori. Secondo il manager, questa transizione coincide con le competenze maturate dall’azienda nel calcolo ad alte prestazioni e a basso consumo, ora trasferite dal dispositivo al data center.
Qualcomm richiama decenni di esperienza nei system-on-chip, nella progettazione a basso consumo e nello sviluppo di proprietà intellettuale, insieme alla realizzazione di oltre 40 miliardi di componenti. Su questa base intende costruire infrastrutture rack-scale rivolte agli hyperscaler e ai carichi di inferenza intensivi, con bassa latenza, integrazione semplificata e distribuzione scalabile. La metrica centrale diventa quella dei token per watt, considerata la leva principale per contenere il TCO mentre cresce il volume di elaborazione richiesto dagli agenti.
La piattaforma affronta anche due colli di bottiglia ricorrenti nelle infrastrutture AI: larghezza di banda della memoria e consumo energetico. Tony Pialis, vicepresidente esecutivo e general manager della divisione data center di Qualcomm Technologies, ha sottolineato che le imprese non cercano più soltanto singoli componenti, ma devono orchestrare più forme di calcolo all’interno di ambienti distribuiti e sempre attivi. Dragonfly riunisce per questo elaborazione, AI, memoria e connettività in un’architettura unificata su scala rack.
Il passaggio dalla roadmap alla dimensione commerciale trova un primo riscontro nell’accordo strategico con Meta. La collaborazione, definita pluriennale e multigenerazionale, prevede che Qualcomm Technologies diventi un fornitore di CPU per i data center del gruppo. La Dragonfly C1000 è destinata ad alimentare la prossima generazione della flotta di server Meta, in ambienti scale-out nei quali efficienza energetica e capacità di elaborazione devono crescere insieme.
Attorno alla proposta si è inoltre raccolto il sostegno di oltre 35 aziende dell’ecosistema tecnologico e AI. Tra i nomi indicati figurano Lenovo, Foxconn, Gigabyte Technology, Micron Technology, Samsung SDS, SK hynix America, Supermicro, NEC, Quanta, Compal e Arista. La varietà dei soggetti coinvolti, dalla memoria ai server fino alla connettività, riflette l’impostazione infrastrutturale di Dragonfly: una proposta che richiede coordinamento tra molteplici livelli hardware per arrivare a installazioni operative su larga scala.
Qualcomm ha assunto un impegno su una roadmap multigenerazionale per i data center, con aggiornamenti annuali concentrati su prestazioni dell’inferenza, efficienza energetica e costo totale di proprietà. Dragonfly porta quindi nel mercato delle infrastrutture AI il patrimonio di progettazione a basso consumo del gruppo, mentre l’accordo con Meta offre alla nuova linea una destinazione concreta. La competizione si sposta così sull’economia del token e sulla capacità di integrare calcolo, memoria e rete in piattaforme capaci di sostenere l’AI agentica su vasta scala.