Il 24 agosto 2026 Lei Jun, fondatore di Xiaomi, ha annunciato via WeChat il nuovo chip mobile Xring O3. Nello stesso evento, quasi di passaggio, l'azienda ha mostrato qualcosa di più insolito per un produttore di smartphone: un piccolo blocco di alluminio chiamato AI Cube, presentato come "personal AI super-computing terminal", che nella demo eseguiva in locale un modello da 120 miliardi di parametri affiancato da uno da 3 miliardi, senza toccare il cloud.
Non è (ancora) un prodotto. È un dimostratore tecnologico, il modo in cui Xiaomi mette in vetrina il proprio know-how sui semiconduttori proprietari, in un momento in cui l'azienda sta chiaramente lavorando per ridurre la dipendenza da Qualcomm e MediaTek. Ma le specifiche mostrate sono abbastanza concrete da meritare un confronto onesto con le macchine per AI locale che oggi si possono davvero comprare: NVIDIA DGX Spark, Apple Mac Studio M3 Ultra e i mini PC basati su AMD Ryzen AI Max+ 395 (Strix Halo).
Cos'è l'Xiaomi AI Cube
Il primo dettaglio che salta all'occhio è lo chassis: alluminio aerospaziale in un unico blocco (unibody), lavorato con 33.874 tagli di precisione CNC. È un dettaglio da comunicato stampa, ma segnala bene l'intenzione: non un accessorio, ma un pezzo di ingegneria a sé.
Dentro, il cuore del sistema è la combinazione di tre chip proprietari della famiglia Xring, ciascuno con un ruolo diverso:
- Xring O3 — il SoC mobile a 3nm (TSMC) che debutta nello stesso evento, 24 miliardi di transistor, CPU 10-core, GPU 16-core G2-Ultra NX e NPU da 200 TOPS. È il primo SoC mobile al mondo con supporto LPDDR6 (fino a 10.667 Mbps, banda 113,8 GB/s, +48% rispetto a Xring O1) e il primo a superare i 5 milioni di punti su AnTuTu (5,22 milioni). Arriverà su Xiaomi 18 Fold e Xiaomi Pad 9 Pro Max a settembre 2026.
- Xring O100 — un chip di accelerazione AI con packaging 3D wafer-level stacked a 6nm, 28.672 linee dati effettive e fino a 1,22 TB/s di banda per il near-memory computing. Produzione commerciale prevista nel 2027.
- Xring D100 — pensato anche per l'automotive, CPU 20-core più NPU 16-core, con supporto fino a 160GB di memoria unificata. Anche questo con produzione commerciale prevista nel 2027.
Il sistema combinato mette in comune un pool di memoria unificata da 80GB in LPDDR6, con un consumo sostenuto dichiarato fino a 150W. Xiaomi non ha pubblicato un numero di TOPS aggregato per l'intero sistema: i dati disponibili sono quelli dei singoli chip, non un benchmark indipendente sulla macchina finita.
Perché la memoria conta più dei TFLOPS
Il dettaglio più interessante dell'AI Cube non è la potenza di calcolo dichiarata, ma la scelta di puntare su un pool di memoria unificata ampio e ad alta banda. È la stessa lezione che il mercato dei mini PC per AI locale sta imparando da mesi, spesso a proprie spese.
Un modello linguistico di grandi dimensioni, per generare ogni singolo token, deve leggere per intero (o quasi) i propri pesi dalla memoria. Questo significa che la velocità di generazione — i famosi token al secondo — dipende molto più dalla banda di memoria disponibile che dalla potenza di calcolo teorica del chip. È un collo di bottiglia diverso da quello a cui siamo abituati con la grafica o il calcolo scientifico.
Il caso più chiaro è quello dei mini PC con AMD Ryzen AI Max+ 395 (Strix Halo): sulla carta offrono fino a 126 TOPS e 128GB di memoria unificata, sufficienti per caricare in memoria modelli enormi come Qwen3:235B. Nella pratica, però, la banda di memoria non tiene il passo, e il risultato è una generazione di circa 11 token al secondo — utilizzabile, ma lontana dalla fluidità di una chat in tempo reale. È l'esempio perfetto di hardware che "sulla carta" sembra il più potente della categoria, ma che nell'uso reale sui LLM viene superato da macchine con specifiche nominali più modeste ma banda di memoria più alta.
Per questo, quando si valuta una macchina per far girare LLM in locale, la domanda giusta non è solo "quanti TOPS ha" ma "quanta memoria ha, quanto è veloce ad accedervi, e quanti token al secondo produce davvero su un modello di dimensioni comparabili".
Il confronto: AI Cube vs le alternative acquistabili oggi
Va detto con chiarezza, prima della tabella: l'AI Cube non è in vendita, non ha un prezzo annunciato e non ha una data di commercializzazione. Il confronto che segue va letto come "se e quando arriverà sul mercato, questi sono gli avversari che troverà", non come un test testa a testa tra prodotti reali. I dati sui concorrenti sono verificati al 26 agosto 2026 sulle pagine prodotto e sui comunicati ufficiali dei rispettivi produttori.
| Dispositivo | Memoria | Potenza AI | LLM · velocità | Prezzo | Disponibilità |
|---|---|---|---|---|---|
| Xiaomi AI Cube prototipo |
80 GB LPDDR6 |
≈450 TOPS stima aggregata SaintChannel — solo il dato O3 (200 TOPS) è ufficiale |
120B+3B ≈20-35 tok/s stimati — nessuna misura indipendente |
≈2.500-3.500$ stima editoriale — nessun prezzo annunciato |
non prima del 2027 dedotto dai piani di produzione O100/D100 |
| NVIDIA DGX Spark chip GB10 Grace Blackwell |
128 GB LPDDR5X, bus 256-bit |
1.000 TOPS dichiarato NVIDIA, FP4 sparsity |
200B 35-80+ tok/s |
3.999-4.699$ Founders Edition, ago 2026 |
disponibile |
| Apple Mac Studio M3 Ultra | 96 GB 819 GB/s — il taglio 128GB è stato ritirato nel 2026 |
n.d. GPU 60-core, Apple non pubblica TOPS |
70B 59-84 tok/s con MLX |
da 5.299$ | disponibile |
| Mini PC AMD Ryzen AI Max+ 395 es. GMKtec EVO-X2, Framework Desktop |
128 GB LPDDR5X-8000, ≈96GB come VRAM su Linux |
126 TOPS | 235B ≈11 tok/s — collo di bottiglia sulla banda |
3.449-4.349$ | disponibile |
Xiaomi non ha pubblicato un TOPS aggregato, una velocità in token/s né un prezzo per l'AI Cube: i valori con "stima"/"≈" nella riga Xiaomi sono elaborazioni editoriali SaintChannel (non dati ufficiali né misurazioni indipendenti), utili solo per un ordine di grandezza. Tutti gli altri dati sono verificati al 26 agosto 2026 sulle pagine prodotto e sui comunicati ufficiali dei rispettivi produttori.
Qualche lettura in filigrana:
- DGX Spark resta l'opzione più bilanciata per chi vuole davvero far girare modelli grandi con una velocità utilizzabile, e beneficia di un ecosistema software (CUDA) che nessuno degli altri ha allo stesso livello.
- Mac Studio M3 Ultra vince quando il modello entra comodamente nella memoria disponibile: la banda altissima (819 GB/s) lo rende il più fluido della categoria in quello scenario, con il limite pratico che la configurazione 128GB non è più a listino.
- Strix Halo è la scelta più economica per avere tanta memoria (128GB), ma è anche il promemoria più chiaro che "tanta memoria" e "tanti TOPS" non bastano se la banda non regge.
- AI Cube, se e quando diventerà un prodotto reale, dovrà dimostrare token/s misurabili in modo indipendente, non solo una demo controllata su un palco. Con 80GB di memoria e tre chip specializzati (uno per il calcolo generale, uno per la banda, uno per l'accelerazione AI vera e propria) l'architettura suggerisce che Xiaomi ha capito bene dove si gioca la partita — ma un'architettura promettente e un prodotto misurabile sono due cose diverse.
Cosa significa per il mercato degli AI PC
L'AI Cube conferma una tendenza che si vede ormai da diversi trimestri: i grandi produttori di hardware di consumo — Apple, AMD, ora Xiaomi — stanno tutti convergendo sulla stessa idea, cioè un pool di memoria unificata ampio condiviso tra CPU, GPU e NPU, invece della separazione classica tra RAM di sistema e VRAM dedicata. È l'architettura che rende possibile far girare in locale modelli che fino a un paio d'anni fa richiedevano server con GPU professionali da decine di migliaia di euro.
Per un'azienda che oggi valuta l'AI locale — che sia per motivi di costo, di privacy dei dati o di indipendenza da un abbonamento cloud — la lezione pratica di questo confronto è semplice: prima di guardare i TOPS dichiarati sulla scheda tecnica, bisogna capire quanta memoria serve davvero per i modelli che si vogliono usare, e quanto velocemente quella memoria viene letta. È lo stesso tipo di valutazione tecnica — capire cosa serve davvero, prima di scegliere lo strumento — che applichiamo quando aiutiamo un'azienda a scegliere tra una soluzione AI in cloud e un'infrastruttura locale.
Se stai valutando come portare l'intelligenza artificiale nei processi della tua azienda, in cloud o in locale, i contatti per una consulenza sono su saintchannel.com.