Vuoi acquistare un PC per usare l’intelligenza artificiale? Ecco una guida completa per capire cosa scegliere tra NPU, GPU, RAM e memoria unificata.
Se stai cercando un nuovo PC da acquistare, sicuramente ti sarà capitato di imbatterti in etichette come AI PC o Copilot+ PC. Sembrano la stessa cosa, ma in realtà descrivono realtà diverse. Un numero messo in evidenza sulla scatola, infatti, può dire pochissimo su ciò che il computer saprà fare.
ChatGPT, Claude e Copilot girano in un data center e funzionano su quasi qualsiasi portatile. Generare immagini o far girare un modello linguistico sul proprio computer richiede invece memoria, banda di memoria e una GPU adeguata.
In questa guida, vediamo insieme quali sono le migliori componenti a cui fare affidamento per poter acquistare un PC che sappia davvero lavorare con l’AI e che ti possa garantire prestazioni in linea con le tue aspettative.
leggi anche
I 5 migliori PC sotto i 300 euro
Cloud o locale?
Se usi l’AI da browser o da app, il lavoro più pesante lo fa il cloud. Microsoft precisa per esempio che Windows 11 supporta esperienze AI basate sul cloud, come Copilot, mentre per le funzioni AI sul dispositivo consiglia un NPU da oltre 40 TOPS.
In questo caso, basta un PC moderno e una buona connessione. Il locale conviene invece per privacy dei dati, uso offline e se non hai intenzione di pagare abbonamenti. Ovviamente l’aspetto più costoso riguarda l’hardware.
Cosa garantisce un Copilot+ PC
Copilot+ PC è un’etichetta riguardante una certificazione Microsoft, non parliamo di un termine generico. Per poterla ottenere, un dispositivo deve avere un NPU da almeno 40 TOPS, 16 GB di memoria RAM DDR5 o LPDDR5 e 256 GB di memoria interna o UFS.
Microsoft chiarisce che alcuni PC hanno un NPU da più di 40 TOPS, ma non soddisfano tutti i requisiti quindi non sono considerati Copilot+ PC.
Oggi quasi tutti i chip top di gamma superano questa soglia. Per fare alcuni esempi, Qualcomm indica che Snapdragon X2 Elite arriva fino a 80 TOPS di NPU. Intel Core Ultra Series 3 ha invece 50 TOPS di NPU e fino a 180 TOPS sommando CPU e GPU.
Per AMD Ryzen AI 400 si parla invece di fino a 60 TOPS. Ti consigliamo di diffidare dei totali di piattaforma, in quanto non indicano il valore dell’NPU.
A cosa serve l’NPU
L’NPU alimenta, di fatto, funzioni di Windows come Recall, Click to Do, la Ricerca Migliorata e altre funzionalità chiave. È pensato per modelli che sono piccoli e che funzionano costantemente, con numeri tradotti in circa 4 miliardi di parametri.
Prendendo come esempio un modello da 70 miliardi di parametri in 4 bit, servono circa 40 GB di memoria. La libreria di Ollama riporta numeri che confermano questo ordine di grandezza. Llama 3 70B pesa 40 GB. Per i modelli locali più grandi, contano dunque memoria e GPU, non i TOPS dell’NPU.
leggi anche
I 10 migliori PC per lavorare in smart working
Quanta importanza ha la memoria
Tornando ai parametri di Ollama, si può meglio comprendere il peso della memoria. Servono almeno 8 GB di RAM per i modelli da 7 miliardi di parametri, 16 GB per quelli da 13 miliardi e 32 GB per quelli da 33 miliardi.
Si aggiunge poi il contesto. Per testi lunghi, sono necessari circa 0,5-1,5 GB in più. Ricorda poi che bisogna distinguere due grandezze. La capacità stabilisce quale modello entra, mentre la banda stabilisce con che velocità genera.
È per questo motivo che un sistema con molta memoria ma poca banda può caricare modelli enormi e produrre testo con più lentezza.
Cosa guardare nelle GPU NVIDIA
Se hai un PC con scheda dedicata, il numero da tenere in considerazione è la VRAM. NVIDIA dichiara che per la RTX 5090 desktop ci sono 32 GB di GDDR7 e 1.792 GB/s di banda di memoria.
Per i portatili, invece, ci sono 24 GB per la RTX 5090 Laptop e 16 GB per la RTX 5080 Laptop. Nella fascia media, la RTX 5060 Ti ha 16 GB o 8 GB a seconda della versione acquistata.
Un modello da 32 miliardi di parametri occupa circa 20 GB, quindi entra nei 32 GB di una 5090. Con 8 GB ti fermi invece ai modelli più piccoli.
Come funzionano i Mac con l’AI
Passando ai dispositivi Apple, e quindi ai Mac, c’è la memoria unificata condivisa da CPU, GPU e Neural Engine. Per l’M5 Pro, si arriva a 64 GB e 307 GB/s e per l’M5 Max si arriva fino a 128 GB e 614 GB/s.
Il nuovo Mac Studio sale infine fino a 512 GB di memoria unificata con M5 Ultra. Si tratta della scelta migliore per modelli grandi con poco rumore e consumi contenuti. Il vero limite riguarda l’ecosistema, poiché tutti gli strumenti basati su CUDA non girano su Mac.
Convengono i Mini PC AMD?
Come funzionano i Mini PC? Il chip Ryzen AI Max+ 395 offre fino a 128 GB di memoria unificata, di cui fino a 96 GB assegnabili alla grafica. Ci sono già diversi Mini PC con questo chip.
NVIDIA DGX Spark punta invece più in alto, con 128 GB di memoria unificata, 273 GB/s di banda e la possibilità di eseguire modelli fino a circa 200 miliardi di parametri. Parlando di prezzi, dopo il lancio c’è stato un aumento. Si è passati infatti da 3.999 a 4.699 dollari, per via della carenza di memoria che ha colpito l’intero settore tech.
Quanto costano i PC per l’AI
Il quarto trimestre del 2026 prevede ulteriori aumenti dei contratti DRAM, con crescite del 10-15%. E lo stesso vale per le NAND, in salita del 15-20% secondo TrendForce. E ad assorbire l’offerta saranno inevitabilmente i Server AI.
Nei portatili, la RAM è quasi sempre saldata e non si può aggiornare. Ecco perché è importante fare fa subito la scelta giusta in termini di quantità, poiché ampliarla dopo è impossibile.
Quale configurazione scegliere
Vediamo ora quali configurazioni scegliere, in base all’uso che vuoi fare del tuo PC per AI. Se sei alla ricerca di un dispositivo che funzioni principalmente in cloud e con tool Windows, può basare un portatile Copilot+ PC con 16 GB di RAM, ancora meglio se sali a 32 GB.
Per i modelli in locale fino a 14B, invece, sono consigliabili almeno 32 GB di memoria RAM oppure una GPU con 16 GB di VRAM. Passando ai modelli da 30-70B quantizzati, ti servirà una memoria unificata da almeno 64-128 GB, puntando su un Mac M5 Max o su un Ryzen AI Max+. In alternativa, valuta una GPU da 32 GB.
Guardiamo infine ai dispositivi per generare immagini e video. In questo ultimo caso, è bene puntare su una GPU NVIDIA con più VRAM possibile, così da essere certo di evitare il più possibile rallentamenti e lag.
