Il 24 agosto 2026, alla XRING Chip Technology Communication Conference, Xiaomi ha tirato fuori dal cilindro una cosa che nessuno si aspettava da un produttore di smartphone: Xiaomi AI Cube, un mini PC pensato per far girare modelli linguistici da 120 miliardi di parametri direttamente sulla scrivania, senza cloud e senza un solo chip di Intel, AMD, NVIDIA o Qualcomm.
Dentro Xiaomi AI Cube ci sono tre processori progettati in casa (Xring O3, O100 e D100), una banda di memoria dichiarata di 1,22 TB/s e uno chassis in alluminio con quasi 34.000 fori fresati. Sulla carta è la risposta cinese al NVIDIA DGX Spark. Nella pratica è un prototipo ingegneristico senza prezzo, senza data e senza un solo benchmark indipendente.
In questo articolo ti spiego cosa c'è davvero dentro Xiaomi AI Cube, quanto potrebbe costare, cosa significa "120B in locale" quando fai i conti con la memoria, come si confronta con le alternative che puoi comprare oggi e, soprattutto, se per uno sviluppatore o una PMI italiana ha senso aspettarlo.
Cos'è Xiaomi AI Cube in due righe
Xiaomi AI Cube è un desktop AI compatto che l'azienda chiama ufficialmente "AI Cube Prototype". L'obiettivo dichiarato è l'inferenza locale di modelli grandi.
Il demo mostrato in conferenza fa girare contemporaneamente un modello da 120B e uno da 3B, con la possibilità di passare da un "sistema veloce" a un "sistema lento" a seconda del compito.
La logica è quella dei modelli a doppio binario: il 3B risponde in tempo reale alle richieste semplici, il 120B entra in gioco quando serve ragionamento profondo. È un pattern che si vede sempre più spesso negli agenti AI e che ho già usato in produzione con la combinazione Ollama + modelli locali.
- Tre chip proprietari: Xring O3 (SoC principale), Xring O100 (acceleratore AI), Xring D100 (chip automotive riadattato)
- Potenza sostenuta: fino a 150 W continui
- Memoria: LPDDR6 sull'O3, DRAM impilata 3D sull'O100, fino a 160 GB unificati sul D100
- Chassis: alluminio aerospaziale unibody con 33.874 fori CNC per la dissipazione
- Stato: prototipo ingegneristico, nessun prezzo, nessuna data
Xiaomi AI Cube: prezzo, costo stimato e data di uscita
È la domanda che tutti cercano su Google, quindi rispondo subito: Xiaomi non ha comunicato né un prezzo né una data di uscita. Quello mostrato è un prototipo ingegneristico e non esiste ancora una versione commerciale.
Si può però ragionare per indizi. I chip O100 e D100 sono previsti in commercio nel 2027, quindi un eventuale Xiaomi AI Cube di serie non arriverà prima. Quanto al costo, la fascia di riferimento è quella dei sistemi con 128-160 GB di memoria unificata: il DGX Spark sta intorno ai 4.000 €, il Mac Studio M3 Ultra da 256 GB supera i 6.000 €.
Se Xiaomi applicasse la sua strategia abituale (prezzo aggressivo per entrare nel mercato), un posizionamento tra 2.500 e 4.000 € sarebbe plausibile. Ma è una mia stima, non un dato: trattala come tale, e ricorda che senza distribuzione europea il prezzo cinese conta poco per noi.
I tre chip Xring dentro Xiaomi AI Cube: chi fa cosa
La cosa davvero insolita di Xiaomi AI Cube non è la potenza, ma l'architettura. Invece di un unico SoC, Xiaomi ha messo insieme tre chip nati per scopi diversi. Vediamoli uno per uno.
Xring O3: il cervello generalista
È il SoC di punta che debutterà sullo Xiaomi 18 Fold. Processo a 3 nm, CPU a 10 core tutti "big" (niente core efficienza), GPU G2-Ultra NX a 16 core e una NPU da 200 TOPS a basso consumo.
Xiaomi dichiara un +60% di efficienza CPU e un +85% di prestazioni GPU rispetto alla generazione precedente, con un punteggio AnTuTu di 5,22 milioni.
In Xiaomi AI Cube fa il lavoro "normale": sistema operativo, interfaccia, orchestrazione dei modelli. Supporta LPDDR6, il nuovo standard di memoria che promette più banda e meno consumi rispetto a LPDDR5X.
Xring O100: l'acceleratore con la memoria impilata
Qui sta il pezzo tecnicamente più interessante. L'O100 è costruito a 6 nm con packaging 3D wafer-on-wafer: uno strato logico, uno strato NPU e due strati di DRAM ad alta velocità impilati verticalmente.
L'hybrid bonding porta il passo di interconnessione a 1,4 micron e la connessione face-to-face accorcia la distanza tra memoria e calcolo.
Il risultato sono 28.672 linee dati effettive e una banda "near-memory" dichiarata di 1,22 TB/s. Per capirci: il DGX Spark di NVIDIA si ferma a 273 GB/s. Se il numero regge alla prova dei fatti, è quasi 4,5 volte tanto. E nell'inferenza LLM la banda di memoria è quasi sempre il collo di bottiglia, non i TOPS.
Xring D100: il chip della macchina prestato al desktop
Il D100 nasce per la guida autonoma delle auto Xiaomi (oggi basate su NVIDIA Thor). Processo a 3 nm, CPU a 20 core, NPU a 16 core e supporto fino a 160 GB di memoria unificata.
Da solo, secondo Xiaomi, può gestire modelli fino a 200B; in Xiaomi AI Cube la configurazione dimostrata si ferma a 120B + 3B.
Sia O100 che D100 sono previsti in commercio nel 2027. Questo ti dà già un'idea realistica di quando (e se) Xiaomi AI Cube potrebbe diventare un prodotto vero.
Xiaomi AI Cube vs DGX Spark vs Mac Studio: la tabella che manca
Tutte le news uscite finora si limitano a dire "è come il DGX Spark". Mettiamo i numeri uno accanto all'altro, tenendo presente che quelli di Xiaomi AI Cube sono dichiarazioni del produttore su un prototipo.
| Sistema | Memoria unificata | Banda memoria | Consumo | Prezzo | Disponibilità |
|---|---|---|---|---|---|
| Xiaomi AI Cube | fino a 160 GB (D100) | 1,22 TB/s (O100, dichiarata) | 150 W sostenuti | non annunciato | prototipo, forse 2027 |
| NVIDIA DGX Spark | 128 GB | 273 GB/s | ~140 W | ~4.000 € | in vendita |
| Apple Mac Studio M3 Ultra | fino a 512 GB | 819 GB/s | ~270 W | da ~4.500 € (config. AI da 10.000+) | in vendita |
| Mini PC Ryzen AI Max+ 395 | fino a 128 GB | ~256 GB/s | 120-140 W | 1.800-2.500 € | in vendita |
Letta così, la promessa di Xiaomi AI Cube è chiara: banda da Mac Studio Ultra e oltre, in un box da 150 W.
Ma c'è un dettaglio che nessuno sottolinea: 1,22 TB/s è la banda tra l'O100 e la sua DRAM impilata, non la banda dell'intero pool da 160 GB. Quanta memoria ha davvero l'O100 a bordo non è stato detto. Se sono 16 o 32 GB, un 120B non ci sta e deve appoggiarsi al D100, con banda diversa e sconosciuta.
Se stai valutando cosa comprare oggi per lavorare con l'AI, ho fatto una guida completa ai PC per intelligenza artificiale con prezzi reali aggiornati.
Cosa significa davvero "120B in locale" su Xiaomi AI Cube
Questo è il punto che le notizie saltano a piè pari. "Fa girare un modello da 120 miliardi di parametri" non dice nulla finché non sai a quale precisione. Facciamo i conti.
- FP16 (precisione piena): 120B × 2 byte = circa 240 GB. Non ci sta nemmeno nei 160 GB del D100.
- INT8: circa 120 GB. Ci sta, ma a filo, senza spazio per il contesto (la KV cache).
- Q4 (4 bit): 60-70 GB. Questa è quasi certamente la configurazione del demo, con margine per contesto e per il modello da 3B.
Quindi "120B in locale" su Xiaomi AI Cube significa quasi sicuramente "120B quantizzato a 4 bit". Non è un difetto (tutti fanno così, DGX Spark compreso), ma cambia le aspettative.
E c'è un secondo numero che gira: 330 token al secondo. Viene dai modelli MiMo di Xiaomi, ottimizzati sul proprio hardware, e non è chiaro se si riferisca al 3B o al 120B. Finché non arriva un benchmark indipendente con llama.cpp o vLLM, trattalo come marketing.
Per capire quanto costa davvero un setup del genere rispetto a un abbonamento cloud, ho fatto i conti in AI in locale: quanto costa e quando conviene: spoiler, il break-even è più lontano di quanto pensi.
Le domande senza risposta su Xiaomi AI Cube
Da tecnico, quello che mi preoccupa non è l'hardware. È tutto il resto. Ecco cosa Xiaomi non ha detto.
Quale sistema operativo e quale stack software?
I chip Xring sono ARM. Niente Windows x86 nativo, niente CUDA. Il vero vantaggio del DGX Spark non è la banda (che infatti è mediocre), è che ci gira tutto l'ecosistema NVIDIA senza toccare una riga.
Xiaomi dovrà fornire driver, runtime e integrazione con llama.cpp, vLLM, Ollama, PyTorch. È un lavoro enorme, e Xiaomi non ha mai fatto niente del genere su desktop.
Quanti modelli sono supportati?
Il demo usa i MiMo di Xiaomi. Girano anche Llama, Qwen, DeepSeek, Mistral? Con quali formati (GGUF, safetensors)? Se Xiaomi AI Cube fosse chiuso ai soli modelli Xiaomi, sarebbe un giocattolo costoso.
Quanto consuma e quanto scalda davvero?
150 W sostenuti in un cubo piccolo con tre chip a 3 e 6 nm sono tanti. I 33.874 fori servono a questo. Ma raffreddare tre die con DRAM impilata (che odia il calore) in un unibody è un problema termico serio.
Il throttling sotto carico continuo è la prima cosa che guarderei in una recensione di Xiaomi AI Cube.
Arriverà in Europa?
Xiaomi non vende PC in Italia. Zero canale, zero assistenza, zero garanzia locale. Anche se Xiaomi AI Cube uscisse in Cina nel 2027, portarlo qui significherebbe import grigio, senza supporto software garantito per l'Europa.
Perché Xiaomi lo fa (e perché ti riguarda)
Xiaomi AI Cube non è pensato per vendere milioni di pezzi. È una dimostrazione di indipendenza dai chip americani. Xiaomi ha tre famiglie di silicio (mobile, AI, automotive) e vuole far vedere che può assemblarle in un prodotto completo.
È la stessa strada di Huawei con Ascend e di Microsoft con Maia 200: chi ha i modelli vuole anche il silicio.
Va detto che l'indipendenza è parziale: la produzione resta a TSMC, in Taiwan. Ma il messaggio al mercato è forte: l'inferenza locale sta diventando un campo di battaglia, e più concorrenza significa prezzi più bassi per chi, come me, vuole far girare modelli in casa per motivi di privacy e di costo.
Per una PMI italiana questo si traduce in una cosa concreta: tra il 2027 e il 2028, tenere in ufficio un box come Xiaomi AI Cube che esegue un modello da 100B+ per gestire documenti, email e automazioni senza mandare un byte fuori dall'azienda costerà probabilmente meno di un abbonamento cloud annuale per cinque persone.
E con il GDPR e l'AI Act in vigore, "i dati non escono" è un argomento che i clienti capiscono al volo.
Cosa fare oggi se ti serve AI in locale
La risposta onesta: non aspettare Xiaomi AI Cube. È un prototipo, i chip arrivano nel 2027 e in Europa forse mai. Se hai bisogno di inferenza locale adesso, ecco come ragionerei per fascia di budget.
- Fino a 2.500 €: mini PC con Ryzen AI Max+ 395 e 128 GB. Fa girare modelli fino a 70B in Q4 con Ollama o LM Studio, consuma poco, stack software maturo (ROCm/Vulkan).
- Intorno a 4.000 €: DGX Spark. Banda modesta ma ecosistema CUDA completo: ideale se fai fine-tuning o sviluppi con PyTorch.
- Oltre 5.000 €: Mac Studio M3 Ultra con 256-512 GB. Oggi è la macchina con il miglior rapporto banda/memoria/silenzio per far girare modelli da 200B+ in casa.
- Budget zero: usa quello che hai con modelli da 7-14B quantizzati. Per la maggior parte delle automazioni aziendali bastano, come spiego nella guida alle repository GitHub per LLM.
Se stai costruendo un'automazione AI per la tua azienda e non sai se ti conviene cloud o locale, è esattamente il tipo di scelta su cui lavoro con i clienti ogni settimana.
Fonti tecniche: le specifiche riportate arrivano dalla presentazione ufficiale Xiaomi, riprese da Notebookcheck e VideoCardz.
Leggi anche
- AI in locale: quanto costa davvero e quando conviene (2026)
- Top PC per Intelligenza Artificiale: Guida Completa Acquisto 2026
- Claude Code Gratis con Ollama: Guida Completa ai Modelli Locali
- FOMO da AI: perché non devi rincorrere ogni nuovo modello
- Claude Opus 5: quasi Fable 5 a metà prezzo, cosa cambia
Conclusione: Xiaomi AI Cube, promessa enorme, prove zero
Xiaomi AI Cube è il prototipo più interessante visto quest'anno nel mondo dell'AI in locale: 1,22 TB/s di banda, 160 GB di memoria e 150 W in un cubo di alluminio sono numeri che, se confermati, ridisegnano la fascia dei "DGX Spark".
Ma oggi restano numeri su una slide. Nessun benchmark, nessuno stack software, nessun prezzo, chip in commercio non prima del 2027.
Il mio consiglio è di seguire Xiaomi AI Cube con attenzione e di comprare, nel frattempo, quello che esiste. Se vuoi capire quale setup AI (locale o cloud) ha senso per la tua attività, scrivimi: ti dico cosa farei io con il tuo budget, senza venderti hardware.
