Il Piano di NVIDIA da 500 Miliardi di Dollari per il Finanziamento dell'AI: Come l'Infrastruttura GPU Sta Diventando una Classe di Asset

Introduzione

NVIDIA sta cercando di cambiare il modo in cui l'industria dell'AI paga per la potenza di calcolo.

Il 10 agosto 2026, l'azienda ha annunciato una partnership strategica con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR per istituire piattaforme indipendenti di finanziamento della potenza di calcolo per infrastrutture AI basate su NVIDIA.

L'obiettivo è ambizioso: queste piattaforme mirano a mobilitare oltre 500 miliardi di dollari in capitale di terzi nel lungo periodo.

Questa cifra va letta con cautela.

NVIDIA non ha raccolto un singolo fondo da 500 miliardi di dollari, né le sei istituzioni hanno pubblicamente impegnato importi individuali fissi. Le parti hanno firmato memorandum d'intesa, mentre accordi definitivi, termini dei progetti, tempistiche di implementazione e impegni di capitale effettivi devono ancora essere definiti.

L'idea va ben oltre il semplice fornire prestiti ai clienti per acquistare GPU.

NVIDIA vuole che le fabbriche di AI — l'intero stack tecnologico di acceleratori, reti, software di sistema, framework AI e infrastruttura circostante — siano finanziate più come infrastruttura produttiva. Senza che ogni laboratorio AI, azienda o fornitore di servizi cloud debba anticipare l'intero costo dai propri bilanci, il capitale istituzionale a lungo termine può possedere o finanziare questi asset, mentre i clienti pagano per l'accesso alla potenza di calcolo.

La visione di Jensen Huang è semplice: nell'AI, la potenza di calcolo genera ricavi, quindi l'infrastruttura di calcolo può essere sottoscritta come asset produttivo, non solo come acquisto tecnologico a rapido deprezzamento.

NVIDIA Vuole che Wall Street Finanzi le Fabbriche di AI

Negli ultimi due anni, uno dei maggiori ostacoli all'espansione dell'AI è stato il capitale.

I laboratori AI all'avanguardia necessitano di cluster più grandi per addestrare e servire modelli più potenti. Le aziende vogliono spostare più carichi di lavoro verso l'AI. I fornitori di servizi cloud e i nuovi operatori cloud stanno gareggiando per aumentare la capacità.

L'hardware è costoso e la spesa va ben oltre le sole GPU.

Una fabbrica di AI moderna può richiedere:

• Acceleratori
• Reti ad alta velocità
• Storage
• Distribuzione elettrica
• Sistemi di raffreddamento a liquido
• Edifici
• Terreni
• Accesso alla rete elettrica
• Software di sistema
• Operazioni
• Impegni di capacità a lungo termine

Le grandi aziende tecnologiche possono finanziare la maggior parte di queste spese attraverso i flussi di cassa e i mercati obbligazionari pubblici.

Le aziende AI più piccole e gli operatori di infrastrutture spesso non possono permetterselo.

Il piano di finanziamento di NVIDIA mira a colmare questa lacuna con capitale privato e istituzionale su larga scala.

Secondo la struttura annunciata, i sei gruppi finanziari istituiranno pool di capitale dedicati e valuteranno in modo indipendente progetti che coinvolgono infrastrutture AI basate su NVIDIA.

NVIDIA fornisce la piattaforma tecnologica e l'ecosistema.

I finanziatori forniscono sottoscrizione, capitale, competenza infrastrutturale e accesso ai mercati dei capitali.

L'azienda afferma che l'obiettivo

i clienti includono:

• Laboratori AI all'avanguardia
• Startup AI native
• Grandi aziende
• Fornitori di servizi cloud AI
• Governi e progetti AI nazionali

Questo modello può consentire alle istituzioni con una forte domanda ma senza la capacità o la volontà di sostenere l'intero costo dell'infrastruttura in una sola volta di accedere a risorse di calcolo costose.

Più Simile al Finanziamento di Infrastrutture che a un Rateale di Consumo

Definire questa idea "mutuo per l'acquisto di GPU" è efficace, ma la struttura reale è più vicina al finanziamento di infrastrutture e attrezzature.

Una configurazione semplificata potrebbe apparire così:

Capitale istituzionale
        ↓
Strumento finanziario / proprietario dell'infrastruttura
        ↓
Fabbrica di AI basata su NVIDIA
        ↓
Utenti di calcolo a lungo termine
        ↓
Canoni d'uso o flussi di cassa simili a leasing
        ↓
Servizio del debito / rendimenti per gli investitori

Gli utenti di calcolo non devono necessariamente possedere direttamente ogni singola GPU.

Le istituzioni finanziarie valuteranno se il progetto può generare flussi di cassa durevoli sufficienti a giustificare l'investimento.

Questa valutazione può includere:

• Qualità creditizia del cliente
• Durata contrattuale
• Tasso di utilizzo della potenza di calcolo
• Ricavi attesi dal leasing
• Domanda di modelli
• Costi energetici
• Vita utile dell'hardware
• Valore residuo
• Opzioni di riallocazione

Questo modello è simile al business del finanziamento asset — dove una parte possiede o finanzia l'acquisto di un asset produttivo ad alto valore, mentre l'altra lo utilizza.

Il leasing aeronautico è un'analogia evidente.

Le compagnie aeree non comprano sempre ogni aereo in contanti. I locatori possono possedere gli aerei e incassare pagamenti per anni, mantenendo il valore dell'asset fisico.

Anche la potenza di calcolo AI può seguire un modello di finanziamento simile, sebbene le caratteristiche di deprezzamento delle GPU siano molto diverse da quelle degli aerei.

Perché NVIDIA Ritiene che la Potenza di Calcolo Possa Diventare una Classe di Asset Investibile

Jensen Huang ha pubblicato un'altra nota l'11 agosto, sostenendo che la potenza di calcolo delle fabbriche di AI NVIDIA possiede le qualità che gli investitori cercano nelle infrastrutture.

La sua argomentazione si basa su quattro punti.

1. L'Asset Genera Ricavi

L'infrastruttura AI non è attrezzatura inattiva.

Può essere utilizzata per training, inferenza, fine-tuning, calcolo scientifico, carichi di lavoro di agenti, generazione di media, robotica e altri servizi a pagamento.

Se la capacità rimane utilizzata, l'attrezzatura genera flussi di cassa ricorrenti.

2. L'Architettura Supporta Molteplici Carichi di Lavoro

NVIDIA sostiene che la sua infrastruttura non sia limitata a un singolo modello.

Lo stesso cluster di GPU può servire linguaggio, visione, voce, biologia, AI fisica, robotica e calcolo ad alte prestazioni.

Questo rende l'hardware più facile da riallocare quando i clienti o i carichi di lavoro cambiano.

3. CUDA Espande il Bacino di Utenti Potenziali

L'ecosistema software di NVIDIA è fondamentale per la tesi di finanziamento, perché l'hardware ha più valore quando più clienti possono utilizzarlo.

CUDA è ampiamente adottato in cloud, framework, applicazioni e ambienti aziendali.

Questo crea un mercato secondario più profondo per la capacità di calcolo.

4. Il Software Può Estendere la Vita Economica Effettiva

Huang sostiene che l'ottimizzazione continua di CUDA possa far sì che l'hardware installato generi migliori risultati economici nel tempo.

Il software non può fermare l'invecchiamento fisico né rendere le vecchie GPU equivalenti alle nuove architetture, ma può migliorare i tassi di utilizzo, le prestazioni

dei kernel, il supporto dei framework e la gamma di carichi di lavoro che rimangono economicamente sostenibili.

La Cifra di 500 Miliardi di Dollari è un Obiettivo, Non Capitale Raccolto

Questa distinzione è la chiave per comprendere l'annuncio.

NVIDIA afferma che queste piattaforme di finanziamento mirano a mobilitare nel tempo oltre 500 miliardi di dollari in capitale totale di terzi.

L'azienda chiarisce esplicitamente che questa cifra:

• Non è ricavo di NVIDIA
• Non è un fondo unico
• Non è un impegno verso un singolo cliente

Reuters riporta che NVIDIA non ha divulgato gli importi di impegno individuali delle sei istituzioni finanziarie, i termini dettagliati di finanziamento o la tempistica di implementazione.

Gli accordi attuali si basano su memorandum d'intesa.

Gli accordi definitivi devono ancora essere negoziati.

Ciò significa che i titoli che affermano che NVIDIA "ha raccolto 500 miliardi di dollari" esagerano ciò che è realmente accaduto.

Una descrizione più accurata è che NVIDIA e sei grandi istituzioni finanziarie stanno costruendo una piattaforma il cui obiettivo pubblico a lungo termine è portare oltre 500 miliardi di dollari in progetti di infrastruttura per l'IA.

Quanto rischio si assumerà NVIDIA?

NVIDIA sta cercando di rispondere a una preoccupazione evidente: se l'azienda vende GPU e allo stesso tempo fornisce garanzie per il finanziamento, Wall Street sta davvero assumendosi un rischio indipendente?

Jensen Huang ha affermato che i fornitori di capitale sottoscriveranno ogni progetto in modo indipendente.

Dovranno valutare autonomamente clienti, tassi di utilizzo, flussi di cassa, domanda e valore residuo.

NVIDIA potrebbe fornire un meccanismo di supporto al valore residuo fino al 25% dell'opportunità di progetto, valutato caso per caso.

Questo non deve essere descritto come se NVIDIA garantisse il 25% dell'intera piattaforma da 500 miliardi di dollari.

Il meccanismo è limitato, specifico per singolo progetto e legato al valore residuo degli asset.

Nello scenario teorico massimo, il 25% di 500 miliardi equivarrebbe a 125 miliardi di dollari, il che spiega perché questa cifra sia apparsa nei resoconti. Ma l'esposizione effettiva di NVIDIA dipenderà da quali progetti riceveranno supporto e dalla struttura di ciascun accordo.

NVIDIA afferma che il suo obiettivo è liberare capitale indipendente mantenendo sotto controllo il proprio rischio.

Perché Wall Street è interessata

I sei partner non sono semplici investitori tecnologici.

Sono tra le più grandi istituzioni mondiali nel settore delle infrastrutture, del credito privato, del capitale assicurativo, delle pensioni e della gestione patrimoniale a lungo termine.

L'infrastruttura per l'IA offre loro un nuovo spazio per allocare capitale.

Un grande progetto di calcolo può offrire:

• Pagamenti contrattualizzati
• Ricavi d'uso a lungo termine
• Garanzie reali fisiche
• Recupero del valore residuo
• Flussi di cassa simili a quelli infrastrutturali
• Esposizione alla crescita dell'IA senza dover acquistare partecipazioni azionarie in startup di IA

Per le istituzioni che gestiscono fondi pensione o capitali assicurativi, l'attrattiva è diversa dal venture capital.

Non hanno necessariamente bisogno che una startup diventi un'azienda da cento miliardi di dollari.

Hanno bisogno di rendimenti prevedibili da un asset produttivo di cui possano misurare l'utilizzo e recuperare il valore.

Ecco perché trasformare la potenza di calcolo in qualcosa di modellabile, finanziabile e rivendibile potrebbe essere importante quanto la dimensione dei primi accordi.

L'accordo con Anthropic mostra come potrebbe apparire questo tipo di finanziamento

L'articolo originale cita Anthropic come esempio di come il finanziamento delle infrastrutture per l'IA si stia già evolvendo.

Nel giugno 2026, Apollo e Blackstone hanno sostenuto un'espansione della potenza di calcolo di Anthropic di circa 35 miliardi di dollari, coinvolgendo chip personalizzati per l'IA e infrastrutture legate a Broadcom e Google.

La struttura utilizza capitale privato per finanziare l'infrastruttura di calcolo, invece di richiedere ad Anthropic di acquistare direttamente tutto l'hardware con i propri fondi.

I resoconti pubblici descrivono una struttura a scopo speciale in cui il debito è sostenuto da pagamenti simili a canoni di locazione, con Broadcom che fornisce supporto al valore residuo per la parte senior del finanziamento.

I dettagli specifici non sono del tutto identici alla nuova piattaforma di NVIDIA.

Ma il principio economico è simile:

Il fornitore di capitale acquista o finanzia la potenza di calcolo
        ↓
L'azienda di IA utilizza la potenza di calcolo
        ↓
I pagamenti a lungo termine ripagano il finanziamento
        ↓
L'hardware mantiene un certo valore recuperabile

La nuova iniziativa di NVIDIA cerca di trasformare quelle che in passato erano trattative singole in un canale di finanziamento ripetibile applicabile a una base di clienti più ampia.

Il cambiamento più grande: l'infrastruttura per l'IA può assorbire capitale istituzionale

Il significato più profondo del piano di finanziamento non è solo spostare una spesa dal bilancio di un cliente.

Se la potenza di calcolo per l'IA viene accettata come asset infrastrutturale mainstream, la base di capitale potenziale va ben oltre le riserve di cassa delle aziende tecnologiche.

Le possibili fonti di capitale includono:

• Fondi pensione
• Compagnie assicurative
• Fondi infrastrutturali
• Fondi sovrani
• Fondi di credito privato
• Investitori in debito garantito da attività
• Banche e investitori nei mercati dei capitali

Questi investitori finanziano già aeroporti, servizi pubblici, torri di telecomunicazione, oleodotti, impianti logistici, aerei, immobili e data center.

NVIDIA vuole che anche le fabbriche di IA entrino in questa stessa conversazione.

Tuttavia, per riuscirci, gli investitori devono ottenere risposte credibili ad alcune domande:

• Per quanto tempo potrà essere utilizzato l'hardware?
• In quanto tempo le nuove generazioni di GPU ridurranno il valore delle vecchie?
• L'hardware può essere trasferito a un altro operatore?
• I clienti continueranno a pagare per la potenza di calcolo?
• Qual è il valore di rivendita reale dopo alcuni anni?
• Quanta parte del rendimento economico deriva dal software NVIDIA e non dal chip stesso?

La piattaforma di finanziamento può fornire una struttura, ma non può eliminare questi rischi.

La reazione del mercato rivela l'altro lato della scommessa

L'annuncio non è stato accolto con entusiasmo incondizionato.

Il 10 agosto, le azioni NVIDIA sono scese di circa il 2,9%, con gli investitori che valutavano il piano di finanziamento in un contesto di pressioni di mercato più ampie.

Lo stesso giorno, diverse società di gestione patrimoniale alternativa coinvolte nel piano hanno visto salire le proprie azioni.

Questo contrasto solleva una preoccupazione ricorrente sulle infrastrutture per l'IA: il finanziamento circolare.

La logica è la seguente:

1. Le aziende di chip vogliono che i clienti acquistino più infrastruttura.
2. I clienti hanno bisogno di finanziamenti per permettersi tale infrastruttura.
3. I fornitori di capitale finanziano l'acquisto.
4. L'azienda di chip ottiene ricavi dall'hardware.
5. Se il cliente incontra difficoltà in futuro, la struttura di finanziamento può dipendere dallo stesso hardware per mantenere il proprio valore.

Nella forma più estrema, il finanziamento da parte del fornitore può far sembrare la domanda più forte di quanto sia, mentre il rischio si accumula altrove nel sistema.

NVIDIA ha risposto direttamente a questa critica nell'articolo di Jensen Huang dell'11 agosto.

L'azienda sostiene che il piano è diverso perché i sei fornitori di capitale sono istituzioni indipendenti che prenderanno le proprie decisioni di sottoscrizione, e non si limiteranno a prendere per buona la parola di NVIDIA che ogni progetto sia finanziabile.

Questa distinzione è importante, ma la preoccupazione non svanirà finché gli investitori non potranno vedere come i singoli progetti saranno effettivamente strutturati e quanto rischio NVIDIA tratterrà in ultima analisi.

Perché le GPU sono diverse dagli aerei

L'analogia con gli aerei aiuta a spiegare la struttura di finanziamento, ma non regge quando si parla di ammortamento.

Gli aerei si svalutano principalmente in base a età, ore di volo, cicli di decollo e atterraggio, condizioni di manutenzione e domanda di mercato.

Le GPU, invece, possono svalutarsi rapidamente perché le nuove architetture cambiano l'economia del calcolo.

Se un acceleratore più recente offre prestazioni migliori per watt, memoria, rete o costo per token, le vecchie schede possono perdere attrattiva anche se funzionano ancora perfettamente.

Questo rischio di obsolescenza tecnologica è probabilmente l'aspetto più difficile nel trattare le GPU come garanzia a lungo termine.

Un modello di finanziamento quinquennale deve stimare il valore di un chip dopo diversi cicli di prodotto.

In un settore in cui i nuovi acceleratori si susseguono rapidamente e le architetture dei modelli cambiano continuamente il mix di carichi di lavoro più preziosi, questo è tutt'altro che semplice.

La risposta di NVIDIA: CUDA, intercambiabilità e riallocazione

La risposta di Jensen Huang è che i prodotti di calcolo NVIDIA non sono dispositivi monouso.

Una GPU che non è più adatta ad addestrare i modelli frontier più recenti può ancora essere utilizzata per:

• Fine-tuning
• Inferenza
• Modelli più piccoli
• Carichi di lavoro aziendali
• Calcolo scientifico
• Rendering
• Simulazione
• Elaborazione batch
• Capacità cloud regionale

L'ampiezza dell'ecosistema CUDA aumenta il numero di potenziali utenti secondari.

Questo è importante per i finanziatori, perché quando un asset finanziato può essere trasferito ad altri clienti, la sua sicurezza è maggiore.

NVIDIA sottolinea inoltre che i miglioramenti software aumentano costantemente la produttività dell'hardware installato.

L'asset potrebbe non essere competitivo come le nuove GPU, ma non è necessariamente privo di valore.

A100 è l'esempio preferito di NVIDIA

NVIDIA ha lanciato la A100 nel 2020.

Sei anni dopo, Jensen Huang afferma che la A100 è ancora commercialmente attiva in ambiti come addestramento, fine-tuning, inferenza e calcolo ad alte prestazioni.

I clienti continuano a fare impegni pluriennali di capacità su questa architettura.

Per NVIDIA, questo dimostra che la vita economica delle GPU per data center può essere molto più lunga di quanto suggerisca il ciclo di lancio dei prodotti.

Questo sostiene anche la tesi che il modello di finanziamento non richieda che le GPU più vecchie rimangano sempre i chip più veloci sul mercato.

Deve solo garantire che le GPU mantengano un'efficienza di capacità sufficiente affinché gli utenti continuino a pagare per il loro utilizzo.

Il prezzo del noleggio H100 rafforza la tesi di NVIDIA

L'articolo di origine cita anche i dati sui prezzi di noleggio di SemiAnalysis riportati da Jensen Huang.

Secondo l'articolo di NVIDIA dell'11 agosto, il prezzo di noleggio annuale dell'H100 è salito da circa 1,70 dollari per ora GPU nell'ottobre 2025 a circa 2,35 dollari per ora GPU nel marzo 2026.

Il prezzo mediano on-demand tra i vari fornitori è passato da circa 2,00 dollari per ora GPU nell'ottobre 2025 a circa 2,70 dollari nel giugno 2026.

Per i finanziatori, prezzi di noleggio stabili o in aumento sostengono l'idea che le GPU già installate continuino a generare flussi di cassa anche quando prodotti più recenti entrano sul mercato.

Tuttavia, per gli acquirenti, i prezzi di noleggio storici non dovrebbero essere considerati una garanzia del valore residuo futuro.

L'offerta di GPU, la disponibilità di energia elettrica, l'efficienza dei modelli, l'hardware concorrente, la domanda di inferenza e le nuove architetture possono modificare rapidamente il quadro economico.

Gli accordi realmente conclusi finora

La fase attuale è ancora in uno stato preliminare.

NVIDIA ha firmato memorandum d'intesa con sei istituzioni finanziarie.

La società non ha ancora divulgato pubblicamente:

• L'accordo di finanziamento principale definitivo
• L'entità dei fondi che ciascuna istituzione fornirà
• Il primo progetto finanziato
• Il primo cliente
• Il calendario completo di implementazione target
• I tassi di interesse standard
• I termini di leasing standard
• Una formula unificata per il calcolo del valore residuo

Si prevede che ciascuna opportunità di finanziamento venga valutata singolarmente.

Ciò significa che la piattaforma finale potrebbe non assomigliare a un prodotto standardizzato di mutuo globale, ma piuttosto a un insieme di strutture di finanziamento ripetibili, applicate a diversi clienti e progetti di data center.

Il meccanismo di supporto del 25% non è automatico

Un altro dettaglio che merita di essere ribadito è il meccanismo del valore residuo.

NVIDIA ha dichiarato che, in determinate circostanze, potrebbe fornire un supporto fino al 25% per una determinata opportunità.

Non è automatico.

Non è una promessa che ogni GPU manterrà il 25% del suo prezzo di acquisto.

Non è nemmeno una garanzia complessiva che copra l'intero obiettivo di 500 miliardi di dollari.

Si prevede che tale supporto venga valutato progetto per progetto e funga da complemento alla sottoscrizione indipendente dei finanziatori.

Questa architettura è chiaramente progettata per ridurre l'impressione che NVIDIA stia semplicemente finanziando le proprie vendite.

Se gli investitori accetteranno questa distinzione dipenderà dai contratti effettivi.

Chi ne trae maggior beneficio

La piattaforma di finanziamento sembra essere particolarmente utile per:

I clienti con una forte domanda di potenza di calcolo ma con un accesso al capitale a basso costo inferiore rispetto ai giganti tecnologici hyperscaler.

Laboratori AI all'avanguardia

I laboratori possono espandere le capacità di training e inferenza senza impegnare eccessivo capitale azionario in hardware.

Fornitori di servizi cloud AI

Quando il finanziamento hardware può essere ancorato alla domanda dei clienti a lungo termine, i Neocloud e gli operatori di cloud GPU possono aumentare la capacità più rapidamente.

Grandi aziende

Le aziende che costruiscono fabbriche AI private potrebbero preferire strutture di finanziamento o legate all'utilizzo piuttosto che acquisti di capitale una tantum di grandi dimensioni.

Governi

I progetti nazionali di AI possono utilizzare il finanziamento delle infrastrutture per accelerare i progetti di calcolo sovrano senza dipendere interamente dai budget tecnologici annuali.

I progetti di migliore qualità saranno probabilmente quelli con contratti a lungo termine, tassi di utilizzo elevati, clienti di alto profilo e un mercato secondario chiaro per l'hardware.

Cosa potrebbe andare storto

L'iniziativa comporta anche diversi rischi.

1. Il deprezzamento dell'hardware più rapido del previsto

Le nuove generazioni di acceleratori potrebbero ridurre significativamente il valore economico delle generazioni hardware finanziate.

2. Diminuzione dei tassi di utilizzo

I data center costruiti per la domanda AI prevista potrebbero operare al di sotto della capacità, indebolendo i flussi di cassa destinati al rimborso del finanziamento.

3. Inadempienza dei clienti

Alcuni laboratori all'avanguardia e cloud AI crescono rapidamente, ma rimangono ad alta intensità di capitale e potrebbero non avere un rating creditizio investment grade.

4. Ritardi nell'energia elettrica che riducono i ricavi

Se i data center non riescono a ottenere energia, connettività di rete, raffreddamento o approvazioni normative definitive, le GPU non potranno generare ricavi.

5. L'efficienza dell'AI migliora più rapidamente della crescita della domanda

Se i modelli richiedono significativamente meno potenza di calcolo per gli stessi output, anche con una crescita continua dell'adozione dell'AI, la capacità installata potrebbe essere sotto pressione.

6. Dimensioni eccessive del finanziamento circolare

Se fornitori di tecnologia, clienti, finanziatori e garanti del valore residuo sono troppo interconnessi, le perdite in un segmento dell'ecosistema potrebbero trasmettersi rapidamente ad altri.

Cosa significa per i prezzi dell'AI

L'articolo originale conclude collegando il sistema di finanziamento al prezzo che gli utenti finali pagano per l'AI.

Questo legame è reale, sebbene indiretto.

Il costo di un modello non include solo ricerca e sviluppo e ingegneria.

Riflette anche i costi di:

• GPU
• Energia elettrica
• Rete
• Costruzione del data center
• Finanziamento
• Ammortamento
• Operatività

Se le infrastrutture possono essere finanziate a tassi di interesse più bassi e mantenere tassi di utilizzo elevati a lungo termine, il costo unitario del calcolo può diminuire.

Ciò può ridurre i costi di addestramento di modelli più grandi e rendere anche l'inferenza e i servizi di abbonamento AI più accessibili nel tempo.

Viceversa.

Se il mercato sovra-costruisce, l'hardware si svaluta più rapidamente del previsto o le perdite sui finanziamenti aumentano, il costo del capitale per le future infrastrutture AI potrebbe salire.

Di conseguenza, Wall Street sta diventando parte dello stack di prodotti AI, anche se l'utente finale non lo vedrà mai nell'interfaccia.

Le regole del gioco del calcolo stanno cambiando

NVIDIA non è più solo un fornitore di chip.

Fornisce acceleratori, rete, software, design di riferimento, architetture di fabbriche AI, standard di ecosistema e ora anche un quadro per portare capitale esterno su larga scala nel processo di costruzione.

Questo cambierà il panorama competitivo.

La corsa all'AI riguarda ancora le capacità dei modelli, ma dipende sempre più da chi riesce a costruire potenza di calcolo utilizzabile al costo più basso, finanziarla in modo efficiente, mantenerla a piena capacità e preservarne il valore attraverso più generazioni di hardware.

L'obiettivo di NVIDIA di 500 miliardi di dollari è, in sostanza, una scommessa: che il suo ecosistema sia abbastanza duraturo da consentire a Wall Street di considerare la potenza di calcolo come infrastruttura produttiva efficiente a lungo termine.

I prossimi anni metteranno alla prova l'ipotesi più critica di questa tesi: quanto varranno le GPU di oggi dopo l'arrivo di molte altre generazioni di prodotti?

Domande frequenti

NVIDIA ha raccolto 500 miliardi di dollari in contanti?

No. NVIDIA ha firmato memorandum d'intesa con sei istituzioni finanziarie per creare una piattaforma di finanziamento che mobiliterà gradualmente oltre 500 miliardi di dollari di capitale di terzi. Gli impegni specifici, gli accordi definitivi e il calendario di implementazione non sono stati ancora divulgati pubblicamente.

Quali istituzioni finanziarie stanno collaborando con NVIDIA?

I partner annunciati includono Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR. Si prevede che queste istituzioni sottoscrivano in modo indipendente le opportunità infrastrutturali AI, piuttosto che fornire automaticamente finanziamenti a tutti i clienti NVIDIA.

Questo significa che le aziende possono acquistare GPU NVIDIA a rate?

Non nel senso del finanziamento al consumo. Il programma è più simile a strutture di leasing per attrezzature, infrastrutture, private credit e leasing, in cui il fornitore di capitale finanzia la fabbrica AI e il cliente paga per l'accesso o l'utilizzo a lungo termine.

NVIDIA fornisce una garanzia per il finanziamento?

NVIDIA ha dichiarato che potrebbe fornire un meccanismo di supporto del valore residuo fino al 25% per determinate opportunità, valutato caso per caso. Non si tratta di una garanzia complessiva del 25% sull'obiettivo di 500 miliardi di dollari.

Perché gli investitori considerano le GPU come attivi infrastrutturali?

Gli investitori possono valutare i ricavi ricorrenti generati dalla potenza di calcolo, la profondità del mercato clienti, i tassi di utilizzo, la durata dei contratti e il valore residuo. NVIDIA ritiene che CUDA, l'ampio supporto dei carichi di lavoro e la riutilizzabilità rendano il suo hardware più duraturo e liquido rispetto agli attivi tecnologici monouso.

Qual è il rischio maggiore nel finanziare GPU con orizzonti pluriennali?

L'obsolescenza tecnologica è il rischio centrale. Le nuove generazioni di acceleratori erodono il valore economico delle generazioni precedenti molto più rapidamente di quanto l'usura fisica riduca il valore delle attrezzature infrastrutturali tradizionali.

Le vecchie GPU NVIDIA hanno ancora un uso commerciale?

Sì. NVIDIA cita l'A100, lanciata nel 2020, che viene ancora utilizzata per training, inferenza, fine-tuning e high-performance computing anni dopo. Questo tuttavia non garantisce che ogni generazione futura di GPU segua lo stesso modello di valore residuo.

Questo finanziamento può rendere l'AI più economica per gli utenti?

Possibilmente.

Costi di finanziamento più bassi, tassi di utilizzo più elevati e una maggiore durata utile dell'hardware possono ridurre il costo unitario della potenza di calcolo. Il prezzo finale dei servizi AI dipende comunque da molteplici fattori come l'efficienza dei modelli, la concorrenza, l'energia, il software e la domanda.

Strumenti correlati

• NVIDIA DSX: la piattaforma di NVIDIA per progettare, simulare, implementare e gestire fabbriche AI.

Fabbriche.

• NVIDIA AI Factory: l'architettura infrastrutturale creata da NVIDIA per strutture di calcolo AI su larga scala.
• CUDA Toolkit: la piattaforma di programmazione GPU e l'ecosistema software di NVIDIA, al centro della sua tesi sul valore residuo.
• NVIDIA AI Enterprise: la piattaforma software aziendale supportata da NVIDIA per implementare e gestire carichi di lavoro AI.
• NVIDIA DGX Cloud Lepton: la piattaforma che collega gli sviluppatori alla potenza di calcolo GPU di più provider cloud.

Link correlati

• NVIDIA annuncia un piano di finanziamento da 500 miliardi di dollari per la potenza di calcolo: annuncio ufficiale su sei collaborazioni, memorandum d'intesa e obiettivi di capitale a lungo termine.
• Jensen Huang: la potenza di calcolo delle fabbriche AI come classe di asset investibile: la spiegazione dettagliata di NVIDIA su valore residuo, CUDA, persistenza di A100, prezzi di noleggio H100 e meccanismo di supporto del 25%.
• Reuters: NVIDIA collabora con Wall Street per promuovere il finanziamento AI da 500 miliardi di dollari: report indipendente sull'annuncio, gli obiettivi di capitale e i termini non divulgati.
• Reuters: Apollo e Blackstone sostengono l'espansione della potenza di calcolo di Anthropic da 35 miliardi di dollari: informazioni di contesto sui precedenti di finanziamento di grandi capitali privati per la potenza di calcolo AI.
• NVIDIA DSX: documentazione ufficiale della piattaforma infrastrutturale di livello fabbrica AI di NVIDIA.
• NVIDIA CUDA Toolkit: la piattaforma ufficiale per sviluppatori CUDA di NVIDIA, citata nell'argomentazione economica sulla potenza di calcolo a lungo termine.
• NVIDIA AI Enterprise: documentazione ufficiale dello stack software AI di livello produzione di NVIDIA.

Riepilogo

NVIDIA ha firmato memorandum d'intesa con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR per creare piattaforme di finanziamento indipendenti che mobilitino gradualmente oltre 500 miliardi di dollari per le infrastrutture AI.

Il progetto non è un round di finanziamento da 500 miliardi di dollari già completato. È un quadro volto a trasformare le fabbriche AI basate su NVIDIA in asset che i fornitori di capitale a lungo termine possono finanziare, noleggiare, assicurare ed eventualmente rivendere.

La questione centrale è il valore residuo. NVIDIA ritiene che CUDA, l'ampio supporto dei carichi di lavoro, la rideployabilità, la persistenza di A100 e la solida economia di noleggio di H100 possano rendere l'infrastruttura GPU sufficientemente durevole per un finanziamento di tipo infrastrutturale. Gli investitori devono comunque affrontare rischi come l'obsolescenza rapida dell'hardware, il tasso di utilizzo, l'affidabilità creditizia dei clienti, l'energia elettrica e il finanziamento ciclico.

Se Wall Street accetta la potenza di calcolo come asset produttivo a lungo termine, i prossimi passi

La fase della corsa all'AI potrebbe dipendere tanto dal finanziamento e dal valore residuo quanto dalle prestazioni grezze dei modelli.