Nvidia prevede una crescita del 70 per cento, e un solo sistema costa 8,5 milioni di dollari

Jensen Huang è salito sul palco della conferenza Communacopia and Technology di Goldman Sachs per spiegare perché, secondo lui, Nvidia non sta rallentando. "Molti pensano che Nvidia costruisca un chip. Ma servono gli aerei per trasportare quello che costruiamo", ha detto il capo dell'azienda, citato da TechCrunch.

Il paragone più efficace riguarda il prezzo del prodotto. "Una GPU oggi non costa 399 dollari. Costa 8,5 milioni di dollari. Una GPU, tutto collegato tramite NVLink, 2 milioni di parti, 250 mila kilowatt", ha detto Huang. Gli ordini di un sistema specifico crescono del 27 per cento al mese. In quel sistema 36 processori Grace si uniscono a 72 chip Blackwell.

Non è solo marketing. I risultati del secondo trimestre, pubblicati insieme all'annuncio dell'accordo esteso con Amazon, hanno mostrato 96,2 miliardi di dollari di ricavi dalle vendite. I data center hanno pesato per 89 miliardi di dollari, il 117 per cento in più rispetto all'anno precedente. L'azienda ha annunciato 108 miliardi di dollari di ricavi nel terzo trimestre, in parte grazie ai chip Rubin di nuova generazione.

La domanda dei clienti si misura sulle dimensioni degli ordini. Amazon ha raddoppiato la posta: dopo oltre un milione di chip Nvidia ordinati per il 2026, ne aggiunge altri 2 milioni di GPU, che arriveranno nei data center AWS nel 2027-2028, tra cui Blackwell Ultra, Rubin e Rubin Ultra. L'azienda americana però sviluppa anche chip propri. Nell'ultimo rapporto trimestrale ha indicato che il business dei chip proprietari ha superato i 25 miliardi di dollari di ricavi annui su base annualizzata. Alla base ci sono 225 miliardi di dollari di impegni da parte di laboratori di AI come Anthropic e OpenAI.

Huang elenca la concorrenza senza giri di parole: gli hyperscaler, cioè Amazon, Microsoft e Google, che costruiscono chip propri; i laboratori di AI che fanno lo stesso; Cerebras, già quotata, e startup come Etched. La sua risposta si riduce all'argomento della scala del sistema, non del singolo chip. Ed è il nocciolo della narrazione di quest'anno sui soldi nell'AI. Non si compra il silicio, ma intere installazioni pronte all'uso con una potenza di centinaia di kilowatt.

La risposta di Nvidia alle domande sulla concorrenza è finanziaria, non tecnica. I sistemi interni degli hyperscaler e i chip specializzati delle startup risolvono singoli compiti di inferenza, ma non sostituiscono un'intera installazione di addestramento. Se il cliente compra non una scheda, ma un sistema pronto da centinaia di kilowatt, il numero crescente di unità ordinate si traduce in ricavi a un ritmo che nessun produttore di chip per inferenza è in grado di replicare. Per questo la previsione di una crescita del 70 per cento non suona come una vanteria, ma come una conseguenza del listino: più grande è l'installazione, più grande è il conto, e il conto oggi si paga in miliardi di dollari.