NVIDIA ha comprato una polizza da 500 miliardi di dollari

Nvidia accelera sull’inferenza locale mentre annuncia investimenti per 500 miliardi nelle infrastrutture cloud

Hai presente quando chiedi al tuo assistente vocale di impostare un timer e lui inizia a blaterare “Ecco un timer per 10 minuti” dopo che la pasta ha già scolato? Ecco, quel ritardo non è più inevitabile.

Su un NVIDIA DGX Spark – un computer che sta su una scrivania – Magpie TTS risponde in 53 millisecondi a un singolo flusso vocale. È meno di un battito di ciglia. Abbastanza per regalare a un agente AI la fluidità di una telefonata, non la goffaggine di una chat di 15 anni fa.

Ma mentre tieni acceso il forno, quel piccolo miracolo di silicio in salotto sta raccontando una storia più grande. La stessa NVIDIA che porta l’intelligenza artificiale in locale, su macchine che puoi comprare domani, sta anche bussando alla porta di Wall Street con un cappello in mano e un assegno da 500 miliardi di dollari.

Il supercomputer in soggiorno (e la sua ombra da 500 miliardi)

La settimana scorsa, per testare un modello linguistico multilingue, ho caricato il checkpoint NVFP4 su una DGX Spark. Con pochi comandi, DeepSeek-V4-Flash girava in locale, come un gattino addomesticato. E Inkling-Small – un modello per la generazione di codice – ha accettato di funzionare su due Spark affiancate, oppure su una singola DGX Station.

Vuol dire che oggi puoi avere, in casa o in ufficio, senza cloud, modelli che fino a ieri richiedevano sale server climatizzate. E le prestazioni sono già da brivido: su una RTX 5090, Muse Glimmer spara oltre 200 token al secondo. Traducendo: un intero paragrafo generato in un respiro.

Eppure, negli stessi giorni, NVIDIA annunciava un accordo con BlackRock, Apollo, Goldman Sachs e altri giganti. L’obiettivo? Creare piattaforme di finanziamento indipendenti per mobilitare oltre 500 miliardi di dollari da investire in infrastrutture AI.

Data center, cavi, intere fabbriche di calcolo.

Un piccolo dettaglio: una delle schede più longeve di sempre, la GPU A100, è ancora oggi in servizio attivo per addestramento e inferenza, a sei anni dal lancio. Non stiamo parlando di un telefono che dopo due anni diventa obsoleto, ma di un componente che mantiene un valore operativo concreto.

Quando il costo di un’ora di calcolo diventa un affare immobiliare

E qui entra in campo il lato finanziario, quello che pochi raccontano.

Il noleggio di una GPU H100 su cloud, un anno fa, costava circa 1,70 dollari l’ora. A marzo di quest’anno era già arrivato a 2,35 dollari l’ora, come mostrano i dati sul noleggio di GPU H100. Se guardi i prezzi on-demand, il costo mediano è schizzato da 2 a 2,70 dollari entro giugno 2026, secondo i listini dei fornitori on-demand di GPU. E per le nuovissime B200, il listino oscilla tra 5,30 e 7,05 dollari l’ora, in base ai prezzi di mercato per le B200.

Numeri che fanno girare la testa. Però NVIDIA ha anche introdotto una garanzia di valore residuo fino al 25% della commessa, valutata caso per caso. Un meccanismo che rende le GPU simili a obbligazioni: compri, affitti e sai già quanto varranno quando sarà ora di rivenderle.

Wall Street ama questo tipo di certezze. Ma c’è un cortocircuito: l’AI locale, quella che gira su Spark, su una RTX, sul tuo PC, abbatte la domanda di cloud centralizzato. Più diventa efficiente l’inferenza in locale, meno ti serve affittare una H100 su un data center a 3000 chilometri.

Il paradosso di Jensen: costruisci fabbriche, ma i clienti imparano a fare in casa

La domanda che si pone chi osserva questi numeri è semplice: NVIDIA sta comprando una polizza assicurativa o sta facendo la scommessa del secolo?

Da una parte, ha bisogno che l’infrastruttura esista prima della domanda, altrimenti il mercato si inceppa. I 500 miliardi servono a costruire “fabbriche di calcolo” – un termine quasi vintage, preso dall’era dell’acciaio – che produrranno i modelli di domani.

Dall’altra, la sua stessa tecnologia sta regalando a chiunque la capacità di fare inferenza in salotto, scollegata dalla nuvola, con modelli open source sempre più piccoli e veloci. Magpie TTS gestisce 64 flussi concorrenti in meno di un secondo, ma lo fa su una macchina da scrivania, non su un armadio di server.

Marco Rossi, divulgatore e tester di ogni nuova scheda, la mette così: “È come se una compagnia petrolifera investisse miliardi in oleodotti mentre regala pannelli solari ai residenti”. L’entusiasmo per ogni benchmark è reale, ma il sospetto che alla fine il conto lo paghi l’utente finale con abbonamenti e servizi rimane.

La privacy, intanto, respira: eseguire tutto in locale significa che le tue richieste vocali non partono per server remoti. Magpie TTS, Laguna, DeepSeek: possono restare nella tua rete. È una conquista, ma la concentrazione di potenza finanziaria in mano a un manipolo di fondi fa temere che la prossima mossa possa essere un restringimento dell’accesso ai modelli più avanzati.

Ora il baricentro si sposta tutto sulla adozione reale. Se le aziende abbracceranno l’AI locale, l’investimento da 500 miliardi potrebbe rivelarsi una cattedrale nel deserto. Se invece la domanda di cloud esploderà, quei soldi saranno la base del prossimo monopolio.

Nei prossimi mesi, guardate due cose: il prezzo delle GPU usate su eBay e la comparsa – o meno – di versioni limitate dei modelli più potenti riservate solo ai grandi data center. Lì si vedrà se NVIDIA sta costruendo ponti o scavando fossati.