Per Jensen Huang, le H100 non sono hardware che perde valore: sono infrastrutture che generano ricavi

Jensen Huang, amministratore delegato di Nvidia, sta formulando una tesi finanziaria oltre che tecnologica: una GPU non va valutata soltanto come un componente che perde valore con il passare degli anni. Se può essere riallocata tra clienti diversi, usata intensamente e produrre entrate ricorrenti dal noleggio, può comportarsi più come un’infrastruttura produttiva.

Il suo esempio è la persistente rilevanza commerciale della H100, la GPU AI della generazione precedente di Nvidia. I dati indicano una domanda reale per questa capacità di calcolo meno recente. Non rispondono però, da soli, alla questione più difficile: per quanto tempo una H100 potrà continuare a generare flussi di cassa interessanti quando i sistemi più nuovi saranno diffusi su vasta scala.

L’argomento: la potenza di calcolo può essere noleggiata più volte

Huang ha definito la capacità di calcolo Nvidia «fungibile, durevole e altamente noleggiabile», oltre che un «asset produttivo che genera ricavi». 16 In pratica, la tesi poggia su tre elementi:

• Fungibilità: la capacità può essere riallocata tra clienti e carichi di lavoro diversi, senza restare vincolata a un singolo acquirente o impiego.
• Durabilità: l’utilità commerciale di una GPU può proseguire anche dopo l’uscita di una nuova architettura.
• Noleggiabilità: gestori cloud e fornitori di infrastrutture AI possono trasformare l’hardware in entrate ricorrenti, attraverso servizi di calcolo su richiesta o contratti dedicati.

È un punto di vista diverso dal classico ciclo di rinnovo dei server. Un’attività può essere ammortizzata in contabilità e, allo stesso tempo, continuare a generare reddito operativo significativo. Per i cloud provider e gli operatori di infrastrutture AI, la verifica economica decisiva è se ricavi da noleggio, tasso di utilizzo e margini giustifichino il capitale investito lungo tutta la vita utile dell’asset.

Cosa dicono i prezzi di noleggio della H100

Il dato immediato citato da Huang deriva da un indice di Ornn Exchange: una H100 di circa tre anni veniva noleggiata a 3,28 dollari per GPU-ora, dopo un aumento del 22% in un mese. 16 È un segnale che il mercato continua ad attribuire valore alla capacità basata sull’architettura Hopper, nonostante Nvidia venda prodotti più recenti.

Anche i contratti di più lunga durata avevano mostrato un andamento nella stessa direzione all’inizio del 2026. SemiAnalysis ha rilevato che il prezzo di un contratto annuale di noleggio per H100 è salito da 1,70 dollari per GPU-ora nell’ottobre 2025 a 2,35 dollari nel marzo 2026: quasi il 40% in più. 61

Questi numeri sono indicatori utili della domanda, ma non rappresentano un prezzo universale della H100. Nel 2026, le quotazioni on-demand pubblicate si collocavano approssimativamente fra 2 e 12 dollari per GPU-ora; la capacità interrompibile può costare meno, mentre configurazioni premium presso i grandi operatori cloud possono costare sensibilmente di più. 49 Questa forte dispersione dipende da differenze concrete: durata del contratto, garanzie di disponibilità, area geografica, rete, assistenza e tipo di servizio, dal noleggio di una singola GPU fino a nodi dedicati o cluster più ampi.

Perché il prezzo del noleggio conta nell’economia delle infrastrutture

Una flotta di GPU diventa più finanziabile quando chi la gestisce può prevederne con una certa affidabilità la capacità di generare cassa. Prezzi più elevati e un utilizzo sostenuto possono consentire di recuperare il costo iniziale lungo più anni di attività redditizia. È questa la logica economica dietro l’idea di trattare il calcolo AI come infrastruttura e non come una semplice spesa una tantum per hardware.

Ma il prezzo di noleggio è soltanto una variabile. Per sostenere una vera tesi infrastrutturale servono prove che le flotte riescano a mantenere:

1. Un utilizzo elevato in diversi cicli economici e segmenti di clientela;
2. Rinnovi dei contratti, e non soltanto una domanda transitoria dovuta alla scarsità;
3. Margini solidi dopo energia, rete, operazioni e ammortamenti;
4. Valore residuo quando le generazioni di GPU più nuove saranno ampiamente disponibili.

Una H100 può restare tecnicamente capace e subire comunque un’obsolescenza economica se i clienti ottengono prestazioni per dollaro, o per token generato, sensibilmente migliori con acceleratori più recenti.

Nvidia costruisce anche un caso finanziario attorno a questa idea

La strategia di Nvidia non si limita alle dichiarazioni sulle tariffe di noleggio. Ad agosto l’azienda ha annunciato partnership con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR per creare piattaforme di finanziamento del calcolo, con l’obiettivo di mobilitare oltre 500 miliardi di dollari di capitale di terzi per infrastrutture AI. 33

La formulazione è importante: l’iniziativa mira a mobilitare capitale nel tempo, non dimostra che 500 miliardi di dollari siano già stati investiti o garantiti. Mostra però l’ambizione di Nvidia di presentare calcolo, data center e sistemi collegati come asset adatti a finanziamenti di lunga durata, legati all’effettivo utilizzo.

Nvidia ha inoltre concordato l’acquisizione di Hugging Face per 12,93 miliardi di dollari, ampliando la propria presenza nella piattaforma per modelli aperti e sviluppatori. 31 L’operazione non prova che una singola generazione di GPU manterrà il proprio valore, ma potrebbe rafforzare la posizione di Nvidia nell’ecosistema che alimenta la domanda di capacità AI.

I rischi che la tesi di Huang deve superare

L’obiezione più forte non è che le H100 siano inutili — la domanda esiste chiaramente — ma che il mercato odierno del noleggio potrebbe non prevedere i rendimenti di domani.

Diversi fattori potrebbero indebolire la tesi infrastrutturale:

• Sostituzione per prestazioni: nuove architetture potrebbero migliorare in modo sostanziale il costo per token o le prestazioni nell’addestramento, riducendo quanto i clienti sono disposti a pagare per una H100.
• Normalizzazione dell’offerta: una maggiore disponibilità di GPU e capacità nei data center potrebbe comprimere le tariffe, sia spot sia contrattuali.
• Acceleratori alternativi: chip proprietari e soluzioni concorrenti potrebbero ridurre la domanda di capacità Nvidia per specifici carichi di lavoro.
• Colli di bottiglia temporanei: un aumento dei prezzi può riflettere una scarsità di breve periodo, non una scarsità durevole né un miglioramento permanente del valore dell’asset.
• Pressione dei costi operativi: energia, rete e costi dei data center possono erodere i rendimenti anche quando il prezzo nominale del noleggio resta alto.

Per questo un rialzo del 22% in un solo mese va letto come un dato rilevante sulla domanda, non come una risposta definitiva al dibattito sull’ammortamento.

In sintesi

L’affermazione di Huang è plausibile in un senso preciso e importante: le GPU AI meno recenti possono continuare a generare ricavi consistenti da noleggio, e i recenti prezzi della H100 indicano che i clienti attribuiscono ancora valore a quella capacità. 1661 Le partnership finanziarie di Nvidia mostrano inoltre il tentativo di trasformare questa realtà operativa in un modello infrastrutturale investibile. 33

La tesi sarà davvero messa alla prova quando i sistemi più recenti saranno scalati: occorrerà vedere se le flotte H100 manterranno utilizzo, rinnoveranno i contratti e produrranno flussi di cassa netti sufficienti dopo i costi operativi. La durabilità tecnica è necessaria; la prova che conta per investitori e finanziatori di infrastrutture è la durabilità dei rendimenti economici.