La scommessa da 3.000-4.000 miliardi di Jensen Huang sull’infrastruttura AI

La tesi di Jensen Huang è che l’AI stia uscendo dalla logica del semplice acquisto di chip per entrare in quella di una grande infrastruttura globale. Nella visione del CEO di Nvidia, le cosiddette AI factory producono capacità di calcolo vendibile come servizio: un’attività continuativa, non una spesa tecnologica una tantum.

È una tesi molto ambiziosa, ma anche condizionata da un requisito finanziario essenziale: la capacità costruita deve essere sorretta da contratti con clienti affidabili e, nel tempo, da ricavi durevoli generati dalle applicazioni di intelligenza artificiale.

La previsione: 3.000-4.000 miliardi di dollari entro il 2030

Alla conferenza Goldman Sachs Communacopia + Technology, Huang ha ribadito la sua stima: la spesa per infrastrutture AI potrebbe raggiungere 3.000-4.000 miliardi di dollari entro il 2030. Collega questa previsione alla crescita del calcolo generativo e al rallentamento della legge di Moore: se i progressi dei processori tradizionali non bastano più a soddisfare il fabbisogno computazionale, una quota crescente del lavoro dovrà spostarsi su sistemi accelerati. 224

Huang non descrive dunque un semplice mercato di GPU. Parla di una categoria infrastrutturale paragonabile, per importanza strategica, a reti elettriche, trasporti e internet: un insieme fatto di data center, reti, energia, software e chip, necessario per erogare in modo continuo servizi di calcolo ad alta intensità. 317

Resta però una previsione, non un esito già acquisito. La stessa ricerca di Goldman Sachs osserva che una costruzione infrastrutturale di queste dimensioni dipende dalla capacità dell’AI di produrre un valore economico e sociale sostanziale. 21

Perché Nvidia vede urgenza: il vincolo è l’offerta

Nel breve periodo, il messaggio di Huang è netto: il limite non sarebbe la mancanza di interesse dei clienti, ma la disponibilità di capacità. Secondo quanto riportato dalla conferenza, circa il 70% della crescita dei ricavi Nvidia prevista per l’esercizio fiscale 2027 sarebbe frenata dall’offerta, non dalla domanda. 6

Il contesto degli investimenti è già enorme. Nvidia ha dichiarato che i cinque maggiori hyperscaler — i grandi operatori cloud — dovrebbero spendere quasi 800 miliardi di dollari in investimenti in conto capitale nel 2026 e 1.300 miliardi nel 2027; gli ordini arretrati dell’industria cloud supererebbero i 2.000 miliardi. 20

Per Huang, questi numeri indicano che il settore ha superato la fase dei singoli ordini hardware ed è passato alla pianificazione di capacità su scala industriale. Ma un data center AI di frontiera non si costruisce acquistando solo acceleratori: occorrono terreni, energia elettrica, edificio, rete, integrazione dei sistemi e finanziamenti. Nvidia sottolinea che proprio questi vincoli a valle spiegano il suo coinvolgimento in una porzione più ampia della spesa in conto capitale dei data center. 17

Da venditore di GPU a piattaforma per le AI factory

Nella narrazione di Huang, la rapida crescita di Nvidia deriva dall’ampliamento del suo ruolo lungo tutta la filiera. L’azienda non si presenta più soltanto come fornitrice di GPU, ma come piattaforma che unisce calcolo accelerato, networking, sistemi e software CUDA.

L’aspetto commerciale è centrale: se una AI factory opera con un alto tasso di utilizzo e vende potenza di calcolo come servizio, l’hardware entra a far parte di una base produttiva che genera flussi di cassa. È anche il ragionamento alla base dell’idea di trattare il compute AI come un’attività finanziabile, potenzialmente utilizzabile come garanzia. 210

Il progetto da oltre 500 miliardi: cosa significa davvero

Il 10 agosto 2026 Nvidia ha annunciato memorandum d’intesa con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR per creare piattaforme indipendenti di finanziamento del calcolo. L’obiettivo dichiarato è mobilitare oltre 500 miliardi di dollari di capitale di terzi nel tempo per infrastrutture AI. 15

La distinzione è importante: non sono ricavi Nvidia, non è un unico fondo e non rappresentano 500 miliardi già stanziati o spesi. È un obiettivo di capitale che le piattaforme intendono raccogliere e impiegare via via che i progetti idonei saranno finanziati. 1516

I potenziali beneficiari comprendono hyperscaler, laboratori AI di frontiera, imprese e fornitori di cloud AI. In concreto, l’impianto potrebbe portare nel settore credito privato, strutture garantite da attività, leasing, joint venture e capitale obbligazionario: fonti finora meno centrali rispetto ai bilanci societari dei grandi gruppi tecnologici. 1033

L’offtake: il tassello decisivo per ottenere credito

La risposta più forte di Huang ai dubbi sulla finanziabilità è l’offtake, cioè la domanda contrattualizzata per la capacità in costruzione. Alla conferenza di Goldman Sachs ha spiegato che il finanziamento non si chiude senza offtake e ha citato 100 miliardi di dollari di contratti già allineati — il valore totale della domanda contrattualizzata — per i progetti che Nvidia contribuisce a rendere possibili. 17

Questo non rende automaticamente sicuro ogni progetto. Spiega però la logica di chi presta o investe: un data center è più valutabile se un cliente con adeguata capacità di pagamento si impegna a utilizzarne la capacità nel tempo. Qualità creditizia, durata e concentrazione di tali contratti determinano se i ricavi prospettati dal compute possano davvero sostenere il finanziamento.

La replica alle accuse di «finanza circolare»

I critici si chiedono se investimenti e supporto finanziario di Nvidia possano confondere il confine tra domanda organica dei clienti e domanda favorita dallo stesso fornitore. Huang respinge l’etichetta di finanza circolare.

Il suo argomento pratico è che investire abbia senso se genera ritorni molto maggiori attraverso attività reali dei clienti: in sintesi, investire 1 dollaro per ottenerne 100 di ritorno. 26

La sua difesa si fonda sull’esistenza di pipeline commerciali e domanda contrattualizzata, non sull’idea che la struttura finanziaria sia irrilevante. Il punto ancora da verificare è se gli impegni a valle siano abbastanza indipendenti, solidi e redditizi mentre il mercato cresce di scala.

Il rischio cruciale: le applicazioni devono generare abbastanza ricavi

Il principale rischio per gli investitori non è l’esistenza di acquirenti per una capacità di calcolo oggi scarsa. È capire se l’economia più ampia dell’AI riuscirà a produrre ricavi ricorrenti e margini sufficienti per pagare ammortamenti, elettricità, leasing, interessi e rendimenti richiesti dagli investitori su una base installata molto più grande.

Se utilizzo dei server, prezzi del compute o domanda finale dovessero indebolirsi, potrebbero finire sotto pressione sia il valore dei contratti di offtake sia l’economia degli asset sottostanti. Per questo l’opportunità da 3.000-4.000 miliardi va letta come una tesi condizionata: l’infrastruttura deve abilitare applicazioni abbastanza utili da giustificarne il costo. Goldman Sachs lega in modo analogo la scala della spesa alla realizzazione del valore economico promesso dall’AI. 21

Cosa devono monitorare investitori e mercato del credito

La costruzione dell’infrastruttura AI estende l’esposizione ben oltre le azioni tecnologiche: coinvolge credito privato, finanziamenti garantiti da attività, leasing, partnership infrastrutturali e obbligazioni. CNBC ha riferito che strutture di debito e leva sempre più complesse sono sotto esame, mentre hyperscaler e finanziatori cercano nuove fonti per espandere i data center. 33

Le domande più importanti sono concrete:

• La domanda è coperta da contratti firmati e di lunga durata, oppure da piani preliminari di capacità?
• Chi è responsabile in ultima istanza dei pagamenti e quanto è concentrata la base clienti?
• Quali ipotesi sostengono utilizzo, prezzi e valore di ricollocamento delle apparecchiature?
• Quanta leva finanziaria, garanzia o esposizione potenziale resta al di fuori del perimetro operativo più visibile?
• Energia, terreni, costruzione e rete possono essere realizzati nei tempi previsti?

La tesi di Huang è rialzista perché tratta il compute AI come infrastruttura economica essenziale. Il suo banco di prova, però, sarà finanziario quanto tecnologico: servono offtake credibili oggi e flussi di cassa generati dalle applicazioni domani.