Nell’intervista al podcast BG2 pubblicata il 15 ottobre, il CEO di Nvidia Jensen Huang ha sostenuto che gli ordini di chip per l’intelligenza artificiale continuano a crescere più rapidamente dell’offerta. Ha detto che i clienti inviano nuovi ordini «quasi ogni settimana e ogni giorno» e che il portafoglio ordini aumenta mentre l’azienda prova a produrre di più.
6
La sua tesi va letta su due piani: Huang descrive una domanda che, secondo lui, resta molto forte; allo stesso tempo, le sue previsioni sulla dimensione futura del settore sono stime, non garanzie che tutti gli investimenti previsti saranno finanziati o redditizi.
3
6
Ordini in crescita, ma l’infrastruttura pone dei limiti
Secondo le ricostruzioni dell’intervista, la domanda arriva dai grandi fornitori di servizi cloud, da operatori più recenti specializzati in cloud per l’AI e da produttori di apparecchiature. Alcuni clienti pianificano in anticipo le proprie esigenze, ma le fonti disponibili non dimostrano che tutti stiano facendo previsioni con uno o due anni di anticipo.
6
8
43
A limitare la crescita non sarebbe soltanto la disponibilità di chip: tra i vincoli indicati nei resoconti figurano anche l’energia e le infrastrutture necessarie a far funzionare i sistemi.
42
La domanda, secondo Huang, non viene solo dai grandi laboratori
Huang respinge l’idea che l’intero mercato del calcolo per l’AI dipenda da un paio di grandi laboratori. Una ricostruzione delle sue parole attribuisce circa un terzo della capacità di calcolo di Nvidia ai carichi di lavoro tradizionali, un altro terzo all’ecosistema open source e circa il 30% ai laboratori che sviluppano modelli di frontiera. Sono categorie arrotondate riportate da una fonte, non un rendiconto preciso di ogni utilizzo.
1
Altri resoconti collocano i laboratori di frontiera intorno al 25-30% dell’attività di calcolo, con il resto distribuito tra informatica tradizionale e un ecosistema più ampio di startup. L’argomento di Huang è che la crescita delle infrastrutture non debba dipendere esclusivamente dalla capacità di OpenAI, Anthropic o altri grandi laboratori di generare ricavi paragonabili alla spesa complessiva.
34
35
Le previsioni di spesa: cifre ambiziose, non ricavi di Nvidia
Huang ha stimato che entro il 2030 gli investimenti globali annui nelle infrastrutture per l’AI possano raggiungere 3.000-4.000 miliardi di dollari, di cui circa 1.500 miliardi destinati alle infrastrutture di calcolo. Ha aggiunto che, più avanti, non lo sorprenderebbe una spesa annua di 10.000 miliardi di dollari. Sono sue proiezioni, non risultati verificati.
3
4
È importante distinguere questi numeri dai ricavi di Nvidia: indicano la possibile dimensione degli investimenti in infrastrutture, non quanto incasserà l’azienda né se ogni progetto offrirà rendimenti adeguati. La tesi di Huang è che l’uso dell’AI possa estendersi a un numero crescente di utenti e attività; le stime, da sole, non dimostrano che i finanziamenti e i conti economici di ogni progetto reggeranno.
3
7
Gli ordini non eliminano il rischio finanziario
Che i clienti vogliano più capacità di calcolo e che riescano a finanziarla sono questioni diverse. Le dichiarazioni di Huang sul portafoglio ordini indicano una domanda sostenuta, ma non dimostrano che ogni cliente potrà realizzare i propri piani o che chi costruisce e gestisce le infrastrutture otterrà profitti.
6
In un’apparizione separata a Bloomberg, a Stoccolma, Huang ha difeso la solidità di CoreWeave, un fornitore di calcolo per l’AI, dicendo: «La solidità di CoreWeave migliora ogni giorno» e aggiungendo che il suo costo del capitale stava diminuendo. Quelle parole non fanno parte dell’intervista a BG2.
39
La lettura più prudente è quindi ottimista, ma condizionata: Huang vede una domanda di calcolo per l’AI più ampia dei soli grandi laboratori. La portata effettiva della crescita dipenderà anche dalla capacità delle infrastrutture, dai finanziamenti e dai rendimenti degli investimenti.