OpenAI sceglie Vera Rubin: perché il primo NVL72 può cambiare il business dell’IA di Nvidia

Il primo deployment su larga scala di Vera Rubin da parte di OpenAI conta meno come semplice ordine hardware e più come prova di un possibile cambio di modello per Nvidia. L’azienda non sta più puntando soltanto sulla vendita di chip acceleratori: con Rubin vuole fornire sistemi completi, integrati e progettati per i carichi di lavoro di addestramento e inferenza alla base della prossima generazione di IA di frontiera.

La svolta è strategicamente importante, ma non ancora dimostrata sul piano finanziario. OpenAI dovrebbe adottare Vera Rubin su larga scala nel terzo trimestre del 2026, mentre Nvidia e i suoi partner cloud devono ancora dimostrare di poter produrre, installare, validare e gestire questi sistemi in volumi elevati.

Che cos’è Vera Rubin NVL72

Il NVL72 è un sistema IA a scala rack composto da 72 GPU Rubin e 36 CPU Vera. Nvidia lo posiziona per l’addestramento su larga scala, l’inferenza, l’IA agentica e i carichi di lavoro di ragionamento avanzato, non come una semplice raccolta di acceleratori installati separatamente.

Questa architettura integrata sposta l’attenzione dal singolo chip all’intero sistema: calcolo, interconnessioni ad alta velocità, memoria, rete, alimentazione e raffreddamento devono funzionare come un’unica macchina. Per i laboratori IA, ciò può ridurre il lavoro necessario per assemblare grandi cluster. Per Nvidia, invece, significa catturare più valore da ogni deployment, ma anche affrontare una produzione e una consegna più complesse.

Quali provider cloud hanno già attivato Vera Rubin?

Nvidia afferma che i sistemi Vera Rubin NVL72 sono operativi presso:

• CoreWeave;
• Google Cloud;
• Microsoft Azure;
• Oracle Cloud Infrastructure;
• Nebius.

L’elenco comprende sia un cloud specializzato nell’IA sia alcuni dei maggiori operatori hyperscale. È un segnale del fatto che Rubin viene testata in ambienti operativi diversi, non soltanto nelle dimostrazioni di Nvidia.

OpenAI rientra in un progetto più ampio. La società e Nvidia hanno annunciato un piano per almeno 10 gigawatt di data center IA basati su sistemi Nvidia; il primo gigawatt dovrebbe essere realizzato nella seconda metà del 2026 utilizzando Vera Rubin.

Perché il deployment di OpenAI è un test importante

OpenAI rappresenta uno dei test più severi per capire se Rubin sia pronta a sostenere lo sviluppo di modelli di frontiera. Un laboratorio IA di primo piano ha esigenze particolarmente elevate in termini di capacità di addestramento, prestazioni delle interconnessioni, affidabilità e rapidità di espansione dell’infrastruttura.

Un deployment operativo presso OpenAI fornirebbe quindi indicazioni su almeno tre fronti:

1. Pertinenza dei carichi di lavoro: Rubin verrebbe impiegata in un vero programma di IA di frontiera, non soltanto in un benchmark o in una dimostrazione commerciale.
2. Maturità del sistema: Nvidia mostrerebbe che la propria architettura a scala rack può superare la qualificazione del cliente e arrivare all’utilizzo in produzione.
3. Effetto commerciale: deployment riusciti potrebbero spingere altri laboratori e provider cloud ad adottare sistemi Rubin completi, sostenendo la domanda per l’intera piattaforma.

L’annuncio va comunque interpretato con cautela. Da solo non indica quanti rack saranno installati, quali risultati di addestramento verranno raggiunti né quando Nvidia contabilizzerà i ricavi. Saranno questi dettagli a stabilire se il traguardo rappresenterà una trasformazione commerciale o soprattutto una prima validazione.

Quanto costa un rack Vera Rubin NVL72?

Nelle informazioni disponibili non compare un listino ufficiale Nvidia. Le stime di settore variano in base alla configurazione e al momento della rilevazione:

• alcuni report collocano il prezzo di un rack tra circa 7 e 8 milioni di dollari;
• una stima di Bernstein citata da report successivi indica circa 9,1 milioni di dollari;
• Morgan Stanley ha calcolato circa 7,8 milioni di dollari per un rack VR200 NVL72.

Si tratta di stime del costo per il sistema o per l’acquirente, non di un prezzo di vendita Nvidia confermato. La differenza tra le cifre mostra anche perché l’economia di un rack non possa essere valutata contando soltanto le GPU: memoria, storage, rete, server, raffreddamento e altri componenti infrastrutturali incidono in modo rilevante sulla distinta base.

L’intensità di capitale va oltre il singolo rack. Una stima Bernstein citata da Investing.com ha portato a circa 47 miliardi di dollari il costo per costruire 1 gigawatt di capacità di data center basata su Vera Rubin. Si tratta di una stima infrastrutturale, non di una previsione diretta dei ricavi Nvidia né di un costo universale di costruzione.

Cosa dicono i margini di CoreWeave sull’economia del cloud

Il ruolo di CoreWeave offre uno dei primi segnali commerciali. La società ha dichiarato che i contratti appena firmati nel secondo trimestre dovrebbero avere margini superiori di 5-10 punti percentuali rispetto a quelli sottoscritti nei trimestri precedenti. A luglio ha inoltre comunicato aumenti dei prezzi sull’intera gamma di prodotti.

Questo non significa che ogni deployment Rubin sarà più redditizio. I margini di CoreWeave dipendono da prezzi contrattuali, tasso di utilizzo, finanziamento, energia, raffreddamento, costi operativi e configurazione hardware. Tuttavia, il dato mette in discussione l’idea semplice secondo cui sistemi IA più nuovi rendano automaticamente meno profittevoli i provider cloud perché richiedono più capitale.

La domanda centrale è se prestazioni migliori e prezzi applicati ai clienti possano compensare l’investimento iniziale più elevato. Se i clienti sono disposti a pagare per capacità IA più rapida o efficiente e i provider riescono a mantenerla altamente utilizzata, i sistemi a scala rack potrebbero sostenere margini più forti nonostante il prezzo d’acquisto superiore.

Il ruolo di CoreWeave nella validazione

CoreWeave è stato il primo provider cloud IA a portare online e validare completamente un sistema Vera Rubin NVL72. La verifica ha riguardato il rack da un’estremità all’altra, compresi alimentazione, raffreddamento, rete e calcolo.

La distinzione è importante. Accendere singoli chip non equivale a gestire un rack completo raffreddato a liquido, con la relativa rete e lo stack software. Il lavoro di CoreWeave ha fornito un primo test del funzionamento della piattaforma su scala produttiva e ha contribuito a ridurre il rischio di integrazione per i deployment successivi.

CoreWeave ha inoltre pubblicato un confronto su hardware reale secondo cui Vera Rubin NVL72 avrebbe generato 10 volte più token al secondo per megawatt rispetto a Nvidia GB200 NVL72, su un carico DeepSeek-R1 comparabile. È un benchmark comunicato dalla società in condizioni specifiche, non una garanzia di prestazioni universale per ogni tipo di lavoro.

Nvidia vende sempre più sistemi, non soltanto acceleratori

Il lancio di Rubin riflette il passaggio di Nvidia verso la fornitura di infrastrutture IA complete. Nvidia descrive una catena di approvvigionamento che comprende oltre 350 siti produttivi in 30 Paesi, definendola la più grande supply chain a scala rack mai organizzata dall’azienda.

La portata geografica è rilevante perché il limite non consiste più soltanto nel produrre un numero sufficiente di GPU. Un rack IA funzionante richiede la disponibilità coordinata di GPU, CPU, memoria avanzata, server, apparati di rete, sistemi di raffreddamento a liquido, infrastrutture elettriche e capacità di installazione.

Il ruolo crescente di Nvidia nel coordinare, o potenzialmente consegnare direttamente, questi sistemi completi potrebbe rafforzare il suo controllo sull’intera filiera dell’infrastruttura IA. Al tempo stesso aumenterebbe il rischio operativo. Un ritardo in un componente importante può posticipare un rack intero; il ritardo di un rack può a sua volta incidere sulla tabella di marcia del data center del cliente e sui tempi di contabilizzazione dei ricavi Nvidia.

Le configurazioni proposte da due, quattro e otto rack conterrebbero rispettivamente 144, 288 e 576 GPU, se utilizzassero lo stesso modulo base da 72 GPU. Si tratta di un semplice calcolo di scala: le fonti disponibili non confermano in modo indipendente l’esistenza di SKU formali o programmi di consegna per tutte e tre le configurazioni. Il punto centrale è che Nvidia sta progettando moduli rack ripetibili, combinabili per costruire infrastrutture IA di dimensioni maggiori.

Cosa osservare nella trimestrale Nvidia del 26 agosto

Nvidia ha indicato per il secondo trimestre fiscale un fatturato di 91 miliardi di dollari, con una variazione del 2% in più o in meno, ipotizzando zero ricavi dal calcolo per data center in Cina. La società ha inoltre previsto un margine lordo di circa 74,9% secondo i criteri GAAP e 75,0% su base non GAAP.

La trimestrale del 26 agosto andrà letta come un test dello slancio commerciale di Rubin, non solo come un resoconto dei ricavi passati. Gli investitori dovrebbero concentrarsi su quattro domande.

1. Rubin sta passando dalla validazione ai volumi?

Sarà importante cercare indicazioni concrete su produzione, spedizioni, deployment presso i clienti, disponibilità dei componenti e momento in cui i ricavi Rubin inizieranno a contribuire in modo significativo. Nvidia ha affermato che le spedizioni di produzione inizieranno in autunno, mentre altri report descrivono la piattaforma come già in piena produzione e in consegna ai clienti.

2. Nvidia riuscirà a difendere i margini?

I sistemi a scala rack includono componenti più costosi e complessi rispetto agli acceleratori standalone. Le indicazioni sul margine lordo mostreranno se Nvidia riesce a trasferire questi costi ai clienti mantenendo un forte potere di prezzo vicino alle proprie previsioni.

3. Memoria e altri componenti limiteranno l’offerta?

Nvidia ha segnalato limiti di fornitura e un aumento della spesa per gli approvvigionamenti in un contesto di tensione più ampia sul mercato della memoria. Gli investitori dovrebbero osservare eventuali informazioni su disponibilità della memoria, costi dei componenti e rischio che questi vincoli rallentino la crescita di Rubin.

4. Le previsioni future confermeranno una domanda sostenuta?

Il risultato immediato da 91 miliardi di dollari è importante, ma il segnale più significativo potrebbe arrivare dalla guidance per il trimestre successivo e dalla descrizione degli impegni dei clienti. Una tesi solida su Rubin richiede una domanda ripetibile, non soltanto il successo del primo deployment.

In sintesi

Il deployment di Vera Rubin da parte di OpenAI è rilevante perché collega la nuova piattaforma Nvidia ai carichi di lavoro più esigenti dello sviluppo dell’IA di frontiera. La presenza di sistemi Rubin presso CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure e Nebius rafforza l’idea che l’architettura stia andando oltre l’annuncio di prodotto.

La tesi d’investimento, però, dipende ancora dall’esecuzione. I prezzi dei rack sono stime e non listini ufficiali, il miglioramento dei margini comunicato da CoreWeave è specifico della società e la validazione iniziale non dimostra ancora una consegna ad alto volume. La trimestrale Nvidia del 26 agosto aiuterà a capire se Vera Rubin sta diventando un’attività di sistemi scalabile e redditizia o se resta, per ora, un’impressionante ma ancora iniziale transizione infrastrutturale.