Previsione di crescita del 70% per Nvidia: Jensen Huang afferma che il limite è l’offerta, non la domanda

Jensen Huang afferma che la previsione di crescita del 70% per Nvidia riflette un tetto dell’offerta, non il limite della domanda dei clienti. Nvidia prevede che i ricavi aumenteranno di circa il 70% nell’esercizio fiscale 2028, una previsione inusuale con un anno di anticipo da parte di un’azienda che opera nel contesto volatile degli investimenti in AI.

La previsione segnala fiducia nella capacità di Nvidia di continuare a crescere nonostante i chip personalizzati di Amazon, Google, Microsoft, OpenAI e Anthropic. Solleva anche una questione più difficile: quanta domanda esiste in modo indipendente e quanta dipende dal fatto che Nvidia aiuti i clienti a finanziare infrastrutture costruite attorno al suo hardware?

La risposta di Huang è che Nvidia può osservare la domanda lungo l’intera catena di fornitura dell’AI. L’azienda lavora con fornitori di chip, operatori cloud, sviluppatori di modelli, imprese, governi e costruttori di data center. I critici interpretano molti di questi legami diversamente: temono che Nvidia stia finanziando o sostenendo sempre più i clienti che acquistano i suoi sistemi.

Questo conflitto conta più della percentuale in prima pagina. Nvidia non si limita più a vendere acceleratori in un mercato infrastrutturale costruito interamente da altre aziende. Sta contribuendo a garantire capacità produttiva, siti per data center, finanziamenti e impegni sui ricavi cloud.

Il risultato è un’attività con una visibilità insolita sulle future costruzioni. È anche un’attività che si assume nuovi rischi, oltre la progettazione di semiconduttori.

La previsione di crescita del 70% per Nvidia è una promessa vincolata dall’offerta

La previsione di Nvidia indica che l’azienda si aspetta una domanda superiore a quanto la sua rete produttiva e infrastrutturale possa fornire.

Nvidia ha presentato per la prima volta la previsione durante la conference call sui risultati del secondo trimestre dell’esercizio fiscale 2027, il 26 agosto. La Chief Financial Officer Colette Kress ha dichiarato che l’azienda prevedeva una crescita dei ricavi di circa il 70% nell’esercizio fiscale 2028.

Il dato è stato rilevante perché Nvidia non era solita fornire previsioni agli investitori sull’intero esercizio fiscale successivo. Le sue guidance si concentravano in genere sul trimestre seguente, quando calendari di fornitura e ordini dei clienti erano più facili da valutare.

Huang ha poi ribadito la previsione durante la Communacopia and Technology Conference di Goldman Sachs. Le sue dichiarazioni alla conferenza hanno inquadrato la proiezione come il risultato della visibilità di Nvidia sul proprio mercato.

Nvidia ha riportato ricavi trimestrali di circa 96 miliardi di dollari per il periodo conclusosi il 26 luglio 2026. I ricavi dei data center hanno raggiunto 89 miliardi di dollari, in aumento del 18% rispetto al trimestre precedente.

L’azienda ha inoltre previsto circa 108 miliardi di dollari di ricavi per il suo terzo trimestre fiscale. Queste cifre mostrano che la previsione del 70% parte da una base molto più ampia rispetto a quella affrontata da Nvidia nelle prime fasi dell’espansione dell’AI generativa.

Kress ha affermato che le previsioni dei clienti indicavano una domanda che avrebbe potuto raddoppiare nell’anno successivo. Nvidia ha comunque limitato la previsione dei ricavi al 70% perché l’offerta disponibile non avrebbe potuto soddisfare tutte queste richieste.

Huang ha rafforzato questa distinzione durante la conference call sui risultati. Ha dichiarato che la domanda era sostanzialmente maggiore della quantità che Nvidia prevedeva di consegnare. L’offerta già garantita dall’azienda ha dato al management fiducia nella stima più bassa.

Non si tratta semplicemente dell’affermazione che più aziende ordineranno singoli chip. Nvidia ora descrive il proprio prodotto alla scala di un intero sistema di calcolo.

Una moderna installazione Nvidia può includere CPU, GPU, apparecchiature di rete, switch, componenti di raffreddamento e software esteso. Questi elementi operano come un unico computer su scala di data center.

Huang ha usato il sistema GB200 NVL72 di Nvidia per illustrare questo cambiamento. Combina 36 CPU Grace e 72 GPU Blackwell attraverso l’interconnessione NVLink di Nvidia.

Ha affermato che gli ordini del sistema crescevano del 27% mese su mese quando ha parlato a settembre. Quel dato rappresentava lo slancio degli ordini correnti, non una garanzia che il ritmo sarebbe continuato indefinitamente.

Nvidia definisce queste installazioni fabbriche di AI perché trasformano elettricità e dati in risultati di addestramento e inferenza dei modelli. L’inferenza è il processo di utilizzo di un modello addestrato per generare risposte, previsioni o altri risultati.

La maggiore unità di vendita cambia il modo in cui gli investitori dovrebbero interpretare la previsione. Nvidia non conta soltanto i chip spediti nei data center esistenti. Sta pianificando attorno a strutture complete che richiedono energia, raffreddamento, terreni, finanziamenti e costruzione.

Questo rende la previsione in parte un calendario di implementazione industriale. Ogni obiettivo di ricavi dipende dal completamento puntuale di una lunga catena di attività da parte di fornitori e clienti.

Questa catena crea maggiore visibilità perché i progetti importanti richiedono pianificazione pluriennale. Crea però anche più opportunità di ritardi.

Gli agenti AI stanno determinando un fabbisogno di calcolo molto più elevato

L’argomento centrale di Huang sulla domanda è che gli agenti AI svolgono attività più lunghe, rendendo ogni richiesta utente molto più costosa dal punto di vista computazionale.

Un chatbot di base spesso risponde a un prompt con una sola risposta. Un agente AI può pianificare un’attività, chiamare strumenti software, esaminare i risultati, correggere errori e ripetere quel ciclo.

Ogni passaggio consuma capacità di inferenza. Il carico di lavoro può crescere rapidamente quando un agente gestisce ricerca, sviluppo software, assistenza clienti, analisi scientifica o operazioni aziendali.

Durante la trascrizione dei risultati di Nvidia, Huang ha stimato che un agente possa richiedere da 15 a 100 volte più calcolo rispetto all’uso diretto da parte di una persona. Ha affermato che la quantità varia in base al problema da risolvere.

Questa stima è un’affermazione dell’azienda, non un benchmark indipendente che copra ogni applicazione. Tuttavia, il meccanismo di fondo è chiaro: sequenze di ragionamento più lunghe e chiamate ripetute agli strumenti richiedono più token generati e più tempo sugli acceleratori.

Lo sviluppo dei modelli si sta inoltre espandendo oltre un ristretto gruppo di laboratori all’avanguardia. Nvidia afferma che la domanda ora proviene da hyperscaler, neocloud, startup AI, imprese, aziende industriali, istituti di ricerca e clienti sovrani.

Gli hyperscaler sono i maggiori fornitori cloud, tra cui Amazon Web Services, Microsoft Azure e Google Cloud. Le neocloud sono aziende infrastrutturali più recenti costruite principalmente attorno al calcolo con GPU.

Nel secondo trimestre riportato da Nvidia, i ricavi dagli hyperscaler hanno raggiunto 49 miliardi di dollari. Un’altra categoria di clienti, che comprende neocloud, industria e imprese, ha generato 40 miliardi di dollari.

Secondo Nvidia, questa seconda categoria è cresciuta del 25% rispetto al trimestre precedente e del 138% rispetto all’anno precedente. La sua dimensione sostiene l’argomentazione di Huang secondo cui il mercato è più ampio di un singolo laboratorio AI o di un singolo cliente cloud.

Kress ha dichiarato che i partner neocloud avrebbero dovuto concludere il 2026 con otto gigawatt di capacità installata. Alla fine del 2025 ne avevano circa tre gigawatt.

Un gigawatt misura la potenza, non le prestazioni di calcolo. Resta tuttavia un indicatore utile della dimensione raggiunta da questi progetti. Un nuovo campus di data center può richiedere energia paragonabile a quella di un grande sviluppo industriale.

Amazon fornisce un altro segnale di domanda. Nvidia ha dichiarato che AWS avrebbe iniziato a implementare altri due milioni di GPU Nvidia nel trimestre riportato. Il programma di implementazione si estende fino al secondo trimestre fiscale 2029 di Nvidia.

AWS prevede inoltre di utilizzare la tecnologia Nvidia nei modelli, nei servizi cloud e nella robotica dei magazzini. Amazon continua tuttavia a sviluppare i propri acceleratori Trainium, creando al tempo stesso partnership e concorrenza.

Google segue una strategia simile con le sue Tensor Processing Units. Microsoft dispone degli acceleratori Maia, mentre OpenAI e Anthropic stanno portando avanti programmi di hardware personalizzato.

Questi progetti mettono sotto pressione Nvidia perché i suoi maggiori clienti desiderano un controllo più ampio su costi e forniture. Non eliminano automaticamente la domanda di sistemi Nvidia.

Gli acceleratori personalizzati funzionano al meglio quando un’azienda può ottimizzare insieme hardware, software e carichi di lavoro. Il vantaggio di Nvidia è una compatibilità più ampia tra clienti, modelli, cloud e strumenti di sviluppo.

Huang afferma che Nvidia esegue modelli dei principali laboratori chiusi e degli sviluppatori di modelli aperti. Questa portata consente a un cliente di implementare software simile in più ambienti senza ricostruire tutto per un chip specializzato.

CUDA, la piattaforma di programmazione Nvidia per il calcolo GPU, resta centrale per questa posizione. Gli sviluppatori hanno trascorso anni a creare librerie, strumenti e applicazioni attorno ad essa.

La previsione di crescita del 70% per Nvidia presuppone che questa piattaforma completa rimanga preferibile per una quota sostanziale della nuova capacità. Non richiede il fallimento degli acceleratori personalizzati.

La previsione presuppone invece che la domanda complessiva cresca abbastanza rapidamente da sostenere entrambi gli approcci. Nvidia può perdere alcuni carichi di lavoro a favore di chip progettati internamente, ampliando al contempo le vendite in un mercato del calcolo più grande.

L’incertezza riguarda le tempistiche. I clienti possono sovrastimare l’adozione degli agenti nel breve termine, mentre le applicazioni utili possono richiedere più tempo per generare ricavi di quanto ne richieda la costruzione dell’infrastruttura.

Se le imprese faticano a trasformare gli esperimenti con gli agenti in flussi di lavoro affidabili, gli operatori cloud potrebbero trovarsi di fronte a un utilizzo inferiore. Ciò indebolirebbe l’economia alla base di un’altra tornata di ordini di apparecchiature.

Per i lavoratori della conoscenza, il segnale pratico è la profondità d’uso piuttosto che gli annunci sui modelli. I sistemi che diventano integrati nello sviluppo software, nella ricerca, nelle vendite e nelle operazioni consumeranno calcolo ripetutamente.

Una base di conoscenza AI ricercabile, per esempio, può combinare il recupero delle informazioni con chiamate ripetute ai modelli. Su larga scala, questi flussi di lavoro ordinari contano più di una singola dimostrazione.

La portata full-stack di Nvidia spiega la fiducia di Huang

Nvidia ritiene di poter fare previsioni più lontane nel tempo perché ora monitora sia l’offerta di semiconduttori sia l’infrastruttura fisica in attesa dei suoi sistemi.

Le aziende di chip stimano tradizionalmente la domanda in base agli ordini dei clienti, ai programmi produttivi, alle scorte e all’attività dei canali di vendita. Nvidia ora monitora un ulteriore livello di informazioni.

Huang ha affermato che l’azienda segue in tutto il mondo i terreni per data center, l’energia elettrica e le strutture edilizie. Una struttura è l’involucro fisico predisposto prima dell’arrivo di server e apparecchiature di rete.

Questa conoscenza è importante perché la costruzione di capacità AI richiede anni. Un cliente non può installare un sistema avanzato senza assicurarsi connessioni alle utility, apparecchiature di raffreddamento, appaltatori, permessi e capitale.

Nvidia si è posizionata su entrambi i lati del calendario di implementazione. A monte, lavora con fonderie, fornitori di memoria, operatori di packaging e altri produttori di componenti.

A valle, coordina operatori cloud, sviluppatori di data center, aziende energetiche, imprese e istituzioni finanziarie. Questa posizione offre a Nvidia una visione anticipata dei progetti prima della consegna dell’hardware.

I suoi impegni di spesa riflettono la scala di questo coordinamento. Il documento trimestrale di Nvidia ha indicato che gli impegni relativi a forniture e capacità sono aumentati da 119 miliardi a 279 miliardi di dollari entro il 26 luglio.

Questi impegni contribuiscono a garantire la produzione per le architetture attuali e future. Possono inoltre diventare una passività se le implementazioni dei clienti rallentano o se le transizioni tecnologiche si sviluppano diversamente dal previsto.

Il valore delle vendite Nvidia per gigawatt è aumentato con la maggiore integrazione dei suoi sistemi. Huang ha affermato che Hopper rappresentava circa 18 miliardi di dollari di apparecchiature Nvidia per gigawatt.

Ha stimato Grace Blackwell a circa 25 miliardi di dollari per gigawatt e Vera Rubin a circa 40 miliardi. Si tratta delle stime di Nvidia sul valore dei sistemi, non di costi di costruzione universalmente validi.

La progressione mostra perché i ricavi possano crescere più rapidamente del numero di data center alimentati. Ogni generazione può collocare apparecchiature di calcolo e networking di maggior valore dietro la stessa connessione elettrica.

Le nuove piattaforme spingono inoltre Nvidia in categorie un tempo servite da diversi fornitori. L’azienda vende acceleratori, CPU, componenti di rete, interconnessioni, software e sistemi completi su scala rack.

Questa espansione consente a Nvidia di ottenere più ricavi da ciascuna implementazione. Significa anche che le previsioni di Nvidia dipendono dall’accettazione, da parte dei clienti, di una quota maggiore della sua architettura.

I concorrenti possono attaccare diversi livelli di questo stack. AMD vende acceleratori, Broadcom aiuta le aziende a sviluppare chip personalizzati e i provider cloud offrono il proprio silicio.

Cerebras e altri sviluppatori specializzati propongono modi alternativi per costruire sistemi di calcolo per l’AI. Alcuni puntano sull’economia dell’inferenza, mentre altri enfatizzano la capacità di memoria o una scalabilità più semplice.

La difesa di Nvidia è la fungibilità: un sistema può servire molti modelli e clienti anziché un unico carico di lavoro definito in modo ristretto. Questa flessibilità è particolarmente importante per gli operatori cloud.

Un neocloud vuole affittare la capacità disponibile al cliente che offre il miglior rendimento. L’hardware ottimizzato per un solo modello può diventare difficile da riconvertire quando la domanda cambia.

Nvidia sostiene che un’ampia compatibilità software protegga il valore di rivendita e noleggio delle sue apparecchiature. Anche gli istituti finanziari tengono conto di questa affermazione, perché devono valutare il rischio degli asset nel lungo periodo.

Tuttavia, l’hardware di calcolo si deprezza più rapidamente delle infrastrutture convenzionali. Un impegno cloud di sei anni può attraversare diverse generazioni di prodotti Nvidia.

I clienti potrebbero comunque preferire sistemi più vecchi per inferenze meno impegnative. Eppure questa domanda secondaria deve restare sufficientemente forte da sostenere il valore residuo previsto.

La previsione di crescita del 70% di Nvidia poggia quindi su due forme di visibilità. La prima deriva da forniture prenotate e progetti fisici. La seconda dipende dalla convinzione di Nvidia che la sua piattaforma resterà economicamente utile anche dopo l’arrivo di sistemi più nuovi.

La prima può essere misurata tramite impegni e costruzioni. La seconda diventerà chiara solo attraverso utilizzo, tariffe di noleggio e rinnovi dei clienti.

La questione del finanziamento circolare non scompare

Gli accordi di Nvidia possono sbloccare una domanda reale, trasferendo al tempo stesso più rischio legato a clienti e infrastrutture sul proprio bilancio.

La critica al finanziamento circolare è semplice. Nvidia investe in aziende AI o sostiene le loro infrastrutture, e queste aziende usano capitale per acquistare accesso ai sistemi Nvidia.

I critici temono che questo accordo possa far apparire la domanda più indipendente di quanto non sia. Se i clienti non riescono a finanziare l’espansione senza il sostegno del fornitore, le vendite attuali potrebbero anticipare la domanda futura.

Nvidia respinge questa interpretazione. Kress ha dichiarato agli analisti che l’azienda considera il proprio sostegno come sviluppo infrastrutturale, supportato dall’utilizzo dei clienti e da capitale fornito in modo indipendente.

Per i progetti neocloud, Nvidia può offrire un impegno take-or-pay che copre parte della capacità di una struttura. Take-or-pay significa che Nvidia accetta di pagare per una quantità minima, anche quando l’utilizzo effettivo è inferiore.

Questa soglia può aiutare un operatore cloud a ottenere il finanziamento del progetto. Nvidia riceve poi una quota dei ricavi generati oltre il livello garantito.

Kress ha affermato che l’azienda viene pagata attraverso la vendita dell’hardware e può successivamente ricevere ricavi da noleggio. Nvidia ha riportato 36 miliardi di dollari di tali impegni per servizi cloud al 26 luglio.

Il documento depositato afferma che i provider cloud possono interrompere la fornitura di capacità a Nvidia e venderla a terzi a tariffe migliori. L’impegno di Nvidia diminuisce man mano che clienti esterni o Nvidia stessa consumano la capacità.

Questa struttura differisce dal semplice prestito di denaro a un cliente per l’acquisto di hardware. Ciononostante, Nvidia sostiene costi se l’utilizzo esterno non si sviluppa.

La sua esposizione si estende ai progetti fisici. Nvidia ha comunicato fino a 3,5 miliardi di dollari in garanzie relative a obblighi su terreni, energia e costruzioni per selezionati partner cloud AI.

L’azienda ha inoltre stipulato garanzie connesse al PORTS Technology Campus di SB Energy in Ohio. Nvidia ha limitato tale sostegno a un totale di 105 miliardi di dollari, subordinatamente a determinate condizioni.

Il campus previsto copre circa 4,25 gigawatt di carico IT. Si prevede che i suoi nove data center inizieranno a entrare in servizio nel corso dell’esercizio fiscale 2029 di Nvidia.

OpenAI dovrebbe prendere in affitto il campus per 20 anni, con eccezioni limitate. L’esposizione di Nvidia diminuisce man mano che OpenAI effettua i pagamenti del canone e può terminare al verificarsi di eventi specificati.

Questo accordo crea un collegamento chiaro tra Nvidia, un laboratorio AI, uno sviluppatore di data center e la domanda futura di hardware. È ragionevole che gli investitori esaminino l’intera catena.

Nvidia afferma che le garanzie affrontano uno squilibrio nel finanziamento. I laboratori di frontiera possono avere una domanda in rapida crescita senza la storia creditizia necessaria per contratti infrastrutturali pluridecennali.

L’azienda ha riferito di aver investito quasi 50 miliardi di dollari in laboratori AI di frontiera. Nvidia caratterizza tale importo come una piccola quota del flusso di cassa libero atteso nello stesso periodo.

Ad agosto, Nvidia ha inoltre annunciato partnership con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR. L’annuncio sul finanziamento puntava a mobilitare oltre 500 miliardi di dollari di capitale di terzi nel tempo.

Si trattava di memorandum d’intesa, non di implementazioni completate dell’intero importo. Il documento di Nvidia avvertiva che gli accordi preliminari potrebbero non produrre accordi definitivi.

Le piattaforme proposte prevedrebbero che istituzioni esterne sottoscrivano singoli progetti. Nvidia potrebbe comunque fornire, a propria discrezione, un sostegno limitato al valore residuo.

La difesa più semplice di Huang è arrivata durante il suo intervento a una conferenza di settembre. Ha sostenuto che Nvidia contribuisce con una piccola somma, mentre molto più capitale esterno torna al mercato delle infrastrutture.

La risposta coglie la tesi di Nvidia, ma non risolve la questione contabile o economica. Un circuito finanziario non richiede contributi uguali da ogni partecipante per concentrare il rischio.

La domanda più importante è se gli utenti finali generino abbastanza liquidità da sostenere i canoni di noleggio cloud. Tali ricavi devono infine coprire elettricità, strutture, finanziamenti, hardware e margini degli operatori.

Un utilizzo positivo può far apparire l’intervento di Nvidia come una sensata creazione del mercato. Un utilizzo debole può esporre le garanzie, ridurre i prezzi di noleggio e lasciare i clienti con apparecchiature che invecchiano rapidamente.

Gli investitori hanno già chiesto una maggiore trasparenza. Prima degli utili di agosto di Nvidia, gli analisti di Morgan Stanley hanno richiesto ampia trasparenza sugli investimenti e sugli accordi di finanziamento.

Melissa Otto, responsabile della ricerca di Visible Alpha, ha definito la previsione del 70% un aumento significativo rispetto alle aspettative del mercato, vicine al 45%. La sua valutazione, riportata insieme a un più ampio scrutinio degli investitori, evidenzia perché il dibattito sia importante.

Una previsione così superiore alle attese dipende da più della sola performance dei chip. Si basa su un sistema di finanziamento e costruzione che si espande senza creare un eccesso di capacità inutilizzata.

I documenti depositati da Nvidia riconoscono che i rischi di scarsità e sovraccapacità coesistono. Energia, terreni, capitale o componenti insufficienti possono ritardare i ricavi.

I clienti possono inoltre posticipare le nuove architetture o adottarle più lentamente del previsto. Il mutamento delle condizioni di mercato può rendere meno preziosi gli impegni di Nvidia e danneggiare i risultati finanziari.

La conclusione equilibrata non è che ogni progetto sostenuto da Nvidia produca domanda artificiale. Né che una sottoscrizione indipendente elimini il rischio di Nvidia.

L’azienda sta usando la propria posizione di mercato per risolvere reali colli di bottiglia infrastrutturali. Nel farlo, lega più strettamente il proprio bilancio all’utilizzo dei clienti e alla loro qualità creditizia.

Questo compromesso è il banco di prova centrale della fiducia di Huang.

Tre segnali metteranno alla prova la previsione di Jensen Huang

Gli investitori dovrebbero monitorare la conversione delle forniture, l’utilizzo esterno e la concentrazione dei clienti, anziché trattare il dato del 70% come auto-validante.

Il primo segnale è la conversione, da parte di Nvidia, dei suoi 279 miliardi di dollari in impegni di fornitura e capacità in sistemi spediti e pagati. Questi impegni mostrano preparazione, ma i ricavi richiedono prodotti completati e data center pronti.

La memoria rappresenta un vincolo immediato. Nvidia ha dichiarato che la forte domanda di AI ha ristretto l’offerta e aumentato la pressione sui costi.

L’azienda ha riportato un margine lordo del 75% per il trimestre. Il management prevedeva che tale misura scendesse fino al 71% prima di recuperare.

Se la disponibilità di memoria migliorerà e le nuove architetture entreranno nella produzione di volume secondo i tempi previsti, Nvidia potrà soddisfare una quota maggiore della domanda che rileva. I ritardi indebolirebbero la spiegazione della previsione basata sull’offerta.

Gli investitori dovrebbero quindi confrontare le previsioni trimestrali sui ricavi con inventario, impegni di acquisto, margini e commenti sulle transizioni di piattaforma. Impegni in aumento senza spedizioni proporzionate meriterebbero maggiore attenzione.

Il secondo segnale è l’utilizzo da parte di terzi presso neocloud e data center sostenuti. È il test più chiaro della preoccupazione sul finanziamento circolare.

Nvidia afferma che i suoi impegni cloud diminuiscono quando clienti esterni consumano capacità. Un forte utilizzo da parte di terzi trasferirebbe il rischio lontano da Nvidia e confermerebbe l’economia indipendente dei progetti.

L’utilizzo deve inoltre produrre tariffe di noleggio sostenibili. Un data center può sembrare molto attivo generando però rendimenti insufficienti, perché i provider scontano l’accesso alle GPU per attrarre clienti.

Gli operatori cloud dovrebbero dimostrare che i ricavi crescono insieme alla capacità installata. Devono inoltre mostrare che la domanda dei clienti va oltre pochi laboratori di frontiera e hyperscaler.

La crescita riportata da Nvidia tra imprese, progetti sovrani e cloud regionali sostiene questa tesi. Le future comunicazioni dovranno mostrare che questi clienti diventano utilizzatori duraturi anziché pipeline annunciate.

Se l’esposizione take-or-pay di Nvidia diminuisce mentre i ricavi dei partner si espandono, l’argomento dell’azienda sulla costruzione del mercato diventa più forte. Garanzie in aumento accompagnate da un debole utilizzo esterno rafforzerebbero la tesi dei critici.

Il terzo segnale è l’equilibrio tra i sistemi Nvidia e i chip progettati dai clienti. Amazon, Google, Microsoft, OpenAI e Anthropic hanno forti ragioni per diversificare.

Il silicio personalizzato può ridurre i costi per carichi di lavoro stabili e diminuire la dipendenza da un unico fornitore. Può inoltre offrire agli sviluppatori di modelli un controllo più stretto su memoria, networking e progettazione software.

Nvidia non deve impedire tali implementazioni. Deve mantenere abbastanza carichi di lavoro sulla propria piattaforma mentre il mercato complessivo si espande.

Occorre osservare se i provider cloud continuano a ordinare sistemi completi Nvidia mentre implementano i propri acceleratori. Una strategia mista sosterrebbe l’affermazione di Huang secondo cui Nvidia serve un mercato ampio e in crescita.

Uno spostamento significativo verso hardware proprietario sia nell’addestramento sia nell’inferenza indebolirebbe questa conclusione. Potrebbe inoltre ridurre il potere di determinazione dei prezzi di Nvidia e il valore acquisito per gigawatt.

La previsione per l’esercizio fiscale 2028 sarà verificata progressivamente, non in una sola data di pubblicazione degli utili. Programmi di costruzione, acquisti di forniture, utilizzo cloud e implementazioni di chip concorrenti mostreranno se le sue ipotesi restano allineate.

Gli sviluppatori e gli acquirenti aziendali dovrebbero inoltre seguire disponibilità e prezzi. Una maggiore offerta può rendere l’inferenza avanzata più accessibile, anche se le organizzazioni non acquistano mai direttamente hardware Nvidia.

I lavoratori della conoscenza sperimenteranno queste previsioni attraverso il software. Se gli agenti diventeranno abbastanza affidabili da gestire flussi di lavoro più lunghi, la domanda di capacità di calcolo potrà crescere senza che gli utenti vedano l’infrastruttura sottostante.

La previsione di crescita del 70% di Nvidia è, in ultima analisi, un’affermazione sui comportamenti, non soltanto sulla produzione. Presuppone che le aziende utilizzeranno abbastanza IA da giustificare un’espansione storica della capacità di calcolo.

Huang ha spiegato perché Nvidia ritiene probabile questo scenario. L’azienda opera a contatto con modelli, cloud, imprese, fornitori, progetti energetici e finanziatori.

Questa presenza offre a Nvidia informazioni che pochi concorrenti possiedono. Significa anche che Nvidia sta contribuendo a creare il futuro che sostiene di poter già vedere.

La prossima domanda è se i clienti genereranno abbastanza valore indipendente da sostenerlo. Nei prossimi trimestri, osservate i sistemi consegnati, l’utilizzo dei cloud di terze parti e l’adozione di chip personalizzati.

Questi indicatori mostreranno se il 70% rappresenta una domanda duratura o una catena di fornitura che sta procedendo più velocemente dei suoi utenti.