AMD e Broadcom fanno pressione su Nvidia, ma la storia dei chip AI da 100 miliardi di dollari va corretta

AMD e Broadcom stanno aumentando la pressione su Nvidia attraverso due strategie distinte, ma Broadcom non ha annunciato un piano di finanziamento da 100 miliardi di dollari. Questa cifra si riferisce alle vendite annuali previste di chip AI di Broadcom, mentre un separato accordo di AMD avrebbe potenzialmente un valore vicino ai 100 miliardi di dollari.

La distinzione conta perché questi accordi colpiscono parti diverse della posizione di Nvidia. AMD vuole che Meta e altri acquirenti adottino le sue GPU Instinct programmabili come alternative ai sistemi Nvidia. Broadcom aiuta le più grandi aziende AI a realizzare acceleratori personalizzati, adattati ai propri modelli e data center.

Nessuna delle due strade ha spodestato la piattaforma general-purpose di Nvidia. Nvidia continua a combinare acceleratori, networking, sistemi e software maturo in un pacchetto che i clienti possono distribuire su molti carichi di lavoro. La nuova pressione deriva dagli acquirenti che decidono che alcuni carichi di lavoro giustificano un secondo fornitore o un chip progettato ad hoc.

Il titolo sui 100 miliardi di dollari unisce due storie diverse

La cifra riportata di 100 miliardi di dollari è reale, ma non descrive Broadcom mentre raccoglie o fornisce finanziamenti per un programma di chip AI.

A marzo 2026 Broadcom ha dichiarato di aspettarsi vendite annuali di chip AI superiori a 100 miliardi di dollari nell'esercizio fiscale 2027. La previsione riflette ricavi attesi da acceleratori personalizzati e prodotti di networking per l'AI, piuttosto che una linea di finanziamento.

Le prospettive dell'azienda hanno seguito una domanda in accelerazione da parte dei clienti hyperscale, ossia aziende cloud e tecnologiche che gestiscono flotte informatiche molto grandi. Secondo una proiezione dei ricavi, Broadcom si aspetta che la domanda di chip personalizzati spinga il suo business AI oltre questa soglia.

Gli ultimi dati riportati da Broadcom mostrano perché gli investitori prendono sul serio la previsione. I ricavi dai semiconduttori AI nel secondo trimestre fiscale 2026 hanno raggiunto 10,8 miliardi di dollari, in aumento del 143% rispetto allo stesso periodo dell'anno precedente. Il management ha attribuito questa crescita agli acceleratori AI personalizzati e ai prodotti di networking nei suoi risultati trimestrali.

La separata storia dei 100 miliardi di dollari riguarda AMD e Meta. Hanno annunciato un accordo pluriennale che copre fino a 6 gigawatt di implementazioni di GPU AMD Instinct. Associated Press ha riferito che gli acquisti nell'ambito dell'accordo potrebbero raggiungere 100 miliardi di dollari nel corso della sua durata.

Il deposito regolamentare di AMD non attribuisce all'accordo quel preciso valore in dollari. Conferma l'obiettivo di implementazione, la roadmap dei prodotti, la struttura dei warrant e le tempistiche previste. Le spedizioni del primo gigawatt dovrebbero iniziare nella seconda metà del 2026.

In base all'accordo sulle GPU di Meta, la prima implementazione utilizzerà una GPU Instinct personalizzata basata sull'architettura MI450 di AMD. Funzionerà con processori EPYC di sesta generazione e il software ROCm di AMD nel design rack Helios dell'azienda.

AMD ha inoltre emesso a Meta un warrant basato sulle performance che copre fino a 160 milioni di azioni AMD. La maturazione dipende dai volumi di spedizione, dalle tappe tecniche, dalle condizioni commerciali e dalle soglie del prezzo delle azioni AMD.

Questa struttura offre a Meta un incentivo finanziario ad aiutare AMD a raggiungere una scala di implementazione significativa. Riduce inoltre la possibilità che un grande impegno annunciato resti scollegato dalle effettive consegne dei prodotti.

La previsione di Broadcom e l'accordo AMD-Meta descrivono quindi eventi economici diversi. Una è la previsione di un fornitore per i ricavi AI annuali. L'altro è un impegno di lungo termine da parte di un cliente che include acquisti di hardware e capitale basato sulle performance.

Unirli produce un titolo d'impatto, ma oscura il meccanismo competitivo. Broadcom non sta finanziando un attacco a Nvidia. Broadcom e AMD stanno aiutando i grandi clienti a ridurre la dipendenza da un'unica piattaforma informatica attraverso diversi tipi di silicio.

Perché le strategie di AMD e Broadcom fanno pressione su Nvidia

AMD compete per le implementazioni di acceleratori ampiamente programmabili, mentre Broadcom trasforma carichi di lavoro selezionati dei clienti in silicio personalizzato.

Un'unità di elaborazione grafica, o GPU, è un processore parallelo programmabile adatto all'addestramento e all'esecuzione di molti tipi di modelli AI. Nvidia ha costruito il proprio vantaggio abbinando questi processori al suo ambiente software CUDA, al networking ad alta velocità e a sistemi server completi.

AMD sfida questo modello con la sua famiglia di GPU Instinct, il software ROCm, i processori EPYC e i sistemi Helios a scala rack. L'azienda vuole che i clienti vedano i suoi prodotti come una seconda piattaforma implementabile, anziché come chip isolati.

L'accordo con Meta offre un test impegnativo. I primi sistemi useranno un acceleratore basato su MI450 ottimizzato per i carichi di lavoro di Meta, pur restando parte della più ampia architettura programmabile di AMD. Meta può influenzare il prodotto mantenendo al contempo una maggiore flessibilità rispetto a quella normalmente offerta da un design monofunzione.

Broadcom segue una strada diversa. Collabora con un numero ristretto di grandi clienti per implementare circuiti integrati specifici per applicazione, comunemente chiamati ASIC. Un ASIC è progettato per un insieme di attività più ristretto rispetto a una GPU general-purpose.

Questa specializzazione può eliminare funzionalità hardware di cui un cliente non ha bisogno. Può anche ottimizzare il movimento dei dati in memoria, i formati numerici, il networking e il consumo energetico in funzione di carichi di lavoro prevedibili. Il potenziale beneficio aumenta quando un'azienda gestisce abbastanza server da distribuire i costi di progettazione su un'implementazione enorme.

Broadcom fornisce inoltre switch Ethernet, componenti ottici, tecnologia di interconnessione e altri prodotti di networking. Questo portafoglio le consente di partecipare a una quota più ampia di un cluster personalizzato, non limitandosi al solo acceleratore.

OpenAI illustra la strategia. Nell'ottobre 2025, OpenAI e Broadcom hanno annunciato piani per 10 gigawatt di acceleratori progettati da OpenAI e relativi sistemi di rete. Le implementazioni avrebbero dovuto iniziare nella seconda metà del 2026 e proseguire fino al 2029.

In base al piano per acceleratori personalizzati, OpenAI possiede l'architettura, mentre Broadcom supporta sviluppo, implementazione, connettività e distribuzione. I sistemi utilizzano la tecnologia Ethernet di Broadcom per le comunicazioni all'interno e tra i rack di calcolo.

Questa divisione del lavoro modifica il rapporto di Broadcom con Nvidia. Broadcom non deve creare una piattaforma GPU universale né convincere migliaia di sviluppatori ad adottare un nuovo ambiente di programmazione.

Piuttosto, Broadcom aiuta pochi clienti enormi a internalizzare una parte del processo di progettazione dei chip. Ogni progetto riuscito può spostare un carico di lavoro sostanziale e ripetibile dalle GPU commerciali.

AMD ha bisogno di una più ampia adozione software perché i clienti programmano le sue GPU per molte applicazioni. Broadcom ha bisogno di relazioni profonde con acquirenti i cui carichi di lavoro siano abbastanza stabili e grandi da giustificare uno sviluppo personalizzato.

Le due strategie possono coesistere nello stesso data center. Un cliente potrebbe usare sistemi Nvidia per la ricerca su nuovi modelli, GPU AMD per flotte di produzione selezionate e ASIC assistiti da Broadcom per carichi di lavoro di inferenza maturi.

Ecco perché la storia di AMD e Broadcom è più significativa di una tradizionale competizione tra fornitori. Nvidia non affronta un solo sostituto. Affronta clienti che dividono sempre più gli acquisti di capacità di calcolo tra piattaforme general-purpose, alternative e personalizzate.

Il vantaggio di Nvidia è una piattaforma, non solo un chip più veloce

I concorrenti devono competere con l'intero ambiente operativo di Nvidia, non limitarsi a eguagliare un benchmark o a ottenere un grande ordine.

La posizione di Nvidia poggia su diversi livelli connessi. Le sue GPU eseguono il calcolo, NVLink collega i processori all'interno dei sistemi, i prodotti di networking collegano i sistemi tra i cluster e CUDA offre agli sviluppatori strumenti per creare e gestire il software.

Questa integrazione riduce il rischio di implementazione. Un'organizzazione può iniziare con un carico di lavoro, modificare l'architettura del modello e riutilizzare gran parte delle stesse conoscenze di sviluppo e operazioni.

Il silicio personalizzato propone un compromesso diverso. Può migliorare l'efficienza per un obiettivo stabile, ma i suoi vantaggi possono ridursi quando cambiano modelli, formati numerici, esigenze di memoria o modalità di erogazione.

I clienti di Broadcom si assumono gran parte di questo rischio architetturale perché definiscono i propri acceleratori. Broadcom può realizzare il piano per silicio e networking, ma è il cliente a dover decidere quale comportamento del modello meriti un supporto hardware permanente.

AMD dispone di maggiore flessibilità perché Instinct resta una piattaforma GPU programmabile. Tuttavia, i clienti devono comunque validare librerie ROCm, strumenti di orchestrazione, compatibilità dei modelli, comportamento del networking e affidabilità operativa su larga scala.

Meta ha esperienza in questo lavoro. AMD afferma che Meta utilizza già acceleratori MI300 e MI350, mentre milioni di processori EPYC operano nell'infrastruttura di Meta. Il nuovo accordo estende una relazione esistente anziché iniziare con un acquirente non collaudato.

Anche così, un quadro da 6 gigawatt non equivale a 6 gigawatt già installati. L'implementazione iniziale da un gigawatt resta il primo importante punto di verifica dell'esecuzione. Le successive tranche di warrant dipendono in parte da ulteriori spedizioni.

Nvidia, nel frattempo, continua a espandere i propri sistemi e gli impegni con i clienti. L'azienda ha riportato ricavi dai data center per l'esercizio fiscale 2026 pari a 193,7 miliardi di dollari, con un aumento del 68% rispetto all'anno precedente.

I suoi risultati fiscali 2026 hanno inoltre descritto una partnership pluriennale con Meta che prevede grandi implementazioni di CPU Nvidia, prodotti di networking e milioni di GPU Blackwell e Rubin.

L'accordo di Meta con AMD non rappresenta quindi un abbandono totale di Nvidia. Rappresenta una diversificazione nell'ambito di un'espansione dei data center abbastanza ampia da supportare molteplici architetture.

Questa distinzione influenza il modo in cui dovrebbe essere misurata la concorrenza di mercato. Ottenere il ruolo di nuovo fornitore non significa automaticamente sottrarre a Nvidia una quantità equivalente di attività esistenti.

Alcuni chip alternativi sostituiranno sistemi Nvidia. Altri sosterranno nuovi carichi di lavoro che un cliente non avrebbe potuto gestire economicamente in precedenza. Altri ancora daranno agli acquirenti leva nelle trattative su forniture, roadmap e configurazioni dei sistemi.

Nvidia risponde anche al silicio personalizzato con cicli di prodotto più rapidi e prodotti specifici per i carichi di lavoro. La sua piattaforma Rubin punta a ridurre i costi di inferenza, mentre il suo portafoglio di networking le consente di competere per la spesa infrastrutturale anche quando l'architettura di calcolo cambia.

La scala dell'azienda le offre un altro vantaggio. Più sistemi installati creano maggiore esperienza per gli sviluppatori, ottimizzazione software, conoscenze nella risoluzione dei problemi e integrazioni di terze parti. Questi vantaggi rafforzano la fiducia dei clienti.

La concorrenza di AMD e Broadcom indebolisce l'assunto secondo cui ogni nuovo carico di lavoro AI debba funzionare su Nvidia. Non cancella il valore pratico della base installata di Nvidia.

La vera sfida riguarda l'economia dell'inferenza

I chip personalizzati di Broadcom diventano più convincenti quando un cliente può prevedere un carico di lavoro, mentre AMD beneficia quando gli acquirenti hanno bisogno di flessibilità senza accettare la dipendenza da Nvidia.

L'addestramento crea un modello elaborando grandi dataset e aggiornando i parametri del modello. L'inferenza utilizza il modello addestrato per rispondere alle richieste, generare contenuti, classificare informazioni o far funzionare una funzionalità AI.

I carichi di lavoro per l'addestramento cambiano man mano che i ricercatori testano nuove architetture e metodi di scaling. Questa incertezza favorisce hardware programmabile e software maturi, perché gli ingegneri non possono prevedere perfettamente i futuri requisiti computazionali.

L'inferenza può diventare più standardizzata dopo che un modello entra in produzione. Un'azienda può gestire miliardi di richieste simili, rendendo economicamente rilevanti anche piccoli miglioramenti nel consumo energetico e nell'utilizzo delle apparecchiature.

La strategia di Broadcom sugli acceleratori personalizzati punta proprio a questa ripetitività. Un hyperscaler può eliminare funzionalità generiche non necessarie e ottimizzare l'hardware attorno ai propri modelli, ai pattern di memoria e al design della rete.

La collaborazione tra OpenAI e Broadcom mostra quanto strettamente possano lavorare lo sviluppatore del modello e il fornitore di silicio. OpenAI progetta l'acceleratore e l'architettura del sistema sfruttando la conoscenza dei propri modelli. Broadcom traduce quel piano in silicio, rack e connettività pronti per il deployment.

L'approccio non garantisce costi totali inferiori. Progettare un chip avanzato richiede ingegneria, capacità produttiva, packaging, memoria, software, validazione e supporto continuativo.

Un progetto può anche arrivare quando il carico di lavoro target è già cambiato. I lunghi cicli di sviluppo creano il rischio che le decisioni di ottimizzazione diventino obsolete prima di un'implementazione su larga scala.

I clienti di Broadcom sono insolitamente capaci di sostenere questo rischio. Aziende come OpenAI e i grandi operatori cloud controllano carichi di lavoro rilevanti e possono impegnare infrastrutture su scala gigawatt.

AMD occupa una posizione intermedia. Le sue GPU restano programmabili, ma i grandi clienti possono influenzare specifiche versioni di prodotto e configurazioni di rack.

Il primo deployment di Meta basato su MI450 sarà personalizzato per i suoi carichi di lavoro. AMD e Meta stanno inoltre allineando le roadmap di GPU, CPU, sistemi e software attraverso diverse generazioni di prodotti.

Si tratta di qualcosa di più di un normale acquisto di apparecchiature. Consente a Meta di plasmare una piattaforma alternativa senza assumersi la piena responsabilità di un ASIC personalizzato.

La sfida di AMD è trasformare questa collaborazione in una piattaforma ripetibile. Il software sviluppato per un hyperscaler deve comunque contribuire a strumenti migliori e maggiore affidabilità anche per gli altri acquirenti.

ROCm è migliorato, ma l'adozione non può essere misurata solo dagli annunci hardware. I clienti hanno bisogno di librerie stabili, supporto per i modelli, monitoraggio, recupero dai guasti e ingegneri in grado di gestire grandi installazioni.

Broadcom affronta il problema opposto nello scaling. Il suo business può crescere rapidamente grazie a pochi contratti, ma ogni cliente richiede una personalizzazione sostanziale. L'azienda deve gestire calendari di progettazione, packaging avanzato, allocazione produttiva e requisiti di rete su diversi programmi.

Entrambe le aziende beneficiano della crescente domanda di inferenza. Man mano che le funzionalità AI raggiungono più utenti, gli acquirenti si interessano meno ai risultati di picco nei benchmark e più al lavoro utile erogato per ogni unità di energia e infrastruttura.

Questo cambiamento non rende irrilevante l'addestramento. Gli sviluppatori di modelli frontier richiedono ancora cluster flessibili e ad alte prestazioni per gli esperimenti. Nvidia resta particolarmente forte quando i clienti desiderano una piattaforma generale che copra ricerca e produzione.

La pressione emerge quando i carichi di lavoro maturi diventano abbastanza grandi da poter essere separati. Un'azienda può lasciare su Nvidia i lavori di ricerca incerti, spostando al contempo servizi di inferenza prevedibili su AMD o acceleratori personalizzati.

Questo graduale disaccoppiamento rappresenta una minaccia più credibile di un'improvvisa sostituzione. Cambia l'assunto predefinito di acquisto, un carico di lavoro alla volta.

Cosa i grandi impegni non dimostrano ancora

Le previsioni di ricavi, gli accordi in gigawatt e i warrant azionari mostrano un intento strategico, ma saranno i deployment a determinare se cambieranno gli equilibri di mercato.

Le previsioni di Broadcom presuppongono che i clienti completino nei tempi previsti grandi programmi personalizzati. L'azienda deve trasformare gli incarichi di progettazione in acceleratori prodotti, sistemi di rete e ricavi riconosciuti.

Questo processo dipende da fornitori esterni. I chip AI avanzati richiedono processi produttivi all'avanguardia, memoria ad alta larghezza di banda, packaging complesso, substrati, componenti ottici e alimentazione per i data center.

Un ritardo in qualsiasi livello può spostare le tempistiche di deployment. Anche la concentrazione dei ricavi conta, perché i maggiori programmi personalizzati provengono da un gruppo ristretto di clienti.

I risultati del secondo trimestre fiscale di Broadcom forniscono prove della domanda attuale. Tuttavia, proiettare oltre 100 miliardi di dollari di vendite AI nell'esercizio fiscale 2027 richiede comunque una forte espansione rispetto agli attuali livelli trimestrali.

La previsione è una guidance del management, non un ricavo già realizzato. Gli investitori dovrebbero osservare le vendite riconosciute e le tempistiche delle spedizioni, invece di considerare l'obiettivo finale come garantito.

L'accordo tra AMD e Meta contiene un'incertezza simile. Il suo tetto di 6 gigawatt descrive la potenziale scala della partnership, mentre il primo gigawatt costituisce il test operativo nel breve termine.

Il warrant basato sulle prestazioni rafforza questa distinzione. Meta ottiene ulteriori benefici economici solo quando vengono soddisfatte condizioni relative a deployment, aspetti tecnici, risultati commerciali e prezzo delle azioni.

Questo meccanismo allinea gli incentivi, ma non elimina il rischio di esecuzione. AMD deve fornire sistemi basati su MI450, processori EPYC, networking e software ROCm che soddisfino i requisiti di Meta.

Anche il valore potenziale riportato dell'accordo non dovrebbe essere trattato come ricavo garantito. Gli acquisti finali dipendono dai progressi del deployment nell'arco di diversi anni e generazioni hardware.

Nvidia ha ragioni per difendere aggressivamente la propria posizione. Può ridurre i costi di inferenza attraverso nuove architetture, offrire networking integrato, approfondire l'ottimizzazione software e sfruttare la propria scala produttiva per accelerare le consegne.

I clienti affrontano inoltre costi di migrazione. Gli ingegneri formati su CUDA non diventano immediatamente altrettanto produttivi su un altro stack. Strumenti interni, pipeline di deployment e ottimizzazioni dei modelli possono legare le organizzazioni a una piattaforma consolidata.

I chip personalizzati creano un'altra forma di lock-in. Un hyperscaler che investe pesantemente in un partner di progettazione può trovare difficile spostare la stessa architettura altrove.

Broadcom può diventare essenziale per un cliente anche mentre quel cliente riduce la dipendenza da Nvidia. La diversificazione dei fornitori a un livello può quindi creare concentrazione a un altro.

Il quadro competitivo è inoltre più ampio di tre aziende. Amazon sviluppa acceleratori Trainium, Google gestisce Tensor Processing Units e Microsoft ha il proprio programma Maia. Marvell partecipa al silicio personalizzato, mentre diverse aziende specializzate in acceleratori puntano a carichi di lavoro specifici.

Queste alternative limitano l'accuratezza di una semplice narrazione Nvidia-contro-tutti. Gli acquirenti stanno costruendo flotte miste e ogni architettura compete per una categoria di lavoro.

La sfida lanciata da AMD e Broadcom è più forte dove i clienti dispongono di scala, profondità ingegneristica e domanda prevedibile. Le organizzazioni più piccole potrebbero continuare a preferire l'accesso cloud ai sistemi Nvidia, perché non possono giustificare lo sviluppo personalizzato o una complessa validazione della piattaforma.

Ciò significa che il comportamento d'acquisto degli hyperscaler non dovrebbe essere generalizzato all'intero mercato. Un design che funziona per Meta o OpenAI potrebbe non diventare un'alternativa ampiamente disponibile per le imprese.

Tre segnali mostreranno se la pressione è reale

La prossima fase dipende da sistemi consegnati, ricavi riconosciuti e migrazione dei carichi di lavoro, non dai valori degli impegni riportati nei titoli.

Il primo segnale è il deployment iniziale di AMD presso Meta. AMD prevede che le spedizioni a supporto del primo gigawatt inizino nella seconda metà del 2026.

I lettori dovrebbero osservare se Meta conferma l'uso in produzione, quali carichi di lavoro passano al sistema basato su MI450 e se i deployment avanzano oltre il primo traguardo del warrant. Una crescita puntuale rafforzerebbe l'affermazione di AMD di poter operare su scala hyperscale.

Un ritardo, un ambito di carico di lavoro limitato o un'espansione lenta indebolirebbero la conclusione competitiva. Suggerirebbero che i grandi clienti vedono ancora AMD soprattutto come leva negoziale o esperimento secondario.

Il secondo segnale è il fatturato trimestrale di Broadcom nei semiconduttori AI. L'azienda deve colmare il divario tra gli attuali trimestri da miliardi di dollari e la sua proiezione per l'esercizio fiscale 2027.

La crescita dei ricavi da sola non risponderà a tutte le domande. Gli investitori hanno inoltre bisogno di prove che diversi programmi di acceleratori personalizzati stiano entrando in produzione, anziché che un solo cliente stia guidando gran parte dell'aumento.

Un avvio produttivo diversificato convaliderebbe il modello di Broadcom. Previsioni mancate o ritardi nel deployment mostrerebbero quanto la strategia resti esposta ai calendari dei clienti e ai vincoli produttivi.

Il terzo segnale è la risposta di Nvidia all'economia dell'inferenza. Nvidia ha promesso costi per token inferiori attraverso sistemi più recenti, incluso Rubin, continuando al contempo a integrare calcolo e networking.

Se Nvidia ridurrà abbastanza rapidamente i costi di servizio, i clienti potrebbero ottenere minori benefici economici dall'hardware personalizzato. Gli ASIC supportati da Broadcom continuerebbero a garantire indipendenza strategica, ma il caso finanziario potrebbe restringersi.

Se i sistemi AMD e gli acceleratori personalizzati manterranno chiari vantaggi di efficienza su carichi di lavoro stabili, i clienti avranno ragioni più solide per suddividere i futuri deployment. Nvidia potrebbe continuare a crescere pur perdendo il suo status di scelta automatica per ogni grande cluster.

Per gli sviluppatori e gli acquirenti aziendali, l'implicazione immediata non è che un fornitore abbia vinto. È che le decisioni di deployment richiedono un'analisi più precisa dei carichi di lavoro.

I team dovrebbero distinguere tra addestramento sperimentale, servizi di inferenza in evoluzione e carichi di lavoro maturi ad alto volume. Ogni categoria attribuisce un valore diverso a programmabilità, maturità del software, personalizzazione, consumo energetico e diversità dei fornitori.

Dovrebbero inoltre conservare le evidenze alla base delle scelte infrastrutturali. Una base di conoscenza ingegneristica ricercabile può collegare risultati dei benchmark, esiti di compatibilità, rapporti sugli incidenti e impegni dei fornitori attraverso i cicli di valutazione.

Il titolo dei 100 miliardi di dollari coglie la portata della spesa per l'infrastruttura AI, ma comprime due sviluppi separati in un'unica affermazione. Broadcom ha previsto oltre 100 miliardi di dollari di vendite annuali di chip AI, mentre AMD ha ottenuto un quadro di accordo con Meta che, secondo quanto riportato, vale fino a tale importo.

La domanda più importante è se questi impegni produrranno sistemi funzionanti in grado di sostenere carichi di lavoro produttivi significativi. Osservate il primo gigawatt AMD di Meta, la conversione dei ricavi di Broadcom e la risposta di Nvidia ai costi di inferenza. Questi segnali riveleranno se la pressione di AMD e Broadcom sta cambiando il mercato o si sta semplicemente espandendo al suo fianco.