Le previsioni di vendita dei chip Nvidia raddoppiano sulla crescita dell'IA, con la sicurezza come banco di prova
Il CEO di Nvidia Jensen Huang prevede che l'azienda venderà il doppio dei chip il prossimo anno, una previsione insolitamente aggressiva legata agli investimenti mondiali nell'IA. Le previsioni di vendita dei chip Nvidia indicano una domanda nel 2027 ben oltre un normale ciclo di aggiornamento hardware.
Huang ha lanciato questo messaggio il 17 settembre durante un incontro sull'IA ospitato da Re Carlo III a Dumfries House, in Scozia. Ha inoltre sostenuto che gli sviluppatori debbano testare a fondo i sistemi di IA e non rilasciare prodotti che non siano sufficientemente sicuri.
Queste affermazioni creano una tensione immediata. Nvidia trae vantaggio quando aziende e governi implementano maggiore capacità di calcolo, mentre uno sviluppo più sicuro può richiedere rilasci più lenti e più test. La sfida centrale, quindi, non è Nvidia contro un singolo produttore di chip. È la promessa di espansione dell'azienda contro i limiti operativi della fornitura, dei budget dei clienti e di un'implementazione responsabile.
Le previsioni di vendita dei chip Nvidia puntano a raddoppiare i volumi
La previsione di Huang riguarda il volume di chip, non una promessa che i ricavi totali di Nvidia raddoppieranno.
Parlando con i giornalisti in Scozia, Huang ha detto di aspettarsi che Nvidia venda il doppio dei chip il prossimo anno rispetto a quest'anno. Ha collegato questa previsione al contributo dell'IA nei vari settori e nelle economie nazionali.
La formulazione è importante. Nvidia vende più di un tipo di processore e i suoi prodotti raggiungono i clienti tramite schede, sistemi, installazioni cloud e piattaforme informatiche complete. Un raddoppio dei chip non si traduce automaticamente in ricavi doppi.
Il mix di prodotti può modificare il calcolo. Un numero maggiore di processori a prezzo inferiore può aumentare il volume unitario senza produrre un incremento percentuale equivalente delle vendite. Anche una transizione tra generazioni hardware può influire sui prezzi medi di vendita e sulle configurazioni dei sistemi.
Nvidia non ha fornito pubblicamente una base dettagliata di unità insieme al commento di Huang del 17 settembre. Ciò impedisce agli osservatori esterni di convertire “il doppio” in un totale di spedizioni affidabile.
La previsione si inserisce comunque nelle più ampie prospettive finanziarie di Nvidia. Durante il ciclo di risultati di agosto, l'azienda ha previsto una crescita dei ricavi di circa il 70% per l'esercizio fiscale che si chiude a gennaio 2028, secondo quanto riportato sui suoi ultimi risultati trimestrali.
Queste prospettive sui ricavi sono inferiori alla previsione principale sulle unità. La differenza rafforza il motivo per cui i lettori non dovrebbero considerare il numero di chip e i ricavi come misure intercambiabili.
Nvidia ha registrato ricavi trimestrali pari a 96,2 miliardi di dollari per il periodo conclusosi il 26 luglio 2026. La sua attività Compute and Networking ha generato 88,3 miliardi di dollari, riflettendo il ruolo centrale dell'infrastruttura per data center nei risultati dell'azienda.
La previsione va inoltre oltre le unità di elaborazione grafica, o GPU, che eseguono molti calcoli in parallelo. Nvidia vende oggi CPU, hardware di rete, interconnessioni e sistemi integrati su scala rack insieme ai suoi acceleratori.
La sua trascrizione ufficiale della conference call sui risultati ha descritto la domanda proveniente da hyperscaler, laboratori di IA, specialisti cloud, imprese e programmi nazionali di calcolo. Il management prevedeva inoltre che i ricavi delle CPU nell'esercizio fiscale 2028 sarebbero più che raddoppiati.
Questa ampiezza di portafoglio rende plausibile il linguaggio di Huang senza renderlo preciso. “Chip” può includere componenti, prezzi, carichi di lavoro e gruppi di clienti diversi.
La tempistica conferisce ulteriore peso alla dichiarazione. Nvidia sta accompagnando i clienti attraverso successive generazioni di piattaforme, mentre il calcolo per l'IA si espande dall'addestramento dei modelli all'inferenza.
L'inferenza è il processo di esecuzione di un modello addestrato per generare una risposta, una previsione, un'immagine o un'azione. Può creare una domanda continua perché ogni richiesta dell'utente consuma capacità di calcolo.
La domanda per l'addestramento arriva attraverso grandi progetti infrastrutturali concentrati. L'inferenza può diffondersi tra servizi per consumatori, software aziendale, robotica, sistemi scientifici e piattaforme nazionali. Nvidia scommette che entrambi i carichi di lavoro cresceranno insieme.
L'azienda presenta quindi il 2027 come un anno di produzione su vasta scala, non semplicemente un altro periodo di forti vendite. Le previsioni di vendita dei chip Nvidia presuppongono che le implementazioni dell'IA si moltiplicheranno sia tra le aziende cloud consolidate sia tra nuovi acquirenti.
Questa ipotesi è il fondamento della storia. Ed è anche il punto in cui la previsione affronta il suo primo serio banco di prova.
La domanda di IA sta diventando un impegno della catena di fornitura
Vendere il doppio dei volumi richiede che fabbriche, memoria, packaging, rete, energia e finanziamento dei clienti si espandano insieme.
Nvidia progetta i propri processori, ma fa affidamento su un'ampia rete produttiva per trasformare tali progetti in sistemi consegnabili. Questa rete comprende la fabbricazione di semiconduttori, il packaging avanzato, la memoria ad alta larghezza di banda, l'assemblaggio dei server, le apparecchiature di raffreddamento e i componenti di rete.
Un componente mancante può ritardare un intero rack. Ciò rende la crescita delle spedizioni dipendente da una capacità coordinata, non solo dalla progettazione dei chip.
Le recenti prospettive di Nvidia hanno già riconosciuto che la disponibilità dell'offerta può limitare la crescita riportata. Secondo quanto riferito, le previsioni dei clienti suggerivano una domanda più vicina a un raddoppio, mentre l'azienda ha indicato una crescita annuale dei ricavi di circa il 70%.
Questo divario rappresenta la più chiara pressione operativa per l'azienda. Nvidia deve trasformare ordini e piani dei clienti in infrastrutture prodotte, installate e accettate.
La sfida cresce man mano che il prodotto diventa più complesso. I clienti dell'IA moderna acquistano sempre più sistemi interconnessi anziché processori isolati. Ogni installazione può richiedere reti specializzate, raffreddamento a liquido, distribuzione dell'energia, integrazione software e spazio adeguato nel data center.
Un acceleratore fermo in magazzino non crea capacità utile per l'IA. Deve operare all'interno di un sistema funzionante con memoria, accesso ai dati e sufficiente potenza elettrica.
I provider cloud offrono prove visibili dell'espansione pianificata. Nvidia e Amazon hanno annunciato che AWS intende implementare altri due milioni di GPU Nvidia nel corso del 2027 e del 2028.
Il piano di implementazione AWS copre i processori Blackwell Ultra, Rubin e Rubin Ultra. Include inoltre CPU, networking, modelli e supporto per carichi di lavoro di IA agentica e fisica.
Si tratta di un annuncio aziendale, non di un totale di implementazioni verificato in modo indipendente. Tuttavia, illustra la portata e la natura pluriennale degli impegni alla base della previsione di Huang.
Le grandi aziende cloud possono riservare capacità con anni di anticipo perché gestiscono data center globali e servono molti clienti. La domanda più difficile riguarda il mercato al di fuori di questo piccolo gruppo.
I programmi nazionali di IA rappresentano una possibile fonte. I governi considerano sempre più la capacità di calcolo interna come un'infrastruttura legata alla competitività economica, alla ricerca e alla sicurezza.
Le imprese rappresentano un'altra fonte. Le aziende possono usare l'IA per lo sviluppo software, l'assistenza clienti, l'elaborazione dei documenti, la progettazione industriale, le simulazioni e l'analisi. Tuttavia, un esperimento aziendale non sempre diventa un'implementazione di produzione su larga scala.
I clienti hanno bisogno di un utilizzo sufficiente per giustificare infrastrutture costose. Hanno inoltre bisogno di modelli e applicazioni che creino valore aziendale misurabile dopo i costi di calcolo, energia, personale e dati.
Questo rende l'utilizzo più importante del volume degli annunci. Un provider può installare molti processori mentre i clienti li utilizzano in modo discontinuo o chiedono sconti.
Il finanziamento crea un altro vincolo. I data center richiedono investimenti di lunga durata, mentre l'hardware per l'IA si sviluppa con una rapida cadenza di prodotto. Gli acquirenti devono decidere se implementare subito o attendere un sistema più nuovo ed efficiente.
Questo problema di tempistica può produrre ordini irregolari. I clienti possono accelerare gli acquisti prima di una transizione, sospenderli durante l'installazione o spostare la spesa verso una generazione successiva.
La previsione di Nvidia presuppone che queste pause non sopraffaranno la crescita più ampia. Presuppone inoltre che i nuovi carichi di lavoro assorbiranno la capacità che entrerà in funzione.
L'azienda ha motivi di fiducia. La domanda di inferenza può crescere con l'utilizzo e modelli più capaci spesso incoraggiano gli sviluppatori a creare applicazioni che consumano risorse di calcolo aggiuntive.
Tuttavia, la domanda non può essere misurata solo attraverso la complessità dei modelli. La diminuzione dei costi di calcolo può ridurre i ricavi per attività anche mentre il numero di attività cresce.
Per questo le previsioni di vendita dei chip Nvidia dovrebbero essere lette come una tesi infrastrutturale. Huang sostiene che l'espansione dell'uso supererà i miglioramenti di efficienza e sosterrà un volume hardware doppio.
Questa tesi mette sotto pressione allo stesso tempo fornitori, utility, provider cloud e acquirenti aziendali. Ciascuno deve espandersi affinché l'obiettivo di Nvidia diventi vendite consegnate anziché interesse non soddisfatto.
I chip personalizzati mettono sotto pressione il vantaggio di piattaforma di Nvidia
La concorrenza più forte di Nvidia proviene dai clienti che vogliono ridurre la loro dipendenza dai sistemi Nvidia per uso generale.
Amazon, Google, Microsoft e altri grandi operatori di infrastrutture hanno investito in processori personalizzati. Questi chip possono essere destinati a carichi di lavoro specifici, migliorare il controllo sull'offerta o ridurre i costi operativi su scala enorme.
AMD continua a competere negli acceleratori per data center, mentre Intel e startup specializzate puntano a segmenti dello stesso mercato del calcolo. Huawei sta inoltre sviluppando hardware per l'IA e cluster di calcolo più grandi per la Cina.
Huawei ha presentato nuovi sistemi il 17 settembre, mentre la Cina perseguiva una maggiore autosufficienza nei semiconduttori sotto le restrizioni alle esportazioni. Il suo ultimo cluster di IA ricorda che il mercato indirizzabile di Nvidia è plasmato dalla geopolitica tanto quanto dalle prestazioni dei prodotti.
La questione competitiva va oltre la velocità nei benchmark. I clienti valutano il costo di esecuzione dei modelli, la disponibilità del software, la rete, l'affidabilità, il consumo energetico e i tempi di implementazione.
La difesa di Nvidia è la sua piattaforma completa. CUDA, il suo ambiente software per programmare i processori Nvidia, offre agli sviluppatori un insieme maturo di librerie e strumenti. Il networking e l'integrazione a livello di rack estendono questo vantaggio oltre la GPU.
Un acquirente che sostituisce un acceleratore deve considerare se software, modelli e operazioni possano essere trasferiti in modo efficiente. I costi di migrazione possono quindi preservare la posizione di Nvidia anche quando un altro processore offre un prezzo d'acquisto inferiore.
Nvidia si sta inoltre adattando alla tendenza dei chip personalizzati anziché opporvisi completamente. La sua strategia NVLink Fusion consente ai partner di collegare processori personalizzati con parti dell'architettura Nvidia su scala rack.
L'approccio può preservare il ruolo di Nvidia nel networking e nell'infrastruttura di sistema anche quando un cliente utilizza silicio di calcolo non Nvidia. Trasforma la personalizzazione in un'opportunità di piattaforma, pur riconoscendo che i clienti desiderano alternative.
Questo crea una sfida sottile per la storia della domanda di chip Nvidia nel 2027. Più infrastruttura per l'IA non garantisce che Nvidia conquisti la stessa quota di ogni installazione.
I grandi clienti dispongono sia delle risorse sia dell'incentivo per diversificare. Possono usare Nvidia per l'addestramento di frontiera, indirizzando al contempo carichi di lavoro di inferenza prevedibili verso processori interni.
Un acceleratore personalizzato non deve superare Nvidia in ogni attività. Deve solo offrire prestazioni sufficienti per un carico di lavoro ad alto volume che il suo proprietario conosce bene.
Questa pressione aumenta man mano che l’inferenza rappresenta una quota maggiore della spesa per l’AI. I carichi di lavoro produttivi e ripetitivi possono essere più facili da ottimizzare rispetto alle attività di ricerca in rapida evoluzione.
La risposta di Nvidia è vendere un sistema ampio i cui componenti migliorano insieme. L’azienda sostiene che la co-progettazione di processori, rete, memoria e software produca una migliore economia complessiva.
Questa proposta deve essere misurata a livello di carico di lavoro. Gli acquirenti si interessano all’output utile per dollaro e per watt, non soltanto alla velocità di un singolo chip.
Il confronto cambia anche tra i gruppi di clienti. Un hyperscaler può finanziare un programma interno di chip e gestire software personalizzato. Un provider cloud più piccolo o un’azienda potrebbe preferire una piattaforma supportata che riduca il lavoro di integrazione.
La previsione di Huang dipende in parte dalla crescita di questo secondo gruppo. Nvidia afferma che le organizzazioni oltre gli hyperscaler vogliono infrastrutture AI, ma hanno scarso interesse nel progettare processori propri.
Questi clienti possono ampliare il mercato di Nvidia riducendone al contempo la dipendenza da pochi grandi acquirenti. Possono anche acquistare più lentamente, perché dispongono di minori competenze infrastrutturali e di modelli di utilizzo meno certi.
I controlli sulle esportazioni creano un altro confine competitivo. Nvidia non può considerare ogni Paese come un unico mercato privo di restrizioni, e i governi possono modificare quali processori raggiungono determinati clienti.
Le restrizioni possono limitare le vendite dirette incoraggiando al contempo alternative locali. Nel tempo, queste alternative possono sviluppare software propri, relazioni di fornitura e basi di clienti installate.
Nvidia segnala restrizioni commerciali, capacità produttiva, concorrenza e transizioni di prodotto tra i propri rischi aziendali. Le sue relazioni annuali chiariscono che la sola domanda non determina i ricavi.
Il principale avversario resta la capacità di Nvidia di mantenere le proprie promesse nell’esecuzione, non Nvidia contro un singolo rivale. La concorrenza conta perché offre ai clienti alternative quando forniture, costi o politiche ostacolano quell’esecuzione.
Un raddoppio delle unità indicherebbe che Nvidia ha mantenuto una posizione centrale nonostante queste alternative. Qualsiasi risultato sensibilmente più debole solleverebbe interrogativi su limiti di fornitura, tempistiche della domanda o perdita di quote.
La posizione di Jensen Huang sulla sicurezza dell’AI respinge una pausa estesa a tutto il settore
Huang sostiene i test e il blocco dei prodotti non sicuri, ma respinge un rallentamento coordinato come principale meccanismo di sicurezza.
L’incontro in Scozia ha affiancato la previsione di vendita alle chip a un dibattito sempre più intenso sui rischi dell’AI. Re Carlo ha chiesto ai leader tecnologici di considerare salvaguardie, cooperazione internazionale e i principi che guidano lo sviluppo.
Hanno partecipato rappresentanti di Google DeepMind, OpenAI, Anthropic, Nvidia e del governo britannico. L’evento ha seguito nuovi avvertimenti secondo cui sistemi sempre più capaci possono agire in modo inatteso o eludere la supervisione.
La risposta di Huang ha posto l’accento sulla disciplina ingegneristica. Ha affermato che le aziende dovrebbero testare i prodotti con attenzione e continuare il lavoro ingegneristico quando un sistema non è sufficientemente sicuro.
“Quando un prodotto non è abbastanza sicuro, dovremmo trattenerlo e continuare a lavorarci dal punto di vista ingegneristico”, ha dichiarato Huang, secondo la copertura del vertice scozzese sull’AI.
Questa affermazione appare prudente, ma non sostiene un segnale di arresto comune per l’intero settore. Huang ha sostenuto che i singoli sviluppatori dovrebbero gestire le decisioni di rilascio invece di accettare una pausa generalizzata.
Il CEO di Anthropic, Dario Amodei, ha assunto una posizione diversa. Ha discusso di azioni coordinate tra aziende e Paesi se i rischi raggiungessero un livello tale da richiedere uno sviluppo più lento.
Il disaccordo non è tra sicurezza e assenza di sicurezza. Riguarda chi decide quando i sistemi sono abbastanza sicuri, quali prove sostengono tale giudizio e se i concorrenti dovrebbero rallentare insieme.
I test a livello aziendale possono rispondere rapidamente e basarsi su conoscenze tecniche dirette. Tuttavia, la pressione commerciale può anche influenzare il momento in cui un’azienda giudica un prodotto pronto.
Un approccio coordinato può ridurre il timore che uno sviluppatore prudente perda terreno a favore di un rivale più veloce. Tuttavia, il coordinamento diventa difficile tra Paesi, aziende, modelli aperti e definizioni differenti di rischio inaccettabile.
Nvidia occupa una posizione distintiva in questo dibattito. Fornisce infrastrutture di calcolo a sviluppatori di modelli e provider cloud in concorrenza tra loro.
Uno sviluppo più rapido dei modelli può aumentare la domanda di sistemi Nvidia. Test di sicurezza più estesi possono inoltre consumare capacità di calcolo, poiché le valutazioni richiedono che i modelli vengano eseguiti in numerosi scenari.
Ciò significa che il lavoro sulla sicurezza non riduce necessariamente la domanda di chip. Può creare nuovi carichi di lavoro relativi a valutazione, monitoraggio, cybersicurezza, simulazioni e controllo dei modelli.
Il conflitto emerge quando una preoccupazione per la sicurezza ritarda un rilascio o modifica il calendario degli investimenti di un cliente. L’obiettivo di crescita di Nvidia presuppone che tali interruzioni non producano un calo coordinato della spesa in infrastrutture.
L’approccio di Huang considera la sicurezza principalmente come un processo ingegneristico. Secondo questa visione, gli sviluppatori testano, identificano i problemi, migliorano il sistema e lo rilasciano quando giudicano accettabile il rischio residuo.
Il problema irrisolto è la verifica. Gli osservatori esterni spesso non possono ispezionare dati di addestramento privati, valutazioni interne, rapporti sugli incidenti o discussioni sui rilasci.
La garanzia di uno sviluppatore secondo cui i test sono stati rigorosi resta quindi un’affermazione aziendale finché regolatori, ricercatori indipendenti o prove documentate non possono esaminarla.
I sistemi AI cambiano anche dopo il rilascio. Gli sviluppatori aggiornano i modelli, li collegano a strumenti e li integrano in prodotti in grado di compiere azioni. Un risultato sicuro in una valutazione controllata potrebbe non prevedere ogni implementazione reale.
L’AI agentica rende questa sfida più acuta. Il termine descrive sistemi in grado di pianificare ed eseguire attività in più fasi, talvolta utilizzando software o comunicando con altri servizi.
Un agente può produrre un valore economico maggiore rispetto a una risposta di chatbot. Può anche causare danni maggiori se compie un’azione non autorizzata o interpreta erroneamente il proprio obiettivo.
Lo standard “trattenerlo” di Huang è quindi solo il punto di partenza. Il settore necessita ancora di soglie misurabili, divulgazione degli incidenti, test indipendenti e chiare responsabilità dopo l’implementazione.
La previsione delle vendite di chip Nvidia alza la posta in gioco, perché il doppio dell’hardware può supportare molta più attività AI distribuita. La capacità amplia sia le applicazioni utili sia la superficie esposta a possibili guasti.
Nvidia non controlla ogni modello eseguito sui suoi sistemi. Tuttavia, la sua posizione pubblica influenza il dibattito politico perché si colloca nel livello infrastrutturale alla base di gran parte del mercato.
Il test di credibilità sarà la coerenza. L’argomento di Huang sulla sicurezza diventa più forte quando le aziende ritardano i prodotti nonostante i costi commerciali, comunicano i problemi e sostengono valutazioni esterne alle proprie organizzazioni.
Diventa più debole se “buona ingegneria” rimane un’espressione indefinita che consente a ogni sviluppatore di approvare il proprio lavoro. L’onere è particolarmente elevato in un periodo di crescita aggressiva della capacità.
Tre segnali metteranno alla prova la previsione per il 2027
Le spedizioni, l’utilizzo da parte dei clienti e le decisioni di sicurezza documentate mostreranno se la previsione di Huang descrive una domanda durevole o un tetto ottimistico.
Il primo segnale è l’aumento produttivo dichiarato da Nvidia e il mix dei ricavi. Gli investitori dovrebbero confrontare il linguaggio incentrato sulle unità con i dati effettivi relativi a data center, rete, CPU e grafica.
Un aumento diffuso in queste categorie sosterrebbe la previsione delle vendite di chip Nvidia. Una crescita concentrata in un solo prodotto o distorta da una transizione richiederebbe un’interpretazione più prudente.
Anche il margine lordo e le scorte meritano attenzione. Spedizioni robuste accompagnate da prezzi più deboli o da scorte in aumento non avrebbero lo stesso significato di vendite redditizie destinate a implementazioni attive.
Il secondo segnale è l’utilizzo dei clienti dopo l’installazione. Le aziende cloud possono annunciare grandi piani hardware, ma il consumo sostenuto determina se ordineranno la successiva ondata.
Cercate prove che inferenza aziendale, sistemi agentici, calcolo scientifico, robotica e programmi nazionali stiano utilizzando questa capacità. La spesa in conto capitale dei clienti senza una corrispondente crescita dei carichi di lavoro indebolirebbe la tesi di Huang sulla domanda.
Qui contano le azioni degli sviluppatori di chip personalizzati. Se gli hyperscaler indirizzano una quota maggiore del lavoro di produzione verso processori interni, Nvidia può comunque crescere pur catturando una porzione più piccola del mercato in espansione.
Al contrario, grandi implementazioni Nvidia successive suggerirebbero che il silicio personalizzato resta complementare anziché un sostituto generalizzato. Ciò rafforzerebbe il caso della domanda di chip Nvidia nel 2027 attraverso successive generazioni di prodotto.
Il terzo segnale è se gli sviluppatori rinviano effettivamente i rilasci non sicuri. Huang ha fissato in Scozia un chiaro standard comportamentale, pur senza definire una soglia universale.
Un ritardo documentato, una valutazione indipendente ampliata o una risposta trasparente agli incidenti darebbero a questo standard un significato pratico. Incidenti ripetuti senza comunicazioni o modifiche al calendario lo indebolirebbero.
Le decisioni politiche possono influenzare tutti e tre i segnali. I controlli sulle esportazioni possono limitare i mercati accessibili, mentre i requisiti di sicurezza possono modificare i calendari di implementazione e i costi delle valutazioni.
Le approvazioni energetiche e dei data center possono inoltre determinare quanto rapidamente i sistemi acquistati diventino utilizzabili. La domanda di hardware non elimina i vincoli fisici che circondano un’installazione AI.
I lettori dovrebbero evitare di trattare la previsione come un unico numero di successo o fallimento. Nvidia non ha fornito abbastanza dettagli pubblici sulle unità per quel calcolo.
La previsione dovrebbe invece essere verificata come una catena. I clienti devono effettuare ordini, i fornitori devono costruire i sistemi, gli operatori devono installarli e i carichi di lavoro devono utilizzarli in modo economicamente sostenibile.
Ogni collegamento influenza il successivo. Un collo di bottiglia nella memoria, nel packaging, nell’energia, nella rete o nel finanziamento può impedire che la domanda si trasformi in vendite rilevate.
La concorrenza aggiunge un altro ramo. Un carico di lavoro può crescere rapidamente mentre si sposta verso un acceleratore personalizzato o un fornitore regionale.
La sicurezza introduce la condizione finale. Una maggiore capacità di calcolo deve sostenere prodotti che utenti, aziende e governi restano disposti a implementare.
Ecco perché questa non è una normale previsione rialzista sui semiconduttori. Huang abbina un obiettivo di espansione eccezionale a uno standard di sicurezza che può richiedere moderazione.
Le due posizioni sono compatibili soltanto se i test crescono di pari passo con l’implementazione. Le aziende non possono valutare i volumi di domani usando i processi di ieri.
I team di ingegneria avranno bisogno di registri più solidi delle modifiche ai modelli, dei risultati delle valutazioni, degli incidenti e delle decisioni di rilascio. Una base di conoscenza ricercabile può aiutare i team a preservare queste prove tra documenti tecnici e revisioni.
Per gli acquirenti, il compito immediato è distinguere la capacità disponibile dalla capacità utile. Chiedete quali carichi di lavoro giustificano nuove infrastrutture, come si confrontano le alternative e quale utilizzo sosterrà un altro acquisto.
Per gli sviluppatori, la domanda è se i criteri di rilascio siano misurabili prima che arrivi la pressione commerciale. “Trattenerlo” conta solo quando un team può identificare la condizione che attiva quella decisione.
Per Nvidia, i prossimi trimestri dovranno collegare l’ambizione all’esecuzione. L’azienda ha bisogno di più del doppio dei chip in uscita dalle fabbriche. Ha bisogno che i clienti li installino, li utilizzino e li riordinino senza minare la fiducia nei sistemi che tali chip rendono possibili.
La previsione delle vendite di chip Nvidia apparirà più solida se le spedizioni si amplieranno, l’utilizzo resterà elevato e gli sviluppatori comunicheranno decisioni di sicurezza credibili. Quale di questi tre segnali comparirà per primo nei prodotti e nelle infrastrutture utilizzati dalla vostra organizzazione?
