Nvidia è in testa, ma le strategie di AMD e Broadcom dividono il mercato dei chip per l’IA

Nvidia ha registrato 89 miliardi di dollari di ricavi trimestrali dai data center, nonostante le crescenti sfide poste dai prodotti AMD e Broadcom nel campo degli acceleratori, del networking e del silicio personalizzato. Il confronto non è più una semplice corsa tra fornitori di chip intercambiabili. Ciascuna azienda sta cercando di conquistare una posizione diversa all’interno del data center per l’IA.

Nvidia vende una piattaforma di calcolo strettamente integrata, costruita attorno a GPU, networking, sistemi e software CUDA. AMD sta realizzando l’alternativa più completa, combinando acceleratori Instinct, processori EPYC, sistemi a scala rack e il proprio stack software ROCm. Broadcom punta a un altro livello, progettando acceleratori personalizzati e fornendo tecnologie di networking per i grandi clienti cloud.

Questa divisione cambia il modo in cui gli investitori dovrebbero interpretare i risultati dei chip per l’IA nel 2026. Nvidia resta di gran lunga più grande nei ricavi dai data center, mentre AMD cresce partendo da una base inferiore. Broadcom offre un’esposizione concentrata ai chip personalizzati e al networking, ma la sua attività di software infrastrutturale modifica il suo profilo finanziario complessivo.

La domanda centrale, quindi, non è quale ticker sembri più legato all’intelligenza artificiale. È capire dove i clienti desiderano piattaforme standard, dove vogliono progetti personalizzati e quale fornitore cattura il valore economico di ciascuna scelta. I risultati recenti offrono prove più chiare, ma non risolvono questa competizione.

L’ultimo trimestre di Nvidia ha alzato l’asticella delle prestazioni

I risultati del secondo trimestre di Nvidia mostrano che gli sfidanti competono contro una piattaforma in espansione, non contro un incumbent immobile.

Nvidia ha riportato ricavi per 96,2 miliardi di dollari nel secondo trimestre fiscale conclusosi il 26 luglio 2026. Ciò rappresenta una crescita del 106 percento su base annua e un aumento sequenziale del 18 percento. I ricavi dai data center hanno raggiunto 89 miliardi di dollari, in crescita del 117 percento rispetto allo stesso periodo dell’anno precedente.

Questi dati provengono direttamente dai risultati trimestrali di Nvidia. Definiscono la scala che separa Nvidia da AMD e Broadcom, anche se le aziende riportano segmenti operativi e periodi fiscali diversi.

L’attività dei data center di Nvidia ha generato quasi otto volte i ricavi trimestrali complessivi di AMD. Ha inoltre superato i ricavi dai data center di AMD di oltre tredici volte. I ricavi riportati da Broadcom nei semiconduttori per l’IA erano superiori al segmento data center di AMD nel suo ultimo trimestre disponibile, ma restavano molto al di sotto del totale dei data center di Nvidia.

I confronti diretti richiedono cautela. La categoria data center di Nvidia include prodotti di calcolo e networking, mentre AMD riporta insieme CPU e acceleratori nel proprio segmento data center. Broadcom identifica ricavi da semiconduttori per l’IA che comprendono acceleratori personalizzati e networking per l’IA, anziché riportare un segmento data center comparabile.

Le categorie contabili rivelano comunque dove ciascun fornitore cattura valore. Nvidia raccoglie ricavi da acceleratori, interconnessioni, switch, sistemi e componenti di supporto. I suoi clienti acquistano sempre più spesso infrastrutture complete a scala rack anziché GPU isolate.

Un sistema a scala rack considera server, networking, raffreddamento e distribuzione dell’alimentazione come un’unica unità di calcolo coordinata. Questo approccio aumenta il valore dell’integrazione perché le prestazioni dipendono dalla comunicazione tra migliaia di acceleratori. Un singolo chip veloce non può compensare i colli di bottiglia presenti nell’intero cluster.

Il margine lordo trimestrale del 75 percento di Nvidia riflette inoltre la sua capacità di vendere questa architettura integrata con una redditività significativa. Il margine lordo misura i ricavi residui dopo i costi diretti di prodotto e produzione. Non include tutte le spese operative, ma offre una prospettiva utile sull’economia dei prodotti.

La crescita più recente dell’azienda non è stata limitata a una sola categoria di clienti. Nvidia ha dichiarato che provider cloud hyperscale, nuovi operatori cloud, clienti industriali e imprese hanno contribuito alla domanda. Questa ampiezza riduce la dipendenza da un unico canale di acquisto, anche se la spesa resta concentrata tra i grandi costruttori di infrastrutture.

Nvidia ha inoltre riportato ricavi fiscali 2026 pari a 215,9 miliardi di dollari, in aumento del 65 percento. Il suo documento annuale ha attribuito l’espansione principalmente al calcolo accelerato e all’IA. I ricavi annuali dai data center sono aumentati del 68 percento.

Questi risultati rendono Nvidia il punto di riferimento per qualsiasi analisi azionaria sui chip per l’IA. L’azienda non sta difendendo un vecchio prodotto mentre i rivali recuperano terreno. Sta utilizzando flusso di cassa attuale, relazioni con i clienti e adozione del software per finanziare ogni successiva transizione di piattaforma.

Eppure, la scala non elimina la pressione. Man mano che i carichi di lavoro dell’IA passano dall’addestramento all’inferenza continua, i clienti attribuiscono maggiore importanza ai costi operativi e alle prestazioni specializzate. L’inferenza è il processo di esecuzione di un modello addestrato per generare risposte, previsioni, immagini o azioni.

Questo cambiamento crea opportunità sia per AMD sia per Broadcom. AMD può offrire ai clienti un’altra piattaforma di acceleratori per uso generale. Broadcom può aiutare i maggiori acquirenti a progettare chip ottimizzati per carichi di lavoro e modelli di implementazione più circoscritti.

Il risultato è una struttura competitiva insolita. Nvidia guida il mercato complessivo delle piattaforme, ma i suoi sfidanti stanno attaccando parti diverse del bacino di profitti. Il loro successo non dovrebbe essere misurato esclusivamente attraverso un unico confronto di ricavi condiviso.

La crescita di AMD e Broadcom deriva da due strategie diverse

Lo slancio di AMD e Broadcom riflette due scelte distinte dei clienti: adottare una piattaforma commerciale alternativa o commissionare infrastrutture specializzate.

Un chip commerciale è un prodotto ampiamente disponibile venduto a più clienti. Nvidia e AMD competono principalmente tramite acceleratori commerciali, anche se i loro sistemi possono essere configurati per carichi di lavoro diversi. Gli acceleratori personalizzati di Broadcom sono progettati con specifici clienti hyperscale e non vengono venduti secondo lo stesso modello.

AMD ha riportato ricavi del secondo trimestre pari a 11,5 miliardi di dollari, in crescita del 50 percento rispetto a un anno prima. Il suo segmento data center ha prodotto 6,7 miliardi di dollari, con un aumento del 107 percento. Il reddito operativo del segmento ha raggiunto 2,1 miliardi di dollari, rispetto a una perdita nel periodo dell’anno precedente.

L’azienda ha attribuito tale aumento alla domanda di processori server EPYC e al continuo incremento della produzione di acceleratori Instinct. Secondo il comunicato del secondo trimestre di AMD, i prodotti per data center rappresentavano il 58 percento dei ricavi aziendali.

Questa composizione è importante perché AMD non dipende più soltanto da processori per PC o chip per console di gioco per crescere. I prodotti per data center sono diventati il suo principale motore strategico. Il segmento combina inoltre un’attività CPU matura con un business di acceleratori in sviluppo.

La sfida di AMD è trasformare le singole vittorie di prodotto in una piattaforma replicabile. Il suo progetto Helios a scala rack combina GPU Instinct, CPU EPYC, networking Pensando e software di supporto. ROCm, la piattaforma software aperta di AMD per il calcolo con GPU, offre agli sviluppatori strumenti per l’addestramento e l’inferenza al di fuori dell’ambiente CUDA di Nvidia.

Il software resta centrale perché gli sviluppatori costruiscono applicazioni attorno a librerie, compilatori, strumenti di debug e flussi di lavoro di implementazione. Sostituire una GPU può quindi richiedere più di un semplice cambio di hardware. I team devono testare il comportamento dei modelli, ottimizzare i kernel e formare nuovamente gli operatori su strumenti di gestione diversi.

AMD afferma che il software e i progetti rack più recenti riducono tale attrito. La sua ultima presentazione dei risultati identifica inoltre implementazioni che coinvolgono Anthropic e Microsoft. Questi annunci offrono una convalida da parte dei clienti, ma l’esecuzione dipenderà dai programmi di implementazione e da un utilizzo sostenuto.

Broadcom risponde a un diverso modello di domanda. L’azienda lavora con grandi operatori cloud che possono giustificare la progettazione di acceleratori personalizzati per carichi di lavoro interni. Questi chip sono spesso chiamati ASIC, ovvero circuiti integrati specifici per applicazione realizzati per compiti definiti.

Broadcom ha riportato 10,8 miliardi di dollari di ricavi da semiconduttori per l’IA nel secondo trimestre, in crescita del 143 percento su base annua. L’azienda ha dichiarato che acceleratori personalizzati e networking per l’IA hanno guidato il risultato. Ha previsto ricavi da semiconduttori per l’IA nel terzo trimestre pari a 16 miliardi di dollari, rappresentando una crescita superiore al 200 percento.

Questi dati provengono dai risultati fiscali del Q2 di Broadcom. Il suo trimestre fiscale si è concluso il 3 maggio, quindi il periodo non coincide con l’ultima finestra di rendicontazione di AMD o Nvidia.

L’approccio personalizzato di Broadcom diventa interessante quando un cliente gestisce modelli su scala enorme e prevedibile. Un progetto specializzato può eliminare funzionalità non necessarie, ottimizzare il movimento della memoria e migliorare le prestazioni per watt. Questi vantaggi possono ridurre i costi operativi su milioni di carichi di lavoro ripetuti.

Tuttavia, il silicio personalizzato richiede impegni rilevanti. I clienti necessitano di risorse ingegneristiche, ipotesi stabili sui carichi di lavoro, capacità produttiva e un volume di implementazione sufficiente a giustificare lo sviluppo. Questo rende l’opportunità di Broadcom concentrata in un piccolo gruppo di acquirenti hyperscale.

AMD serve clienti che cercano maggiore flessibilità. I suoi prodotti possono supportare modelli, framework e cambiamenti dei carichi di lavoro diversi senza richiedere un progetto di chip unico. Questa utilità più ampia può essere preziosa quando le architetture dei modelli continuano a cambiare rapidamente.

Il contrasto spiega perché AMD e Broadcom non dovrebbero essere considerate un’unica operazione anti-Nvidia. AMD deve indebolire il vantaggio di Nvidia nelle piattaforme commerciali. Broadcom trae vantaggio quando i principali clienti spostano carichi di lavoro selezionati dalle GPU per uso generale verso progetti interni.

Entrambi i percorsi possono crescere contemporaneamente. Un provider cloud può implementare cluster Nvidia per l’addestramento frontier, sistemi AMD per la competizione sui prezzi e acceleratori personalizzati per l’inferenza stabile. La decisione può variare tra modelli, regioni e servizi per i clienti.

Questo ambiente misto mette pressione su Nvidia senza richiedere ai clienti di abbandonarla. Significa inoltre che AMD non deve sostituire ogni installazione Nvidia per costruire un’attività più grande. Broadcom ha bisogno soltanto che clienti selezionati espandano programmi personalizzati in data center molto grandi.

La vera competizione riguarda il controllo della piattaforma

La divisione competitiva più importante riguarda chi controlla l’intera piattaforma di calcolo per l’IA, comprese le decisioni su software, networking e implementazione.

Il vantaggio di Nvidia inizia con CUDA, la sua piattaforma di programmazione per il calcolo accelerato da GPU. Anni di adozione da parte degli sviluppatori hanno prodotto librerie estese, modelli ottimizzati, risorse formative e conoscenze istituzionali. Questo ecosistema riduce il tempo necessario per portare un carico di lavoro IA dalla sperimentazione alla produzione.

CUDA sostiene inoltre una strategia hardware più ampia. Nvidia collega le GPU tramite NVLink e NVSwitch, connette i sistemi attraverso prodotti InfiniBand o Ethernet e fornisce architetture rack complete. I clienti possono acquistare un progetto coordinato con meno decisioni di integrazione.

Questa integrazione migliora la velocità di implementazione, ma può aumentare la dipendenza da un unico fornitore. I clienti che standardizzano modelli, networking e operazioni attorno a Nvidia affrontano costi di passaggio più elevati. Tali costi includono tempo ingegneristico, test delle prestazioni e rischio operativo.

AMD sta cercando di ridurre queste barriere al cambiamento attraverso ROCm e standard industriali aperti. L’azienda può inoltre combinare CPU e acceleratori all’interno di sistemi completi. La sua opportunità dipende dal rendere l’alternativa sufficientemente affidabile per i team di produzione, non semplicemente competitiva nei benchmark di laboratorio.

I benchmark misurano le prestazioni in condizioni controllate. I cluster di produzione devono anche gestire guasti, pianificazione, aggiornamenti software, spostamento dei dati, sicurezza e domanda imprevedibile. Gli acquirenti valutano quindi le prestazioni dell’intero sistema e lo sforzo operativo, anziché le sole specifiche di picco dei chip.

La posizione di AMD nelle CPU le offre un importante punto di ingresso. I clienti che già utilizzano processori EPYC hanno consolidato rapporti di approvvigionamento, validazione e ingegneria con l’azienda. AMD può sfruttare tali relazioni per introdurre gli acceleratori Instinct e i progetti su scala rack.

Tuttavia, il successo nelle CPU non genera automaticamente adozione delle GPU. I team AI scelgono gli acceleratori in base alla compatibilità con i modelli, alla velocità di addestramento, all’economia dell’inferenza e al supporto ingegneristico disponibile. AMD deve dimostrare risultati coerenti su tutti questi requisiti.

Broadcom affronta il controllo della piattaforma attraverso la rete e il processo di progettazione personalizzata. I grandi cluster AI necessitano di switch, connessioni ottiche, chip di interfaccia e interconnessioni ad alta velocità. Il networking determina l’efficienza con cui gli acceleratori scambiano dati durante il calcolo distribuito.

Uno scarso utilizzo della rete può lasciare chip costosi in attesa dei dati. Con la crescita delle dimensioni dei cluster, questo tempo sprecato diventa un problema finanziario. Broadcom può acquisire valore anche quando un’altra azienda fornisce l’acceleratore principale.

I progetti di acceleratori personalizzati rafforzano tale rapporto. Broadcom apporta proprietà intellettuale e competenze di progettazione, mentre il cliente cloud modella l’architettura attorno ai propri carichi di lavoro. Questa struttura offre all’acquirente maggiore controllo sulla roadmap hardware.

Sposta però anche il rischio verso il cliente. L’architettura di un modello può cambiare tra la progettazione del chip e l’implementazione su larga scala. Una funzionalità specializzata che appariva preziosa in fase di pianificazione può diventare meno utile con l’emergere di nuovi metodi di inferenza.

Nvidia risponde a questa incertezza con cicli di piattaforma più rapidi e programmabilità generale. I clienti possono riutilizzare le GPU quando i carichi di lavoro cambiano. Il compromesso è che la flessibilità general-purpose può comportare costi di acquisizione o operativi più elevati rispetto a un progetto personalizzato riuscito.

È questo il meccanismo che sta plasmando il mercato del 2026. Nvidia vende integrazione e flessibilità, AMD vende un’alternativa sempre più completa e Broadcom abilita la specializzazione. Le loro opportunità indirizzabili si sovrappongono, ma non sono identiche.

La sfida AMD-Broadcom si rafforza quando i clienti privilegiano il potere negoziale. Supportare più fornitori può ridurre la dipendenza da Nvidia e creare più opzioni di negoziazione. Può anche proteggere la capacità quando la domanda supera l’output di qualsiasi singolo fornitore.

L’approvvigionamento da più fonti comporta costi propri. I team di ingegneria devono mantenere ambienti software, sistemi di osservabilità e profili prestazionali differenti. I risparmi negli acquisti possono svanire se la complessità operativa cresce troppo rapidamente.

Le imprese affrontano un calcolo particolarmente difficile. Raramente operano alla scala necessaria per chip personalizzati e molte non dispongono di team dedicati all’ottimizzazione degli acceleratori. Potrebbero preferire servizi cloud che nascondono la scelta dell’hardware sottostante.

I provider cloud possono quindi decidere quale acceleratore assegnare a ciascun carico di lavoro. Questa posizione rafforza l’argomento a favore dei chip personalizzati, poiché gli utenti finali potrebbero non interagire mai direttamente con l’hardware. Consente inoltre ai provider di introdurre capacità AMD senza chiedere a ogni cliente di gestire sistemi fisici.

Nvidia ha risposto estendendo la propria piattaforma più in alto nello stack software e nei servizi. Se gli utenti scelgono framework e strumenti di deployment compatibili con Nvidia, l’azienda può preservare la propria influenza anche quando l’infrastruttura diventa più distribuita. Ciò rende l’adozione del software un segnale competitivo accanto alle spedizioni di chip.

Cosa non dimostrano i dati sui ricavi

Una crescita rapida conferma una forte domanda di infrastrutture AI, ma non stabilisce quale architettura offrirà i migliori rendimenti nel lungo periodo.

Il trimestre da 89 miliardi di dollari di Nvidia nel data center dimostra una scala attuale senza eguali. La crescita del 107% del segmento AMD mostra che un’alternativa più piccola può espandersi rapidamente. La crescita del 143% di Broadcom nei semiconduttori AI mostra una domanda in aumento per acceleratori personalizzati e networking.

Queste percentuali non sono direttamente comparabili. La crescita di AMD parte da una base molto più piccola, mentre la categoria di Broadcom copre un mix di prodotti differente. La rendicontazione data center di Nvidia include componenti che vanno oltre le vendite di acceleratori.

I calendari fiscali introducono un’ulteriore complicazione. L’ultimo trimestre riportato da Broadcom si è chiuso all’inizio di maggio, quello di AMD a fine giugno e quello di Nvidia a fine luglio. Domanda, avvii di prodotto e tempistiche di spedizione possono cambiare sostanzialmente nel corso di questi mesi.

Gli investitori devono inoltre separare la crescita dei ricavi dalla qualità economica. Margine lordo, spese operative, concentrazione dei clienti, impegni produttivi e capitale circolante incidono tutti sui rendimenti. Una linea di prodotti in rapida espansione può comunque generare un’economia di cassa più debole del previsto.

Nvidia ha riportato un margine lordo del 75% nell’ultimo trimestre. AMD ha riportato un margine lordo aziendale GAAP del 54% e un margine operativo data center del 31%. Broadcom ha riportato risultati consolidati tra semiconduttori e software per infrastrutture, limitando un semplice confronto a livello di prodotto.

La concentrazione dei clienti merita particolare attenzione. Le maggiori aziende cloud rappresentano una quota sostanziale della spesa per infrastrutture AI. Le loro decisioni di acquisto possono spostare miliardi di dollari tra fornitori nell’arco di pochi cicli di implementazione.

L’attività personalizzata di Broadcom è legata in modo particolare a un numero limitato di clienti molto grandi. Vincere un ulteriore programma può cambiare rapidamente le sue prospettive di crescita. Un ritardo, una riprogettazione o un’implementazione ridotta possono avere l’effetto opposto.

Nvidia affronta il rischio di concentrazione nonostante una base clienti più ampia. Gli hyperscaler acquistano grandi volumi dei suoi sistemi e molti stanno contemporaneamente sviluppando chip interni. Nvidia beneficia della loro spesa attuale mentre compete con i loro sforzi di lungo termine per ridurre la dipendenza.

AMD deve gestire il rischio di esecuzione durante un rapido avvio di prodotto. Le implementazioni annunciate non diventano immediatamente ricavi e la capacità installata non garantisce un elevato utilizzo. I clienti devono trasferire carichi di lavoro reali in produzione sui sistemi Instinct.

Il software rimane un’altra lacuna da verificare. AMD ha migliorato ROCm e ampliato il supporto ai framework, ma la base installata di sviluppatori Nvidia rimane ampia. Le prove più rilevanti verranno da implementazioni ripetute e da un uso più esteso in produzione, non da dichiarazioni isolate sulle prestazioni.

I controlli sulle esportazioni aggiungono incertezza per l’intero gruppo. I governi possono limitare la vendita di acceleratori avanzati, larghezza di banda della memoria o sistemi completi a mercati specifici. Queste regole possono imporre modifiche ai prodotti e generare svalutazioni delle scorte.

Il confronto con l’anno precedente di AMD illustra questo problema. I risultati data center del secondo trimestre 2025 includevano un onere di 800 milioni di dollari legato alle restrizioni sui prodotti MI308. L’assenza di tale onere ha migliorato il confronto del 2026.

Nvidia ha affrontato limiti analoghi per prodotti destinati alla Cina. Le sue comunicazioni regolamentari avvertono che ulteriori restrizioni possono incidere su ricavi, impegni di fornitura e posizione competitiva. I fornitori locali possono cogliere un’opportunità quando i prodotti americani diventano indisponibili.

La disponibilità di energia rappresenta un vincolo più fisico. Prima che le spedizioni di acceleratori possano generare capacità di calcolo utile, i cluster AI richiedono elettricità, sistemi di raffreddamento, terreni e connessioni alla rete. Ritardi nella costruzione possono rinviare gli ordini o lasciare sottoutilizzate le apparecchiature installate.

L’ultima comunicazione regolamentare di Nvidia identifica terreni, energia, capitale e strutture data center completate come requisiti importanti. L’azienda ha inoltre stipulato accordi a sostegno di grandi sviluppi infrastrutturali. Tali impegni mostrano quanto la concorrenza si sia estesa oltre la progettazione dei chip.

La spesa in conto capitale può diventare un altro punto di pressione. I provider cloud si aspettano attualmente che i servizi AI giustifichino la continua espansione dell’infrastruttura. Se i ricavi di tali servizi deludono, i clienti possono rinviare nuovi cluster pur mantenendo strategie AI di lungo termine.

Esiste inoltre un rischio di sovraccapacità in specifiche generazioni hardware. Cicli di prodotto rapidi possono ridurre la vita economica utile degli acceleratori. Gli acquirenti possono sospendere gli acquisti prima di un lancio importante o reindirizzare i budget verso sistemi più recenti.

I progetti personalizzati affrontano rischi temporali simili. Un ASIC costruito per una generazione di modelli può perdere vantaggi di efficienza se i carichi di lavoro cambiano. Broadcom e i suoi clienti devono bilanciare la specializzazione con il ritmo dello sviluppo algoritmico.

Nessuno di questi rischi smentisce la domanda attuale. Mostrano perché lo slancio dei ricavi non dovrebbe essere trasformato in esiti di mercato garantiti. Le prove supportano più fornitori in crescita, non una divisione già definita dei profitti futuri.

Per i lettori che confrontano titoli di chip AI, anche la valutazione conta, sebbene questa analisi eviti i prezzi di mercato temporanei. Un’azienda forte può produrre rendimenti d’investimento deboli quando le aspettative incorporano già una crescita eccezionale. Un concorrente più piccolo può deludere se l’esecuzione non raggiunge una previsione ottimistica.

Questo articolo non classifica quindi Nvidia, AMD o Broadcom come investimenti. I loro risultati evidenziano combinazioni differenti di scala, opzionalità, concentrazione e rischio di esecuzione. Tali combinazioni devono essere valutate rispetto alle comunicazioni attuali, alle esigenze di portafoglio e ai limiti di rischio individuali.

Tre segnali metteranno alla prova la tesi sui chip AI del 2026

Le prossime prove dovrebbero arrivare dalla capacità di Broadcom di rispettare le previsioni, dall’accelerazione delle implementazioni AMD e dalla capacità di Nvidia di sostenere l’economia della piattaforma.

Il primo segnale è il rapporto del terzo trimestre fiscale di Broadcom. Il management ha previsto 16 miliardi di dollari di ricavi dai semiconduttori AI, con una crescita annua superiore al 200%. Raggiungere tale previsione rafforzerebbe l’ipotesi che gli acceleratori personalizzati stiano entrando in implementazioni produttive più ampie.

La composizione della crescita di Broadcom conterà quanto il totale. Gli investitori dovrebbero distinguere i ricavi degli acceleratori dalla domanda di networking e identificare se l’aumento sia trainato da clienti consolidati o da nuovi programmi. Una partecipazione più ampia dei clienti ridurrebbe le preoccupazioni sulla concentrazione.

Un risultato inferiore alle attese non invaliderebbe il silicio personalizzato. Suggerirebbe che le tempistiche dei progetti, gli avvii produttivi o i calendari di implementazione dei clienti restano meno prevedibili di quanto indichi la previsione principale. Potrebbe anche ritardare il previsto spostamento verso infrastrutture di inferenza specializzate.

Il secondo segnale è l’accelerazione data center di AMD nella seconda metà dell’anno. AMD prevede vendite più forti con la crescita delle implementazioni Instinct e l’avvio della rampa di Helios. Le prove più utili saranno ricavi di segmento sostenuti, reddito operativo e ulteriori clienti in produzione.

Gli impegni nominativi offrono una mappa iniziale, ma gli ordini ripetuti costituiscono una convalida più forte. Clienti che si espandono dopo le prime implementazioni indicherebbero che software, affidabilità ed economia dei carichi di lavoro soddisfano i requisiti di produzione. Un’attività successiva più lenta rivelerebbe attriti di piattaforma ancora presenti.

AMD deve inoltre dimostrare che la crescita degli acceleratori integra il franchise EPYC. I ricavi del segmento data center possono aumentare grazie alle CPU anche quando l’adozione delle GPU si sviluppa più lentamente. Le future comunicazioni dovrebbero aiutare i lettori a separare questi contributi, quando possibile.

Il terzo segnale è il margine lordo di Nvidia e la crescita sequenziale del data center. La sua scala attuale è già evidente. La questione irrisolta è se rapide transizioni di sistema, impegni di fornitura, concorrenza e finanziamento delle infrastrutture indeboliscano l’economia alla base di tale scala.

Margini stabili sosterrebbero l’affermazione di Nvidia secondo cui una piattaforma integrata mantiene vantaggi di prezzo e di prodotto. Una crescita sequenziale continua dimostrerebbe che i chip personalizzati e le alternative commerciali stanno ampliando il mercato più di quanto stiano sostituendo Nvidia.

La riduzione dei margini richiede un’interpretazione. Un calo moderato può accompagnare il lancio di complessi sistemi rack-scale e continuare a sostenere profitti rilevanti. Un calo prolungato insieme a una crescita più lenta suggerirebbe una maggiore pressione sui prezzi o costi di consegna più elevati.

I dati sul networking collegheranno tutti e tre i segnali. Broadcom beneficia quando i cluster richiedono maggiore connettività, indipendentemente dall’acceleratore che guadagna quote. Nvidia beneficia quando i clienti scelgono il suo stack di networking integrato, mentre AMD necessita di partner capaci e del proprio portafoglio Pensando.

L’adozione del software offrirà una verifica più lenta ma altrettanto importante. Gli sviluppatori non cambiano piattaforma in base a una singola release trimestrale. Rispondono ad affidabilità, capacità accessibile, supporto dei modelli, documentazione e risparmi operativi misurabili.

Osservate dove i nuovi modelli ricevono ottimizzazioni di prima classe. Nvidia continua a beneficiare quando gli sviluppatori puntano prima su CUDA. AMD guadagna quando i principali framework e fornitori di modelli trattano il deployment su ROCm come un percorso standard per la produzione.

I menu dei servizi cloud offrono un altro indicatore visibile. Istanze AMD disponibili più diffusamente migliorerebbero l’accesso per sviluppatori e imprese. L’espansione dei servizi basati su chip personalizzati dimostrerebbe che gli hyperscaler si sentono sicuri nell’esporre infrastrutture specializzate a clienti esterni.

Questi segnali dovrebbero essere valutati insieme. Broadcom può superare le proprie previsioni senza indebolire AMD se la domanda complessiva continua a crescere. AMD può guadagnare quote mentre Nvidia continua a crescere in termini assoluti di dollari.

Il mercato non richiede un vincitore e due perdenti. Richiede che gli investitori identifichino quale livello dell’infrastruttura AI catturi valore durevole dopo l’attuale ondata di costruzione. I prossimi cicli di risultati offriranno prove migliori rispetto ad affermazioni generiche su un mercato dell’elaborazione senza limiti.

La decisione sui chip AI sta diventando un portafoglio di architetture

Il mercato dei chip AI del 2026 si sta dividendo in base al carico di lavoro, alla scala del cliente e al livello di controllo desiderato, anziché convergere su un unico processore universale.

Nvidia entra in questa fase con la più ampia piattaforma installata, i più elevati ricavi dichiarati nel data center e un vasto ambiente software. Il suo ultimo trimestre mostra che la domanda resta forte anche mentre i clienti sviluppano alternative.

AMD offre la più chiara sfida commerciale su larga scala. I suoi ricavi nel data center sono più che raddoppiati e il suo portafoglio ora comprende CPU, acceleratori, networking, sistemi e software. Il prossimo compito è trasformare i deployment annunciati in domanda di produzione ricorrente.

Broadcom offre agli hyperscaler un’altra strada. Gli acceleratori personalizzati possono migliorare l’economia dei carichi di lavoro prevedibili, mentre i prodotti di networking catturano valore attraverso diverse architetture di calcolo. Questa opportunità comporta rischi legati alla concentrazione dei clienti e ai cicli di progettazione.

Il confronto tra AMD e Broadcom rivela quindi più di due sfidanti all’inseguimento di Nvidia. Espone due metodi per allentare il controllo di Nvidia sulla piattaforma. Uno costruisce un’alternativa flessibile, mentre l’altro aiuta i principali acquirenti a possedere una parte maggiore della propria roadmap hardware.

Per gli sviluppatori, questa competizione può ampliare l’accesso agli acceleratori e incoraggiare una migliore compatibilità software. Può anche creare più ambienti da testare e mantenere. La portabilità conterà di più man mano che i team distribuiranno modelli su cloud e tipi di hardware diversi.

Gli acquirenti enterprise dovrebbero concentrarsi sull’economia dei carichi di lavoro e sul supporto operativo. Un costo hardware inferiore significa poco se la migrazione software ritarda il deployment o crea problemi di affidabilità. Al contrario, la familiarità con una piattaforma non dovrebbe impedire di testare alternative credibili.

Gli investitori dovrebbero monitorare deployment verificati, concentrazione dei clienti, margini e impegni di cassa insieme ai ricavi AI riportati nei titoli. Dovrebbero inoltre distinguere un ciclo di prodotti commerciali da un ciclo di progettazione personalizzata. Lo stesso tasso di crescita trimestrale può comportare rischi molto diversi.

Nessun singolo report sugli utili determina l’esito. La scala di Nvidia, l’alternativa in espansione di AMD e la strategia personalizzata di Broadcom possono coesistere durante un ciclo infrastrutturale in crescita. La prova più difficile inizia quando i clienti richiedono rendimenti misurabili da ogni cluster aggiuntivo.

Quali prove cambierebbero la vostra opinione nel prossimo trimestre: Broadcom che raggiunge le proprie previsioni sui chip personalizzati, AMD che ottiene deployment Instinct ripetuti, o Nvidia che mantiene i propri margini su scala maggiore? Seguite questi segnali operativi prima di affidarvi a una semplice narrativa in cui il vincitore prende tutto. Offrono un quadro più chiaro per valutare l’esposizione a Nvidia e AMD Broadcom mentre il mercato dell’infrastruttura AI si divide tra piattaforme integrate, alternative commerciali e silicio specializzato.