Il trimestre da 96,2 miliardi di dollari di Nvidia rivela il vero vincolo dell'infrastruttura AI
Nvidia ha riportato ricavi trimestrali per 96,2 miliardi di dollari, offrendo ai lettori di Google News un altro record e mettendo al tempo stesso in luce un problema più difficile: la domanda ora supera l'infrastruttura disponibile.
Il risultato riguarda il secondo trimestre dell'anno fiscale 2027 di Nvidia, conclusosi il 26 luglio 2026. I calendari fiscali spiegano perché alcune testate lo descrivano come il Q2 2026. I ricavi sono aumentati del 18% su base trimestrale e del 106% rispetto all'anno precedente.
Tuttavia, il punto centrale non è semplicemente che Nvidia abbia venduto più chip. L'azienda afferma che i vincoli di offerta hanno impedito una crescita ancora più rapida, mentre le sue relazioni di finanziamento sollevano interrogativi su chi finanzi in ultima analisi la domanda di AI. AMD e gli sviluppatori di silicio personalizzato devono ancora confrontarsi con la scala di Nvidia, ma Nvidia affronta ora un avversario diverso: la qualità della domanda rispetto ai limiti infrastrutturali.
Nvidia ha trasformato il ciclo di investimenti nell'AI in ricavi più rapidamente di quanto i cloud provider abbiano trasformato quella spesa in rendimenti dimostrati. Questo squilibrio spiega sia l'entusiasmo sia lo scetticismo attorno a questi risultati.
Il titolo su Google News nasconde un cambiamento più ampio nei ricavi
Il trimestre di Nvidia mostra che la spesa per l'infrastruttura AI è passata da un budget sperimentale a un importante impegno operativo.
I risultati trimestrali dell'azienda hanno riportato ricavi pari precisamente a 96,221 miliardi di dollari. Il dato si confronta con gli 81,615 miliardi del trimestre precedente e i 46,743 miliardi di un anno prima.
I ricavi del Data Center hanno raggiunto 89,023 miliardi di dollari, ovvero oltre il 92% dei ricavi totali. Sono aumentati del 18% su base trimestrale e del 117% su base annua. Queste cifre rendono il business dei data center il fatto centrale dietro la performance di Nvidia.
L'utile operativo GAAP ha raggiunto 63,734 miliardi di dollari, in aumento del 124% rispetto all'anno precedente. L'utile netto GAAP è salito del 126% a 59,688 miliardi di dollari. L'utile diluito per azione ha raggiunto 2,46 dollari, rispetto a 1,08 dollari un anno prima.
La cifra dei ricavi ha inoltre superato il consenso degli analisti di 92,27 miliardi di dollari citato dall'Associated Press. L'utile rettificato ha raggiunto 2,22 dollari per azione, sopra la stima di consenso di 2,09 dollari.
Questi numeri spiegano perché la storia abbia rapidamente dominato i risultati di Google News. Tuttavia, la portata del superamento delle attese conta meno della sua composizione. Nvidia non ha fatto affidamento su gaming, sistemi automobilistici o computer consumer per produrre questa crescita.
La sua piattaforma Data Center include processori, apparecchiature di rete, sistemi di calcolo completi e infrastrutture correlate. I clienti usano questi sistemi per addestrare modelli ed eseguire inferenza, ossia il processo di produrre risposte da modelli addestrati.
Blackwell Ultra ha fornito il principale motore di crescita. Nvidia ha identificato l'espansione del prodotto come il principale fattore dell'aumento annuale di Compute and Networking.
L'azienda ha inoltre riportato 48,710 miliardi di dollari dai clienti hyperscale. Altri 40,313 miliardi di dollari sono arrivati da cloud AI, clienti industriali e imprese. Edge Computing ha generato 7,198 miliardi di dollari.
Queste categorie suggeriscono una domanda più ampia di un semplice ciclo di spesa dei cloud provider. Tuttavia, non rivelano ogni cliente finale dietro ciascun acquisto. Aziende cloud, produttori di server e integratori di sistemi possono collocarsi tra Nvidia e l'organizzazione che utilizza i suoi processori.
Nvidia ha restituito agli azionisti circa 26 miliardi di dollari tramite riacquisti e dividendi nel trimestre. Le restavano comunque circa 99 miliardi di dollari nell'ambito della sua autorizzazione al riacquisto.
Questa restituzione di capitale distingue Nvidia da molti partecipanti che finanziano la costruzione dell'AI. I cloud provider devono spendere pesantemente in strutture prima di ricavarne rendimenti. Nvidia incassa i ricavi quando quelle aziende acquistano i suoi sistemi.
Ne risulta una posizione insolita. Nvidia beneficia della costruzione dell'infrastruttura mantenendo al contempo una generazione di cassa sufficiente a restituire capitale. I suoi clienti sostengono una quota maggiore del rischio di implementazione e utilizzo.
Questa differenza trasforma un record di utili in una prova per l'intero settore. La domanda successiva è se i clienti possano continuare a convertire la capacità di calcolo acquistata in ricavi sostenibili.
La domanda di infrastruttura AI mette sotto pressione ogni acquirente
La crescita di Nvidia costringe cloud provider, sviluppatori di modelli e imprese a decidere quanta capacità servirà loro prima che l'offerta diventi disponibile.
Amazon, Microsoft, Alphabet, Meta, Oracle e aziende specializzate nel cloud AI competono per processori, apparecchiature di rete, memoria, elettricità e capacità costruttiva. Un ritardo in qualsiasi componente può posticipare l'implementazione di un intero data center.
Nvidia descrive i data center completi come fabbriche AI perché trasformano elettricità e dati in output computazionale. Il termine sottolinea anche il ruolo in espansione di Nvidia oltre i singoli processori grafici.
Un moderno cluster AI richiede server, interconnessioni, switch di rete, apparecchiature di raffreddamento, storage e software. La memoria ad alta larghezza di banda, o HBM, sposta rapidamente i dati tra memoria e processori. Un'offerta limitata di HBM può restringere l'output del sistema anche quando i clienti possono permettersi più chip.
Nvidia ha dichiarato che la sua piattaforma Vera Rubin era entrata in piena produzione. L'azienda ha indicato CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure e Nebius tra i partner che eseguono sistemi correlati.
Questa transizione è importante perché i clienti non acquistano architetture in isolamento. Pianificano le strutture in base alle date di consegna previste, ai requisiti elettrici, ai progetti di raffreddamento e alle configurazioni di rete.
Un processore in ritardo può lasciare sottoutilizzata altra infrastruttura. Una consegna accelerata può creare pressione per completare prima le strutture. Gli acquirenti devono quindi impegnare capitale molto prima di poter misurare la domanda applicativa risultante.
L'amministratore delegato Jensen Huang ha sintetizzato questo cambiamento affermando: “Ora, il calcolo è ricavo.” La dichiarazione racchiude la tesi di Nvidia, ma identifica anche l'incertezza centrale.
Il calcolo diventa ricavo per Nvidia quando un cliente acquista infrastruttura. Diventa ricavo per un cloud provider solo quando gli utenti affittano quella capacità. Diventa un investimento produttivo per un'impresa solo quando le applicazioni implementate creano valore misurabile.
Queste transizioni avvengono in momenti diversi. I risultati trimestrali di Nvidia registrano la prima transizione, non l'intera catena economica.
La pressione si estende oltre le maggiori aziende tecnologiche. I governi stanno finanziando programmi di AI sovrana, che collocano modelli e infrastruttura sotto controllo nazionale o regionale. Anche le imprese vogliono capacità privata per dati regolamentati e carichi di lavoro specializzati.
Questa base clienti più ampia può rendere la domanda più duratura. Può anche rendere l'implementazione più difficile perché gli acquirenti più piccoli non dispongono dei team di ingegneria disponibili presso i principali cloud provider.
Gli sviluppatori dovrebbero interessarsene perché le decisioni infrastrutturali influenzano i prezzi dei modelli, i limiti di capacità, la latenza e la disponibilità dei prodotti. Gli acquirenti aziendali affrontano questioni correlate riguardo alla dipendenza dai fornitori e ai futuri costi di calcolo.
I knowledge worker ne sperimentano il risultato attraverso le applicazioni che utilizzano. Cluster più grandi possono supportare modelli più capaci, contesti più lunghi e un'inferenza più rapida. Tuttavia, questi vantaggi contano solo quando le applicazioni risolvono problemi di lavoro reali.
Le organizzazioni che valutano strumenti AI dovrebbero misurare l'output utile anziché il numero di processori. Una base di conoscenza AI ricercabile crea valore attraverso la qualità del recupero delle informazioni e l'adozione, non soltanto attraverso la dimensione dell'infrastruttura.
Il trimestre di Nvidia alza l'asticella per ogni acquirente. La spesa non è più limitata dalla fiducia nel fornitore hardware. È sempre più limitata da strutture, energia, memoria e piani credibili per utilizzare la capacità risultante.
La qualità della domanda è ora il vero avversario di Nvidia
Nvidia non combatte più principalmente per dimostrare che gli acceleratori contano; deve dimostrare che la domanda dei clienti resta economicamente indipendente e duratura.
AMD, le tensor processing units di Google, Trainium di Amazon e altri processori personalizzati esercitano ancora pressione competitiva. I loro clienti cercano costi inferiori, più opzioni di fornitura o un'integrazione più stretta con particolari servizi cloud.
Tuttavia, queste alternative non hanno impedito a Nvidia di più che raddoppiare i ricavi trimestrali. Restano concorrenti secondari, non la principale sfida rivelata da questo rapporto sugli utili.
La prova più profonda riguarda la qualità della domanda. Nvidia vende infrastruttura a cloud provider e aziende AI investendo al contempo in parti dello stesso mercato. Può anche aiutare i clienti a organizzare il finanziamento per grandi implementazioni.
Queste relazioni non rendono automaticamente circolari i ricavi riportati. Una transazione valida può coinvolgere clienti indipendenti, contratti esecutivi e asset produttivi. Tuttavia, la struttura merita attenzione quando i fornitori finanziano acquirenti che acquistano i loro prodotti.
Axios ha riferito che Nvidia ha difeso i piani per un sostegno creditizio selettivo che copre quasi due gigawatt di capacità di calcolo. La direttrice finanziaria Colette Kress ha riconosciuto che i critici avrebbero descritto alcuni accordi come finanziamenti circolari.
La preoccupazione è semplice. Se Nvidia investe in uno sviluppatore di modelli, e quello sviluppatore paga un cloud provider, il cloud provider può usare quei proventi per acquistare sistemi Nvidia. I ricavi compaiono per Nvidia prima che lo sviluppatore di modelli abbia necessariamente costruito un'attività autosufficiente.
Questa sequenza può comunque produrre un mercato sano. Le prime industrie delle telecomunicazioni, del cloud computing e dei semiconduttori hanno tutte richiesto sostegno di capitale prima che l'utilizzo maturasse. Il finanziamento può accelerare progetti che in seguito generano domanda indipendente.
Il rischio emerge quando il finanziamento maschera un'economia debole. Se i clienti dipendono da investimenti continui per pagare le bollette infrastrutturali, la domanda attuale può sovrastimare la futura capacità di acquisto.
Le stesse comunicazioni di Nvidia rivelano un altro problema di concentrazione. Un cliente diretto ha rappresentato il 16% dei ricavi trimestrali. Tre clienti diretti hanno rappresentato il 16%, il 15% e il 13% dei ricavi del primo semestre.
Un cliente diretto può essere un distributore, un produttore di server, un cloud provider, uno sviluppatore di modelli o un integratore di sistemi. Pertanto, la concentrazione dei clienti diretti non corrisponde perfettamente alla concentrazione degli utenti finali.
L'azienda stima inoltre che un'attività di ricerca e implementazione AI abbia contribuito a una quota significativa dei ricavi tramite acquisti cloud. Questa relazione è rilevante perché il consumo cloud può creare domanda indiretta di apparecchiature Nvidia.
Queste informazioni non dimostrano che i ricavi siano privi di sostanza. Nvidia ha incassato i ricavi, prodotto margini eccezionali e generato un utile operativo significativo. Le cifre sono inoltre state sottoposte ai controlli di rendicontazione associati a una comunicazione pubblica.
Mostrano però perché gli investitori abbiano bisogno di qualcosa in più di un totale record. La salute del mercato dipende dal fatto che il consumo dei carichi di lavoro cresca insieme alla capacità installata.
Misure utili includono ore di acceleratore occupate, volumi di inferenza, utilizzo del cloud, ricavi delle applicazioni e fidelizzazione dei clienti. La maggior parte di queste misure resta meno visibile delle spedizioni di chip.
I titoli di Google News possono cogliere la crescita trimestrale, ma non l'intera catena di dipendenza economica. La prossima fase della costruzione dell'AI richiede prove che le applicazioni sostengano gli impegni infrastrutturali senza assistenza continua da parte dei fornitori.
Cosa i numeri di Nvidia non dimostrano ancora
I risultati dimostrano che Nvidia può monetizzare la domanda di infrastruttura, ma non dimostrano che ogni cliente possa ottenere un rendimento accettabile.
Nvidia ha riportato un margine lordo GAAP del 75%, in aumento rispetto al 72,4% di un anno prima. Secondo la dichiarazione regolamentare della società, il mix di prodotti Blackwell Ultra ha contribuito a questo miglioramento.
Un margine elevato indica un forte potere di prezzo e una solida economia di prodotto per Nvidia. Dice molto meno sull’economia sperimentata dagli operatori cloud o dagli sviluppatori di applicazioni.
Le aziende cloud devono sostenere i costi di edifici, elettricità, raffreddamento, networking, manutenzione e ammortamento dei processori. Devono inoltre disporre di carichi di lavoro paganti sufficienti a mantenere occupati sistemi costosi.
Gli sviluppatori di modelli affrontano costi di addestramento prima di acquisire clienti. Le spese di inferenza continuano ogni volta che gli utenti interagiscono con un modello. I servizi gratuiti possono aumentare l’utilizzo senza generare ricavi corrispondenti.
Gli acquirenti aziendali affrontano una sfida diversa. Possono acquistare l’accesso a modelli avanzati, ma faticare a riprogettare i flussi di lavoro, proteggere i dati o misurare il risparmio di tempo.
La dichiarazione regolamentare di Nvidia identifica vincoli di fornitura, concentrazione dei clienti, restrizioni all’export e impegni sulle scorte tra i rischi aziendali. Non si tratta di avvertenze astratte.
Nel trimestre, la società ha registrato 985 milioni di dollari in accantonamenti per scorte e obblighi di acquisto in eccesso. Le vendite di scorte precedentemente accantonate e le transazioni concluse hanno rilasciato 177 milioni di dollari di accantonamenti precedenti.
L’effetto netto ha ridotto il margine lordo trimestrale di 0,8 punti percentuali. Ciò illustra la difficoltà di prevedere la domanda durante il passaggio tra generazioni di prodotti.
Anche le spese operative sono aumentate del 55% su base annua, raggiungendo 8,408 miliardi di dollari. La spesa per ricerca e sviluppo ha raggiunto 7,054 miliardi di dollari, in crescita del 64%.
Nvidia ha affermato che l’aumento delle spese per l’infrastruttura di calcolo ha contribuito a questa crescita. La società affronta quindi parte della stessa pressione sulla capacità che colpisce i suoi clienti, pur godendo di rendimenti finanziari migliori.
La Cina resta un’altra variabile irrisolta. I ricavi associati a clienti con sede in Cina, inclusa Hong Kong, hanno raggiunto 7,880 miliardi di dollari nel trimestre.
Questa classificazione geografica riflette la sede centrale del cliente, non necessariamente la destinazione finale della spedizione o l’utente finale. Non dovrebbe essere interpretata come una misura completa della domanda legata alla Cina.
Nvidia ha escluso i ricavi del calcolo Data Center dalla Cina nella preparazione delle previsioni per il trimestre successivo. I controlli sulle esportazioni e le restrizioni sui prodotti possono modificare i mercati disponibili, i piani di magazzino e le dinamiche competitive.
Le previsioni di ricavi della società per il terzo trimestre fiscale sono di circa 108 miliardi di dollari, con una variazione positiva o negativa del 2%. Le prospettive sul margine lordo sono del 74%, con una variazione positiva o negativa di mezzo punto percentuale.
Questa guidance implica un altro forte incremento sequenziale. Suggerisce inoltre una modesta pressione sui margini nonostante l’attesa espansione dei ricavi.
La scarsità di memoria offre una possibile spiegazione. Gli acceleratori AI dipendono da memorie specializzate e un’offerta limitata può aumentare i costi dei componenti. Nvidia può compensare parte degli aumenti attraverso prezzi e mix di prodotti, ma non senza limiti.
La disponibilità di energia crea un vincolo più duraturo. I chip possono uscire dalle fabbriche più rapidamente di quanto le utility possano approvare la trasmissione, costruire sottostazioni o collegare nuovi data center.
Anche i tempi di costruzione creano disallineamenti simili. Un cliente può ordinare sistemi oggi e attendere mesi per una struttura utilizzabile. La domanda di apparecchiature riportata può quindi superare la capacità di calcolo effettivamente implementata.
L’ipotesi più scettica non richiede di prevedere un crollo dell’AI. Richiede solo di riconoscere che ricavi, capacità installata, utilizzo e valore per l’utente finale sono misure separate.
I risultati della società convalidano la prima misura. I trimestri successivi dovranno fornire prove più solide per le altre tre.
Blackwell Ultra Spiega il Meccanismo di Crescita
Il vantaggio di Nvidia deriva dalla vendita di una piattaforma di calcolo integrata mentre il carico di lavoro AI cresce più rapidamente di quanto l’infrastruttura possa essere realizzata.
Blackwell Ultra non è semplicemente un processore grafico più veloce. Nvidia vende vassoi di calcolo, componenti di networking, librerie software e progetti completi di rack costruiti attorno all’architettura.
Questo approccio a livello di sistema riduce il lavoro di integrazione per i clienti. Aumenta inoltre la quota di Nvidia in ogni progetto di data center.
CUDA, l’ambiente software di Nvidia per programmare i suoi processori, rafforza questa posizione. Gli sviluppatori hanno trascorso anni a costruire strumenti, modelli e codice ottimizzato attorno a questo ambiente.
I chip alternativi possono offrire prestazioni competitive per carichi di lavoro selezionati. Tuttavia, i clienti devono considerare anche il lavoro di migrazione, la compatibilità software, la disponibilità di sviluppatori e il rischio operativo.
Il business di networking di Nvidia è importante per la stessa ragione. L’addestramento di modelli di grandi dimensioni richiede a molti processori di scambiare dati rapidamente. Una connessione lenta può lasciare costose unità di calcolo in attesa di informazioni.
Fornendo insieme processori e networking, Nvidia può ottimizzare l’intero cluster. Questa integrazione può migliorare le prestazioni rendendo al contempo più difficile la sostituzione da parte di un singolo concorrente.
Blackwell Ultra è arrivato anche durante un cambiamento nei carichi di lavoro AI. Il mercato si è espanso oltre l’addestramento di pochi grandi modelli fondativi.
La domanda di inferenza ora comprende agenti di coding, sistemi di ricerca, generazione di immagini, assistenti aziendali, strumenti scientifici e AI fisica. L’AI fisica applica il machine learning a robot, veicoli e altri sistemi che operano nell’ambiente fisico.
Anche i modelli di ragionamento consumano più calcolo durante l’uso. Possono generare e valutare più passaggi intermedi prima di restituire una risposta.
Questo comportamento collega la domanda di infrastruttura all’attività degli utenti più strettamente rispetto alle esecuzioni una tantum di addestramento. Più query possono richiedere più processori, memoria, networking ed elettricità.
L’affermazione di Nvidia secondo cui i token sono produttivi e redditizi si basa su questo cambiamento. Un token è una piccola unità di testo elaborata o generata da un modello linguistico.
La società ne beneficia indipendentemente dal fatto che l’applicazione finale generi un profitto, purché i clienti continuino ad acquistare sistemi di calcolo. Tuttavia, applicazioni redditizie renderebbero quel ciclo di acquisto più sostenibile.
Il trimestre offre alcune prove di ampiezza. I ricavi hyperscale hanno superato i 48 miliardi di dollari, mentre altri clienti data center hanno generato oltre 40 miliardi di dollari. I ricavi edge hanno aggiunto altri 7,2 miliardi di dollari.
Tuttavia, le classificazioni delle piattaforme sono cambiate nel periodo. Nvidia ha spostato una società dalla categoria AI cloud e enterprise a quella hyperscale e ha riformulato i risultati precedenti.
Questo cambiamento contabile non invalida il totale. Rende però meno immediati i confronti tra categorie per i lettori che seguono l’azienda attraverso i riepiloghi di google news.
Il meccanismo di Nvidia funziona perché controlla contemporaneamente diversi livelli scarsi. I clienti necessitano di processori accelerati, accesso rapido alla memoria, networking, software e competenze di implementazione.
I concorrenti possono esercitare pressione su singoli livelli. AMD può sfidare le prestazioni degli acceleratori. Google e Amazon possono indirizzare i clienti verso chip progettati internamente. I fornitori di networking possono competere per la spesa in interconnessione.
La minaccia più ampia sarebbe un cambiamento nell’economia dei carichi di lavoro. Algoritmi migliori, modelli più piccoli o un utilizzo più efficiente dei chip possono ridurre la domanda di calcolo per attività.
L’efficienza non riduce sempre la domanda totale. Un calcolo meno costoso può espandere l’uso a sufficienza da aumentare il consumo totale di infrastruttura, uno schema noto come effetto rimbalzo.
I risultati di Nvidia suggeriscono che l’espansione dell’utilizzo supera attualmente i guadagni di efficienza. La tenuta di questo equilibrio resta una delle questioni più importanti nell’infrastruttura AI.
Tre Segnali Metteranno alla Prova la Storia dei 96,2 Miliardi di Dollari
Il prossimo trimestre dovrebbe essere valutato in base alla realizzazione dei ricavi, all’utilizzo indipendente e al finanziamento dei clienti, in quest’ordine.
Il primo segnale è il fatturato di Nvidia nel terzo trimestre fiscale. La società prevede circa 108 miliardi di dollari, con un intervallo del 2% in entrambe le direzioni.
Raggiungere tale obiettivo senza ricavi dal calcolo Data Center in Cina rafforzerebbe la tesi di una crescita limitata dall’offerta. Dimostrerebbe che la domanda altrove può assorbire un altro sostanziale aumento delle spedizioni.
Un mancato raggiungimento legato a strutture ritardate o carenze di componenti non indicherebbe necessariamente una domanda debole di applicazioni. Un mancato raggiungimento causato da ordini cancellati o da un minore consumo cloud avrebbe un significato diverso.
Il margine lordo dovrebbe essere letto accanto ai ricavi. Un avvicinamento alle previsioni del 74% potrebbe riflettere costi della memoria, mix di prodotti o il costo dell’espansione dell’offerta.
Il secondo segnale è l’utilizzo tra i fornitori cloud e gli sviluppatori AI. Gli investitori hanno bisogno di prove che i processori installati sostengano carichi di lavoro in crescita, invece di restare in attesa di una domanda prevista.
I ricavi cloud attribuiti ai servizi AI possono essere utili, sebbene i fornitori raramente divulghino dati dettagliati sull’utilizzo degli acceleratori. Ordini arretrati, obbligazioni di prestazione residue e commenti del management offrono ulteriori indizi.
Conta anche il comportamento delle applicazioni. L’adozione aziendale a pagamento, il volume di inferenza, la fidelizzazione e la spesa degli sviluppatori possono indicare se l’infrastruttura sostiene un’attività clienti duratura.
La reazione ai risultati ha riflesso fiducia nel fatto che la domanda restasse forte. Le aspettative degli analisti aumenteranno dopo questo risultato superiore alle attese, rendendo le prove sui carichi di lavoro più importanti di un altro record isolato.
Il terzo segnale è la struttura del supporto di Nvidia ai clienti. Qualsiasi nuovo investimento, miglioramento del credito, garanzia o sostegno ai data center dovrebbe essere valutato accanto agli ordini di apparecchiature risultanti.
Il finanziamento non è automaticamente una prova di domanda artificiale. Le domande chiave riguardano le fonti di rimborso, i ricavi indipendenti dei clienti, l’allocazione del rischio e la tempistica delle transazioni.
Ulteriori informazioni rafforzerebbero l’argomentazione di Nvidia secondo cui sta accelerando progetti validi. Una crescente dipendenza da clienti finanziati dal fornitore indebolirebbe la qualità del segnale di domanda.
La concentrazione dei clienti merita attenzione costante nell’ambito di questo terzo test. Un acquirente diretto ha rappresentato il 16% dell’ultimo trimestre, mentre un’attività AI non nominata ha contribuito a una domanda indiretta significativa.
Una base clienti più ampia ridurrebbe la dipendenza da pochi progetti ad alta intensità di capitale. Una maggiore concentrazione potrebbe restare finanziariamente interessante aumentando però la volatilità.
Le risposte dei concorrenti forniscono un utile contesto di supporto. I lanci di prodotti AMD e i processori personalizzati dei fornitori cloud possono mettere alla prova i vantaggi di Nvidia in termini di prezzi e software.
Tuttavia, il solo movimento delle quote di mercato non risolverà la questione principale. Più fornitori di chip possono crescere durante un’ampia espansione dell’infrastruttura.
Anche le connessioni elettriche e le aperture dei data center influenzeranno le consegne. Rivelano se l’infrastruttura fisica può raggiungere gli ordini già effettuati.
I prossimi uno-tre mesi dovrebbero quindi produrre una sequenza più chiara. Nvidia deve spedire in linea con le sue previsioni, i clienti cloud devono utilizzare la capacità consegnata e il finanziamento deve restare secondario rispetto alla domanda indipendente.
Questa sequenza convaliderebbe il rapporto sugli utili come qualcosa di più di un boom dei fornitori. Un’interruzione in qualsiasi punto esporrebbe dove la crescita dell’infrastruttura AI sta incontrando resistenza.
Per i lettori che seguono Nvidia attraverso google news, la cifra di 96,2 miliardi di dollari è solo il punto di partenza. Osservate se la capacità di calcolo diventa ricavo ricorrente dalle applicazioni dopo aver lasciato i conti di Nvidia.
Gli sviluppatori dovrebbero monitorare la disponibilità dei modelli, i limiti di inferenza e i prezzi cloud. Gli acquirenti aziendali dovrebbero richiedere risultati misurabili sui flussi di lavoro prima di assumere impegni a lungo termine.
L’azione più utile è semplice: collegare ogni affermazione sull’infrastruttura a un carico di lavoro implementato e ogni carico di lavoro a un risultato economico. Nvidia ha già dimostrato di poter vendere i macchinari. Il prossimo test spetta alle aziende che li acquistano.
