La domanda di token cresce in modo esponenziale

Nvidia ha ancora una volta riscritto i libri dei record. Il produttore di chip ha registrato un'altra performance trimestrale record, spinta da quello che il CEO Jensen Huang ha descritto come un'impennata senza precedenti nella domanda di infrastrutture di calcolo AI. "La domanda di token nel mondo è cresciuta in modo completamente esponenziale", ha dichiarato Huang durante l'annuncio degli utili, inquadrando gli straordinari risultati finanziari dell'azienda come una naturale conseguenza di un cambiamento fondamentale nel modo in cui l'economia globale consuma la potenza di calcolo.

I risultati estendono la straordinaria corsa di Nvidia come principale beneficiario della costruzione dell'infrastruttura AI. Mentre le aziende di ogni settore corrono per implementare le capacità AI — dai fornitori di cloud che addestrano modelli all'avanguardia alle imprese che costruiscono pipeline di inferenza — il business dei data center GPU di Nvidia è diventato il cuore pulsante di un ciclo di spesa in conto capitale come l'industria tecnologica non aveva mai visto prima.

Il superciclo Capex continua

Il trimestre record di Nvidia arriva in un contesto di impegni storici di spesa in conto capitale da parte delle più grandi aziende tecnologiche del mondo. Hyperscaler tra cui Microsoft, Google, Amazon e Meta hanno collettivamente promesso centinaia di miliardi di dollari in spese per l'infrastruttura AI, con gran parte di tale investimento che confluisce direttamente nel business dei data center GPU di Nvidia.

La portata della spesa ha suscitato scetticismo ricorrente da parte di investitori e analisti che si chiedono se il ritorno sull'investimento possa giustificare tali enormi esborsi. Eppure, trimestre dopo trimestre, i principali fornitori di cloud non solo hanno mantenuto ma hanno accelerato i loro piani di spesa in conto capitale, suggerendo che i segnali di domanda interna e le metriche di adozione dei clienti continuano a convalidare la tesi di investimento.

Il recente annuncio di Meta di un massiccio accordo sui chip con AMD — arrivato pochi giorni dopo aver impegnato milioni di GPU Nvidia — illustra che la domanda di calcolo AI è così intensa che anche i maggiori acquirenti stanno diversificando la loro base di fornitori piuttosto che scegliere tra i fornitori di chip. Il mercato dell'infrastruttura AI è diventato abbastanza grande da sostenere più vincitori contemporaneamente.

Oltre la formazione: l'opportunità di inferenza

Mentre gran parte del ciclo iniziale di capex AI è stato guidato dagli enormi requisiti di calcolo per l'addestramento di modelli all'avanguardia, una quota crescente della domanda di GPU proviene ora dall'inferenza — il processo di esecuzione effettiva dei modelli addestrati per soddisfare le richieste degli utenti. Man mano che le applicazioni AI si spostano dai laboratori di ricerca alla distribuzione in produzione che serve milioni di utenti, l'impronta di calcolo dell'inferenza si sta espandendo rapidamente.

Questo cambiamento è particolarmente significativo per Nvidia perché i carichi di lavoro di inferenza rappresentano un driver di domanda potenzialmente più grande e più sostenuto rispetto alla formazione. L'addestramento di un modello è una spesa in conto capitale una tantum, sebbene enorme. L'inferenza, al contrario, genera una domanda di calcolo continua che scala con l'utilizzo. Man mano che più applicazioni incorporano capacità AI e l'adozione da parte degli utenti cresce, la domanda di inferenza si compone in modi che la formazione non può.

Il riferimento di Huang alla domanda esponenziale di token riflette direttamente questa dinamica. Ogni risposta di chatbot basata su AI, completamento di codice, generazione di immagini e flusso di lavoro di automazione aziendale consuma token che richiedono il calcolo GPU per essere prodotti. Più l'AI si integra nelle interazioni digitali quotidiane, più token il mondo consuma e più GPU sono necessarie per produrli.

Il panorama competitivo

Nonostante la sua posizione dominante sul mercato, Nvidia affronta un ambiente sempre più competitivo. AMD ha guadagnato terreno con i suoi acceleratori della serie MI, come evidenziato dal recente impegno di acquisto multimiliardario di Meta. Il silicio personalizzato dei principali fornitori di cloud — inclusi i TPU di Google, i chip Trainium di Amazon e gli acceleratori Maia di Microsoft — rappresenta un altro vettore di concorrenza, poiché gli hyperscaler cercano di ridurre la loro dipendenza da un singolo fornitore.

Nvidia ha mantenuto la sua leadership attraverso una combinazione di prestazioni hardware, l'ecosistema software CUDA che crea significativi costi di switching e una rapida cadenza di prodotti che ha mantenuto i concorrenti costantemente in ritardo rispetto alla generazione precedente. Le prossime architetture Blackwell Ultra e Rubin dell'azienda sono progettate per mantenere questa leadership di prestazioni attraverso la prossima generazione di scalabilità AI.

Cosa significano i numeri per l'industria AI

La continua performance record di Nvidia funge da barometro per la salute e la traiettoria dell'industria AI più ampia. La crescita dei ricavi dell'azienda riflette direttamente il ritmo con cui le organizzazioni stanno convertendo le ambizioni AI in investimenti infrastrutturali concreti. Finché Nvidia continua a registrare record, il segnale è chiaro: la costruzione dell'AI sta accelerando, non sta plateauando.

Per il settore tecnologico e l'economia in generale, la domanda non è più se la spesa per l'infrastruttura AI continuerà — chiaramente lo farà — ma se le applicazioni e i flussi di entrate costruiti su tale infrastruttura genereranno alla fine rendimenti che giustificano l'investimento. I risultati finanziari di Nvidia suggeriscono che le aziende più vicine al silicio sono fiduciose che la risposta sia sì. Il resto dell'industria sta ancora lavorando per dimostrarlo.

Questo articolo si basa su un report di TechCrunch. Leggi l'articolo originale.