Nvidia non vuole più soltanto vendere chip. L'azienda ha annunciato mercoledì un nuovo schema finanziario pensato per i cloud provider che offrono servizi di intelligenza artificiale: potranno ottenere grandi volumi di GPU senza pagarle subito, restituendo l'investimento in base ai ricavi generati. Una formula che, almeno nelle intenzioni, dovrebbe mettere la potenza di calcolo necessaria per addestrare ed eseguire Large Language Models nelle mani di startup e piccole imprese che altrimenti resterebbero tagliate fuori.

Come funziona (quel che sappiamo)

I dettagli precisi dell'accordo non sono stati resi pubblici, ma la cornice è chiara: invece di chiedere ai cloud provider di acquistare decine o centinaia di H100 con esborsi milionari, Nvidia concede credito e partecipa al rischio d'impresa. Il provider paga una quota commisurata a ciò che incassa dai clienti finali, trasformando un costo fisso in una variabile. Per le startup significa saltare la barriera del capitale iniziale e cominciare subito a sviluppare modelli su infrastruttura di fascia alta.

È un cambio di pelle per un'azienda che fino a ieri presidiava l'hardware con margini record. Oggi mette il piede nel territorio dei servizi finanziari, pur restando fornitore di silicio, con l'obiettivo di allargare la domanda e blindare la propria posizione dominante prima che la concorrenza – dai chip custom delle grandi cloud ai progetti di AMD e Intel – rosicchi quote.

Perché la mossa conta, anche per chi guarda all'on-premise

L'iniziativa segnala un mercato delle GPU ancora strozzato. Affittare capacità su cloud con il modello "pay-as-you-go" è già prassi, ma il costo resta proibitivo per molti, e i tempi di provisioning non sono immediati. Il credito Nvidia agisce moltiplicando l'offerta di cloud provider più piccoli e specializzati, aumentando la pressione competitiva sui grandi hyperscaler e, in teoria, abbassando i prezzi per tutti.

Per chi valuta deployment on-premise di LLM, questo scenario introduce un trade-off interessante. Da un lato, il costo del capitale si riduce se si può partire in cloud con pagamento differito, rimandando la decisione di acquistare server. Dall'altro, rimangono intatti i vantaggi dell'infrastruttura locale – latenza, controllo dei dati, prevedibilità della spesa nel medio periodo – su cui AI-RADAR offre framework analitici per confrontare TCO e requisiti di sovranità. L'offerta di Nvidia rende più graduale il passaggio, ma non elimina la necessità di una strategia di deployment ragionata.

Dietro la mossa si legge anche una scommessa: che l'AI generativa continui a crescere e che l'elasticità finanziaria invogli più aziende a sperimentare. Se così sarà, la domanda di GPU aumenterà ulteriormente, e la filiera dovrà adattarsi a un mercato dove non conta più solo la performance del silicio, ma anche la creatività dei modelli di business con cui lo si porta agli sviluppatori.