SambaNova ha chiuso un round di finanziamento che porta la sua valutazione a 11 miliardi di dollari, secondo Bloomberg. La cifra segna un balzo rispetto ai circa 10 miliardi ipotizzati a fine giugno, quando la trattativa era ancora in fase embrionale, e rappresenta una crescita quasi quintupla nell'arco di pochi mesi. Il dato conferma il crescente appetito degli investitori per hardware alternativo a Nvidia, in un momento in cui la corsa all'AI spinge aziende e governi a considerare stack proprietari e on-premise per questioni di controllo, latenza e sovranità dei dati.

La tesi di SambaNova non è quella di competere sul terreno delle GPU brute force. L'azienda californiana propone sistemi integrati (DataScale) basati su un'architettura dataflow riconfigurabile che ottimizza l'esecuzione di LLM senza dipendere da librerie CUDA. In pratica, vende appliance pronte all'uso che combinano silicio custom, networking e un layer software che astrae la complessità del deployment. Per chi sta valutando di portare l'inference dentro i propri data center – o in installazioni air-gapped per compliance normativa – questo approccio riduce il Total Cost of Ownership e semplifica la gestione operativa.

L'impennata della valutazione va letta in parallelo con altri segnali. La domanda di GPU H100 è ancora insaziabile, ma il collo di bottiglia spinge sempre più realtà a esplorare alternative. Il punto non è solo il prezzo delle schede o i tempi di consegna: è la consapevolezza che affidare l'intero stack a un unico fornitore crea un rischio sistemico difficile da giustificare in settori regolati. Banche, operatori sanitari, pubbliche amministrazioni e difesa hanno bisogno di eseguire LLM in ambienti controllati, con latenza prevedibile e senza che i dati lascino mai il perimetro aziendale. Le appliance di SambaNova rispondono esattamente a questo vincolo, promettendo performance da centinaia di token al secondo su modelli con centinaia di miliardi di parametri, senza richiedere la refrigerazione estrema di un cluster di GPU.

Chi ci guadagna da questo scenario? In primo luogo gli early adopter che hanno già scelto di differenziare la propria infrastruttura AI. In secondo luogo, l'intero ecosistema dei chip startup (Cerebras, Graphcore, Groq) che vede legittimata la propria esistenza proprio quando Nvidia sembra intoccabile. Chi ci perde, paradossalmente, potrebbe essere il mercato cloud pubblico per workload di inference ipersensibili: se l'appliance on-premise diventa competitiva in termini di costo per token, il calcolo che spingeva tutto verso AWS o Azure potrebbe invertirsi per una fetta significativa di carichi di lavoro.

Resta il nodo dell'esecuzione. Essere valutati 11 miliardi significa che gli investitori scommettono su una crescita rapida dei ricavi e su una capacità produttiva all'altezza. Finora SambaNova ha annunciato collaborazioni con entità governative e istituti di ricerca, ma scalare verso l'impresa diffusa richiede canali di vendita, supporto globale e un ecosistema di partner che oggi Nvidia presidia da anni. La validazione finanziaria è un passo importante, ma non sostituisce le migliaia di sviluppatori che programmano su CUDA da un decennio.

Per chi valuta il deployment on-premise, la vicenda SambaNova offre un metro utile: il mercato sta prezzando seriamente l'indipendenza dal monopolio Nvidia. Che sia attraverso chip dataflow, ASIC dedicati o soluzioni ibride, il messaggio è chiaro: l'hardware per l'AI entra in una fase di maturità in cui il controllo, più della potenza bruta, detta le scelte architetturali.