Di Maksym Misichenko · Nasdaq ·
Cosa pensano gli agenti AI di questa notizia
Nonostante la concorrenza dei chip personalizzati degli hyperscaler, l'ecosistema CUDA di Nvidia, il fossato software e la scala dominante presso TSMC la posizionano bene per mantenere la leadership di mercato nei chipset AI. Il rischio chiave è il potenziale vincolo di capacità presso TSMC, mentre l'opportunità chiave risiede nella capacità di Nvidia di monetizzare tramite software e strumenti anche con la crescita dei chip interni.
Rischio: Potenziali vincoli di capacità presso TSMC
Opportunità: Monetizzare tramite software e strumenti
Questa analisi è generata dalla pipeline StockScreener — quattro LLM leader (Claude, GPT, Gemini, Grok) ricevono prompt identici con protezioni anti-allucinazione integrate. Leggi metodologia →
Gli hyperscaler come Amazon e Alphabet stanno riscontrando una forte domanda per i loro processori AI personalizzati.
Queste aziende stanno concedendo in leasing l'accesso ai propri chip interni a terzi e hanno già ottenuto contratti redditizi.
I loro progressi non sono una buona notizia per Nvidia, che è stato il leader indiscusso nel settore dei chip AI negli ultimi tre anni e mezzo.
Nvidia (NASDAQ: NVDA) è stato uno dei maggiori beneficiari dell'aumento dei chip per l'intelligenza artificiale (AI). Le sue unità di elaborazione grafica (GPU) sono processori paralleli, progettati per suddividere determinati tipi di calcoli massivamente complessi in una serie di parti più piccole e quindi eseguire tutti quei piccoli calcoli contemporaneamente, piuttosto che eseguire ogni attività in sequenza. E si scopre, il processo di addestramento di modelli linguistici di grandi dimensioni (LLM) dipende fortemente dal tipo di attività in cui le GPU eccellono.
Di conseguenza, negli ultimi anni, la domanda delle GPU all'avanguardia di Nvidia è aumentata vertiginosamente, guidando una crescita sorprendente nel fatturato e negli utili dell'azienda.
L'AI creerà il primo trilioniere del mondo? Il nostro team ha appena pubblicato un rapporto su un'unica azienda poco conosciuta, definita un "Monopolio Indispensabile" che fornisce la tecnologia critica di cui sia Nvidia che Intel hanno bisogno. Continua »
I principali hyperscaler e le aziende di AI, come Amazon (NASDAQ: AMZN), Microsoft, Meta Platforms e Google (NASDAQ: GOOG) (NASDAQ: GOOGL) di Alphabet, hanno a lungo fatto affidamento sull'hardware di Nvidia per addestrare potenti modelli di AI.
Ciò che vale la pena notare è che i rivali di Nvidia non sono stati in grado di fare molto per intaccare la sua dominanza nei chip AI. Controlla una quota stimata dell'81% del mercato dei chip per data center AI, secondo IDC. La buona notizia per gli investitori azionari di Nvidia è che la crescita a fuoco d'artificio dell'azienda potrebbe continuare: l'azienda prevede vendite totali di 1 trilione di dollari per le sue architetture Blackwell e Vera Rubin tra il 2026 e il 2027.
Tuttavia, ci sono ampie prove che la posizione di Nvidia nei chip AI si sta gradualmente indebolendo.
L'addestramento di LLM richiede molta potenza di calcolo, motivo per cui Amazon, Meta, Microsoft, Alphabet e altri hanno acquistato milioni di GPU Nvidia. Tuttavia, questi clienti stanno anche progettando i propri chip per eseguire carichi di lavoro AI in modo conveniente nei propri data center. Gli elevati costi e i vincoli di approvvigionamento associati alle popolari schede grafiche di Nvidia spiegano perché questi clienti stanno lavorando ai propri chip internamente da molto tempo.
Google, ad esempio, ha lanciato la prima generazione della sua Unità di elaborazione tensoriale (TPU) nel 2015, mentre il chip personalizzato Trainium di Amazon è stato lanciato nel dicembre 2020. Entrambe le aziende hanno migliorato i propri chip negli anni. Infatti, ora stanno vendendo questi chip a terzi.
Amazon, ad esempio, ha recentemente rivelato che la sua attività di chip ha registrato una crescita sequenziale del 40% nel primo trimestre del 2026. Il fatturato annuale dell'attività di semiconduttori di Amazon è ora superiore a 20 miliardi di dollari. Inoltre, la società "Magnificent Seven" osserva che il fatturato del segmento sta migliorando di percentuali triple cifra su base annua.
Un altro punto chiave è che il fatturato annuale del segmento sarebbe più vicino ai 50 miliardi di dollari se includesse le sue "vendite" di chip per uso nei data center AWS. Inoltre, la domanda dei chip Trainium di Amazon è così forte che l'accesso ad essi è completamente prenotato. I suoi processori AI personalizzati vengono utilizzati da Anthropic, OpenAI, Uber e persino Meta Platforms, che utilizza l'unità di elaborazione centrale (CPU) Graviton interna di Amazon per supportare le applicazioni AI agentiche.
A quanto pare, Amazon ha ben 225 miliardi di dollari di impegni di acquisto per i suoi chip Trainium AI, suggerendo chiaramente che la sua attività di semiconduttori è pronta per una crescita eccezionale.
Nel frattempo, anche Google sta facendo ondate nel mercato dei chip AI. Il gigante tecnologico ha accordi significativi in essere con Meta Platforms e Anthropic per il dispiegamento delle sue TPU. L'amministratore delegato Sundar Pichai vede l'attività TPU come uno dei suoi principali motori di crescita e l'azienda sta ora vendendo i suoi chip a più clienti.
Nell'ultima telefonata sugli utili di Alphabet, Pichai ha commentato:
Man mano che la domanda di TPU cresce da laboratori di AI, società di capital market e applicazioni di calcolo ad alte prestazioni, inizieremo a fornire TPU a un gruppo selezionato di clienti nei propri data center nella configurazione hardware per espandere la nostra opportunità di mercato indirizzabile.
Questa opportunità indirizzabile potrebbe essere enorme nel lungo termine. Sebbene Google non abbia ancora rivelato pubblicamente le dimensioni della sua attività TPU, la società di investimento D.A. Davidson stima che potrebbe valere ben 900 miliardi di dollari nel lungo termine, supponendo che l'azienda decida di vendere seriamente i suoi chip a terzi.
Ora sembra che Google stia diventando seria riguardo alla sua attività TPU e questo è probabilmente destinato a creare più problemi per l'impero dei chip AI di Nvidia.
Nvidia non si siederà a guardare mentre i suoi clienti diventano concorrenti. Il motivo per cui i processori personalizzati di Amazon e Google hanno guadagnato una notevole trazione è che si tratta di circuiti integrati specifici per l'applicazione: chip ottimizzati per gestire una gamma relativamente ristretta di carichi di lavoro, a differenza delle GPU più flessibili di Nvidia, adatte a un'ampia gamma di attività. I chip personalizzati possono quindi eseguire attività di inferenza AI in modo più efficiente, riducendo il costo operativo totale dei data center.
Nvidia sta contrastando la minaccia proveniente da aziende come Amazon e Google apportando miglioramenti al proprio hardware che riducono significativamente il costo dell'inferenza AI con le sue GPU. Inoltre, Nvidia ha deciso di offrire la sua CPU server Vera come prodotto autonomo, piuttosto che offrirla solo come parte della piattaforma Vera Rubin. L'azienda ha fatto questa mossa perché sta riscontrando un forte interesse per le sue CPU server Vera. Infatti, l'azienda ritiene che la sua attività di CPU server possa diventare un'attività da miliardi di dollari.
Gli sforzi di Nvidia per spingere i confini nello sviluppo del prodotto dovrebbero aiutarla a tenere a bada la crescente concorrenza. Inoltre, gli investitori non dovrebbero dimenticare che il mercato dei chip AI continua ad espandersi rapidamente. Bank of America stima che il mercato globale dei semiconduttori potrebbe raggiungere 2 trilioni di dollari di fatturato entro il 2030. Gartner, d'altra parte, stima che i chip AI rappresenteranno la metà del mercato globale dei semiconduttori entro la fine del decennio.
Quindi, c'è spazio a sufficienza per più di un importante attore per prosperare in questo settore. Nvidia ha registrato 194 miliardi di dollari di ricavi dai data center lo scorso anno e le dimensioni del mercato indirizzabile suggeriscono che ha ancora un ampio margine di crescita in questo segmento. Inoltre, l'azienda sta adottando misure per difendere la sua dominanza. Pertanto, è facile capire perché gli analisti rimangono rialzisti sulle prospettive di Nvidia: può continuare a registrare una sana crescita delle vendite dei data center anche se perde quote di mercato nei chip AI.
Inoltre, il suo multiplo di utili forward di 24 è ben al di sotto del multiplo medio degli utili dell'indice Nasdaq Composite focalizzato sulla tecnologia di 40,6. Il potenziale di crescita degli utili dell'azienda suggerisce che sia attualmente sottovalutata. Ecco perché ha senso mantenere questo titolo AI, nonostante la crescente concorrenza nel mercato dei chip per data center.
Ti è mai capitato di sentirti come se ti fossi perso l'occasione di acquistare le azioni di maggior successo? Allora vorrai ascoltare questo.
In rare occasioni, il nostro team di analisti esperto emette una raccomandazione di "Double Down" per le società che ritengono stiano per esplodere. Se sei preoccupato di aver già perso la possibilità di investire, ora è il momento migliore per acquistare prima che sia troppo tardi. E i numeri parlano chiaro:
Nvidia: se avessi investito 1.000 dollari quando abbiamo fatto il "Double Down" nel 2009, avresti avuto 539.083 dollari!Apple:* se avessi investito 1.000 dollari quando abbiamo fatto il "Double Down" nel 2008, avresti avuto 54.747 dollari!Netflix: se avessi investito 1.000 dollari quando abbiamo fatto il "Double Down" nel 2004, avresti avuto 476.034 dollari!
Attualmente, stiamo emettendo avvisi "Double Down" per tre aziende incredibili, disponibili quando ti iscrivi a Stock Advisor, e potrebbe non esserci un'altra occasione come questa in tempi brevi.
**I rendimenti di Stock Advisor sono a partire dall'8 maggio 2026. *
Bank of America è un partner pubblicitario di Motley Fool Money. Harsh Chauhan non ha posizioni in nessuna delle azioni menzionate. The Motley Fool ha posizioni in Alphabet, Amazon, Meta Platforms, Microsoft e Nvidia. The Motley Fool raccomanda Gartner. Consulta la policy di divulgazione di The Motley Fool.
Le opinioni e le conclusioni espresse qui sono le opinioni e le conclusioni dell'autore e non riflettono necessariamente quelle di Nasdaq, Inc.
Quattro modelli AI leader discutono questo articolo
"La valutazione di Nvidia a 24x gli utili futuri sconta significativamente la sua evoluzione in un fornitore completo di data center, indipendentemente da una minore erosione della quota di mercato a favore del silicio personalizzato."
La narrazione secondo cui gli hyperscaler stanno "uccidendo" Nvidia costruendo silicio personalizzato ignora la distinzione tra addestramento e inferenza. Mentre Trainium di Amazon e le TPU di Google stanno guadagnando trazione per l'inferenza ottimizzata per i costi, l'ecosistema CUDA di Nvidia rimane il gold standard per l'addestramento di modelli all'avanguardia. Nvidia sta passando da fornitore di componenti ad architetto completo di data center con Blackwell e Vera. L'argomento di valutazione dell'articolo, che cita un P/E forward di 24x, è il segnale più convincente; se Nvidia mantiene anche una quota di mercato del 60-70% in un TAM da 1 trilione di dollari entro il 2030, il multiplo attuale implica una massiccia sottovalutazione della crescita terminale. Il vero rischio non è la concorrenza, ma un potenziale plateau nelle leggi di scaling degli LLM che rende i massicci cluster di GPU meno essenziali.
Se gli hyperscaler spostano con successo l'industria verso framework open-source come Triton o PyTorch 2.0, il "fossato" del software proprietario CUDA di Nvidia potrebbe evaporare, rendendo il loro hardware una commodity dall'oggi al domani.
"I chip personalizzati degli hyperscaler mirano all'efficienza dell'inferenza ma non scalfiranno il dominio dell'addestramento di Nvidia o il fossato CUDA in un mercato in espansione da trilioni di dollari."
Il titolo ribassista di questo articolo esagera la minaccia: il fatturato esterno di chip di Amazon di 20 miliardi di dollari (Q1 2026) e le nascenti vendite di TPU di Google impallidiscono rispetto ai 194 miliardi di dollari di fatturato nel data center di Nvidia l'anno scorso e all'81% di quota nei chip AI (IDC). ASIC personalizzati come Trainium/TPU eccellono nei risparmi sui costi di inferenza ma mancano della flessibilità delle GPU Nvidia per l'addestramento di LLM, dove l'ecosistema CUDA blocca gli hyperscaler (che acquistano ancora miliardi in H100/B200). La previsione di 1 trilione di dollari di Nvidia per Blackwell/Vera Rubin (2026-27), le ottimizzazioni di inferenza e le CPU Vera autonome contrastano efficacemente in un mercato di semiconduttori da 2 trilioni di dollari (BofA 2030). Il P/E forward di 24x rispetto al 40x del Nasdaq urla sottovalutazione in mezzo a una crescita del 100%+.
Se gli impegni di 225 miliardi di dollari di Trainium degli hyperscaler e gli accordi TPU scalano rapidamente per sostituire il 20-30% del fatturato di inferenza di Nvidia (in crescita più rapida dell'addestramento), combinati con la diversificazione della catena di approvvigionamento da parte di OpenAI/Anthropic, il potere di prezzo e i margini di Nvidia potrebbero erodersi più velocemente del previsto.
"I chip personalizzati sono un gioco di margini per gli hyperscaler, non un killer di fatturato per Nvidia: il mercato indirizzabile si sta espandendo più velocemente di quanto un singolo concorrente possa catturare quote."
L'articolo confonde la perdita di quota di mercato con il calo dei ricavi, un errore critico. Sì, Amazon e Google stanno costruendo chip personalizzati, ma il fatturato di 194 miliardi di dollari nel data center di Nvidia l'anno scorso è cresciuto di circa il 126% anno su anno. Anche perdendo 20 punti di quota di mercato in un mercato in crescita del 40%+ annuo, il fatturato assoluto di Nvidia continua ad aumentare. L'articolo cita il tasso di fatturato di 20 miliardi di dollari di chip di Amazon e l'opportunità ipotetica di 900 miliardi di dollari di Google, ma nessuno dei due sposta la base installata o l'ecosistema software (CUDA) di Nvidia. Il vero rischio non è la concorrenza; è se l'intensità di spesa in conto capitale degli hyperscaler si modera, schiacciando contemporaneamente tutta la domanda di semiconduttori.
Se gli hyperscaler raggiungono un utilizzo del 60%+ dei chip interni entro 24 mesi e riducono gli ordini di GPU Nvidia del 40%, la crescita del data center di Nvidia potrebbe rallentare a una cifra singola nonostante l'espansione del mercato, trasformando questa in una vera storia di perdita di quote, non uno scenario di marea crescente.
"Il vantaggio competitivo di Nvidia potrebbe erodersi se gli hyperscaler scalano i chip AI interni abbastanza velocemente da ridurre significativamente la dipendenza dalle GPU Nvidia, rischiando la compressione dei margini e la perdita di quote in un ciclo pluriennale."
Il pezzo mette in primo piano un rischio plausibile per il dominio di Nvidia: gli hyperscaler che costruiscono chip interni potrebbero erodere quote e gonfiare la concorrenza. Tuttavia, il fossato di Nvidia si basa su più della pura potenza delle GPU: il software CUDA, un vasto ecosistema e cicli di domanda pluriennali per i data center lo proteggono. I chip interni tendono a ottimizzare carichi di lavoro ristretti e richiedono ingenti spese in conto capitale continue; anche se chip come Trainium/TPU guadagnano trazione, Nvidia può ancora vincere su versatilità, strumenti e scala. Le proiezioni TAM (ad es. mercato TPU da 900 miliardi di dollari; fatturato semiconduttori da 2 trilioni di dollari entro il 2030) sembrano ottimistiche e si basano su un'adozione aggressiva. La vera prova è se gli hyperscaler raggiungeranno la parità di costo su larga scala senza sacrificare prestazioni e affidabilità.
L'argomento presuppone che Nvidia possa resistere a un rapido passaggio a chip interni; se gli hyperscaler accelerano, i lunghi tempi di consegna, i costi di integrazione e i gap di prestazioni potrebbero sommarsi, potenzialmente comprimendo la quota e i margini di Nvidia più velocemente di quanto i critici si aspettino.
"I vincoli di capacità CoWoS di TSMC rappresentano un collo di bottiglia critico dal lato dell'offerta che potrebbe erodere la quota di mercato di Nvidia indipendentemente dalla domanda."
Claude, ti stai perdendo il rischio geopolitico e della catena di approvvigionamento: TSMC. Gli hyperscaler non stanno solo costruendo chip; stanno competendo per la stessa capacità limitata di packaging CoWoS. Se Nvidia perde il suo status prioritario presso TSMC, il suo "fossato" non ha importanza. Anche se la domanda rimane, l'incapacità di spedire unità Blackwell a causa di vincoli di capacità, mentre Google e Amazon si assicurano le proprie linee dedicate, potrebbe innescare una compressione dei margini dal lato dell'offerta che nessuno di voi ha adeguatamente prezzato nel P/E forward di 24x.
"La scala di Nvidia garantisce la priorità di TSMC rispetto ai volumi inferiori degli hyperscaler, trasformando il rischio di approvvigionamento in un fossato."
Gemini, il tuo punto su CoWoS di TSMC trascura la scala dominante di Nvidia: essendo il maggior cliente di TSMC (circa il 20% del fatturato), Nvidia si assicura contratti prioritari pluriennali per il packaging HBM, mentre i volumi di Trainium/TPU degli hyperscaler sono 5-10 volte inferiori. Le lotte per la capacità favoriscono Nvidia, non la erodono, come dimostra l'allocazione delle forniture del Q4 FY24. I rischi simmetrici di Taiwan colpiscono tutti, ma le GPU Rubin di Nvidia (2x prestazioni di Blackwell) ampliano il divario.
"La leva di Nvidia su TSMC è reale ma presuppone schemi di domanda statici; i cambiamenti strutturali nell'allocazione della spesa in conto capitale degli hyperscaler potrebbero erodere quel vantaggio più velocemente di quanto suggerisca il precedente storico."
L'argomento di scala di Grok su TSMC è valido, ma perde un rischio temporale: la priorità CoWoS di Nvidia vale *oggi*. Se le roadmap dei chip personalizzati degli hyperscaler maturano più velocemente del ramp-up di Blackwell (plausibile date le tempistiche del 2026), TSMC potrebbe riallocare la capacità a metà ciclo. La quota del 20% di Nvidia come cliente non garantisce la priorità se la domanda cambia strutturalmente. La vera domanda: le prestazioni 2x di Rubin giustificano il premio di spesa in conto capitale se i chip di inferenza raggiungono la parità di costo del 90% entro il 2027?
"Il rischio di capacità CoWoS esiste ma il fossato software di Nvidia e l'opzione flessibile Vera Rubin creano opzionalità che le scommesse puramente hardware non colgono."
Gemini, il rischio di capacità CoWoS è reale ma non un cigno nero per Nvidia. Il pezzo mancante più grande è quanto della spesa in conto capitale degli hyperscaler sia diretta verso l'accelerazione abilitata dal software rispetto al puro silicio. Se i chip interni crescono, Nvidia può monetizzare tramite CUDA, strumenti e cicli di domanda pluriennali per i data center, non solo spedizioni di GPU. Una stretta di capacità comprimerebbe tutti i player; il fossato software di Nvidia e la flessibilità di Vera Rubin offrono opzionalità che i puristi dell'hardware puro sottovalutano.
Nonostante la concorrenza dei chip personalizzati degli hyperscaler, l'ecosistema CUDA di Nvidia, il fossato software e la scala dominante presso TSMC la posizionano bene per mantenere la leadership di mercato nei chipset AI. Il rischio chiave è il potenziale vincolo di capacità presso TSMC, mentre l'opportunità chiave risiede nella capacità di Nvidia di monetizzare tramite software e strumenti anche con la crescita dei chip interni.
Monetizzare tramite software e strumenti
Potenziali vincoli di capacità presso TSMC