Il nuovo "narrativo" sottovalutato di Nvidia: "modelli open source sviluppati internamente" e "blocco della catena di approvvigionamento"
HSBC ritiene che Nvidia stia puntando fortemente sui modelli linguistici piccoli open-source (SLM), guidando milioni di sviluppatori a eseguire applicazioni AI sul proprio hardware attraverso un ecosistema ottimizzato e gratuito, espandendo così la base clienti dai pochi grandi del cloud a un ecosistema più ampio; inoltre, sta vincolando la capacità produttiva tramite accordi pluriennali, mettendo i concorrenti in svantaggio nella catena di approvvigionamento. Queste due linee di narrazione potrebbero diventare catalizzatori chiave per una rivalutazione del suo valore.
Nvidia sta costruendo silenziosamente un fossato competitivo su due fronti raramente prezzati correttamente dal mercato.
Secondo un recente rapporto pubblicato da HSBC il 20 agosto, l’analista Frank Lee ritiene che, oltre ai continui “risultati superiori alle aspettative", i nuovi catalizzatori che guideranno la rivalutazione delle azioni Nvidia deriveranno da due narrative precedentemente trascurate dal mercato.
Primo, un forte investimento nei Small Language Models (SLM) open source, con il potenziale di espandere la base clienti potenziali da pochi grandi operatori del cloud a milioni di sviluppatori e Stati sovrani; secondo, il blocco anticipato delle capacità produttive lungo la catena di approvvigionamento tramite una serie di accordi pluriennali, un vantaggio che si evidenzierà ancor più in un contesto in cui i concorrenti trovano sempre più difficile accedere alle risorse chiave di produzione.
Il significato di mercato di queste due nuove narrative è che entrambe puntano a un tema centrale: il motore di crescita di Nvidia si sta evolvendo da una struttura che dipendeva da pochi grandi clienti a un ecosistema cliente più ampio e resiliente.
Se questa trasformazione sarà riconosciuta dal mercato, costituirà una variabile chiave per una rivalutazione del titolo.
Offensiva dei modelli open source: da "venditore di pale" a "costruttore di pale"
Il rapporto HSBC sottolinea che dopo l’affievolirsi del boom dell’AI sovrana e dei nuovi cloud provider (neocloud), Nvidia non è riuscita a proporre una nuova narrativa in grado di guidare una rivalutazione significativa del prezzo delle sue azioni, uno dei motivi principali della sua performance inferiore all’indice Philadelphia Semiconductor dall’inizio dell’anno. L’investimento strategico nell’AI open source sta tuttavia colmando questo vuoto.
Attualmente Nvidia sta rafforzando la sua posizione nell’ambito dei modelli open source, ponendosi come il più grande contributore globale all’AI open source.
Secondo quanto comunicato da Nvidia, i modelli open source sono già la seconda categoria più popolare per quantità di token generati. HSBC afferma che il significato strategico di questa mossa è che i Small Language Models (SLM) open source stanno diventando il motore di inferenza preferito per agenti intelligenti e applicazioni on-device.
Tre i motivi alla base della popolarità degli SLM:
- Vantaggi in termini di latenza e throughput — gli agenti autonomi necessitano di frequente esecuzione di cicli di parsing, chiamate API, valutazione dei risultati, e ogni sottopasso richiederebbe ingenti risorse se affidato ai Large Language Models (LLM), creando colli di bottiglia significativi; gli SLM presentano però vantaggi rilevanti in termini di costi di inferenza e throughput;
- Intelligenza task-specifica — gli SLM eccellono nei compiti vincolati e deterministici, e le aziende stanno integrando modelli specifici nei propri software per risolvere problemi di business complessi;
- Capacità edge — modelli con meno di 10 miliardi di parametri possono essere facilmente alloggiati nella memoria GPU locale o sui dispositivi edge, supportando quindi l’esecuzione locale.
La gamma di prodotti open source Nvidia è ormai completa e copre diversi scenari chiave:
- La serie Nemotron si concentra sui compiti di inferenza e linguaggio;
- Cosmos è destinato all’AI "fisica" nel campo della robotica e della visione;
- GR00T N1 è posizionato come il primo modello fondamentale aperto al mondo per robot umanoidi;
- Alpamayo si concentra su scenari di guida autonoma;
- NVIDIA Agent Toolkit e NeMo servono rispettivamente per la costruzione e personalizzazione di agenti AI aziendali e applicazioni di AI generativa.
HSBC sottolinea che questo ecosistema open source, gratuito e altamente ottimizzato, rappresenta in sostanza la leva strategica tramite cui Nvidia indirizza gli sviluppatori a far girare preferenzialmente le applicazioni AI sul proprio hardware.
Posizionamento nella catena di fornitura: lock-in anticipato della capacità produttiva e creazione di barriere competitive
Il rapporto HSBC evidenzia che il fabbisogno di potenza AI continua a superare l’offerta a causa di vincoli produttivi e che Nvidia ha già assicurato, tramite una serie di accordi pluriennali fino al 2026, la capacità in settori chiave quali il packaging avanzato, la memoria, i dispositivi ottici e le infrastrutture energetiche.
HSBC prevede che nel 2027 i vincoli della supply chain su diversi fronti potrebbero aggravarsi ulteriormente, e la strategia di acquisto anticipato di Nvidia si tradurrà in un vantaggio competitivo ancora maggiore, potenzialmente ricompensato dal mercato con premi di valorizzazione superiori.
Secondo The Information, nel packaging avanzato e nella memoria Nvidia a luglio 2026 ha siglato un accordo pluriennale da 1,5 miliardi di dollari con Amkor Technology per sostenere l’espansione delle capacità di packaging e test a semiconduttore avanzati nello stabilimento di Arizona, negli Stati Uniti;
Nello stesso mese è stato raggiunto un accordo quadro da 50 miliardi di dollari con il gruppo SK riguardante la ricerca congiunta con SK Hynix di memorie AI di nuova generazione (incluso HBM) e la pianificazione di una AI factory Vera Rubin da 2GW in Corea.
Per la capacità produttiva, Nvidia ha prenotato il 63% della capacità di CoWoS-L (packaging avanzato) di TSMC nel 2026 e il 52% nel 2027, il che costringe i concorrenti con GPU e ASIC a cercare fornitori alternativi, con il rischio di resa inferiore.
Per la connessione ottica, man mano che le infrastrutture delle reti AI si spostano dal rame alla connettività ottica, Nvidia ha firmato accordi pluriennali con Lumentum e Coherent, investendo ciascuna 2 miliardi di dollari per supportare ricerca e capacity produttiva negli Stati Uniti, assicurandosi l’accesso futuro ai componenti laser avanzati;
nello stesso tempo, ha siglato un accordo commerciale e tecnologico pluriennale con Corning per espandere la capacità di produzione di soluzioni ottiche avanzate negli Stati Uniti.
Per energia e terreni, Nvidia sta assicurando asset critici tramite investimenti diretti in sviluppatori d’infrastrutture. Secondo Bloomberg, Nvidia ha investito in Cloverleaf Infrastructure, Lancium e SB Energy, garantendosi risorse energetiche per assicurare la possibilità di eseguire i suoi chip in futuro, integrando al contempo la propria intera stack hardware e software nella fase di progettazione delle nuove infrastrutture.
In particolare, Nvidia ha annunciato la chiusura dell’accordo con SB Energy e OpenAI che garantisce capacità di terreno, energia e costruzione presso il PORTS-Pike Technology Park in Ohio, con una capacità iniziale che supporta 4,25 IT-GW di AI factories e un impegno finanziario massimo di 10,5 miliardi di dollari, oltre a un investimento di 1,5 miliardi di dollari in SB Energy.
Nvidia prevede inoltre d’investire 1 miliardo di dollari in NAVER per espandere la fabbrica AI "GAK Sejong" da 55 MW fino ai 200 MW previsti per il 2028, pianificando a lungo termine di raggiungere 1 GW di infrastruttura AI sovrana.
Dal punto di vista della competizione, questo tipo di investimento rappresenta essenzialmente una strategia di lock-in. I giganti del cloud computing e i laboratori AI tendono a combinare vari fornitori per l’acquisto di chip, dispositivi di rete e cavi su misura, ma tramite la partecipazione azionaria nei sviluppatori d’infrastrutture, Nvidia ottiene una leva cruciale per garantire che le infrastrutture future vengano progettate attorno alla sua intera stack tecnologica.
Esclusione di responsabilità: il contenuto di questo articolo riflette esclusivamente l’opinione dell’autore e non rappresenta in alcun modo la piattaforma. Questo articolo non deve essere utilizzato come riferimento per prendere decisioni di investimento.
Ti potrebbe interessare anche
Direttore di Meta AI Alexandr Wang: Perché voglio creare Muse
Muse ha raggiunto 2,8 milioni di download in soli 12 giorni, superando le performance di ChatGPT nello stesso periodo e stabilendo un record di 264.000 download giornalieri negli Stati Uniti — il valore di mercato di Meta è così aumentato di 234 miliardi di dollari. Dietro a tutto ciò, vi è la lettera aperta del Chief AI Officer Alexandr Wang, che parla del "desiderio umano", e l'acquisizione da 14,3 miliardi di dollari di Zuckerberg, considerata allora "folle": oggi, risulta forse la mossa più vantaggiosa della storia della Silicon Valley, almeno sul piano del talento.
UBS: mantiene il rating "Neutrale" su Tesla (TSLA.US), prezzo obiettivo 385 dollari. La narrazione sull'AI guida la logica di valutazione del prezzo delle azioni.
UBS prevede che la consegna globale di Tesla nel terzo trimestre del 2026 (3Q26) sarà di circa 470.000 unità, con un calo del 5% su base annua e dell'1% su base trimestrale.
La corsa dell’AI resiste al rendimento del 5% dei Treasury USA! Il Nasdaq raggiunge nuovi massimi rafforzando la struttura “80/20”, Wall Street rivaluta il rapporto azioni/obbligazioni.
Il rendimento dei Treasury USA a 30 anni ha raggiunto circa il 5,53%, il livello più alto dal 2004, mentre il Brent rimane sopra i 100 dollari al barile. Gli asset rischiosi hanno nuovamente resistito alla pressione, riflettendo la fiducia degli investitori che la commercializzazione delle applicazioni AI e la crescita dei profitti aziendali possano, in una certa misura, compensare l'impatto dell'aumento dei costi di finanziamento e dei tassi di sconto.
Le infrastrutture AI si scontrano con un “muro”! Marvell: le connessioni in rame e il collo di bottiglia della memoria diventano la chiave per la prossima fase di espansione della potenza di calcolo
La competizione nella potenza di calcolo AI si sta evolvendo in una sfida a livello di sistema che comprende interconnessione e memoria. Un dirigente di Marvell ha dichiarato che i modelli di inferenza hanno spinto la crescita delle cache KV di circa 10 volte in nove mesi, rendendo la memoria su singolo rack insufficiente per le nuove esigenze. Le connessioni in rame stanno raggiungendo il loro limite, mentre l'interconnessione ottica e l'espansione della memoria stanno diventando il fulcro dell'aumento della potenza di calcolo. La personalizzazione è ormai una tendenza del settore e Marvell, grazie a SerDes analogici, tessuti fotonici di memoria e soluzioni completamente personalizzate per la catena di fornitura, sta beneficiando di questi sviluppi.
Prezzi delle criptovalute
Altro
