Nvidia ha chiuso il quarto trimestre con ricavi e utili superiori alle attese del mercato, ma la reazione del titolo a Wall Street è stata insolitamente prudente. Dopo una sequenza di quattordici trimestri di crescita robusta e rally in doppia cifra nell’after hours, le azioni sono rimaste sostanzialmente invariate, segnale di una fase in cui gli investitori chiedono al gruppo non solo numeri, ma anche una direzione chiara per la prossima fase dell’intelligenza artificiale.
Dal confronto con gli analisti è emerso un messaggio preciso: il boom delle gpu che ha alimentato la corsa ai data center non è sufficiente, perché l’AI sta cambiando forma e sposta una parte crescente del lavoro di calcolo sulle cpu. È su questo fronte che Jensen Huang vuole aprire una nuova prateria di crescita, affiancando ai processori grafici che hanno costruito la fortuna di Nvidia una famiglia di cpu proprietarie, pensate per l’AI “distribuita” che scorrerà nei server e, a cascata, nei dispositivi degli utenti finali.
In questo articolo:
- Nvidia, i risultati sopra le stime non bastano
- Cpu e gpu a confronto: due tipi di calcolo per l’intelligenza artificiale
- L’AI cambia forma e rimette le cpu sul tavolo
Nvidia, i risultati sopra le stime non bastano
I numeri del quarto trimestre mettono in fila un’altra volta la forza della domanda di infrastrutture per l’intelligenza artificiale. Le vendite di Nvidia nel periodo chiuso a gennaio sono aumentate del 94%, raggiungendo 68,13 miliardi di dollari rispetto ai 66,21 miliardi indicati in media dagli analisti Lseg. L’utile rettificato si è attestato a 1,62 dollari per azione, contro una stima di consenso pari a 1,53 dollari. Per il trimestre in corso, il gruppo prevede un fatturato di 78 miliardi di dollari, con un margine di oscillazione del 2%, sopra la previsione media del mercato che si fermava a 72,60 miliardi. “Record con un 2025 chiuso a 215,9 miliardi di dollari di fatturato in aumento del 65% rispetto lo scorso anno, una crescita sicuramente inferiore rispetto gli scorsi anni ma che di fatto non invalida la forte crescita dell’azienda, soprattutto osservando i margini al 75% che risultano essere veramente molto alti”, evidenzia David Pascucci, market analyst di XTB. Si tratta di livelli che confermano come la corsa agli investimenti in data center da parte delle Big Tech sia tuttora in pieno svolgimento: gli hyperscaler, tra cui Meta Platforms, hanno indicato piani di spesa in conto capitale complessivi per almeno 630 miliardi di dollari nel 2026, con la quota principale destinata proprio a infrastrutture e processori per l’AI. “Con questi risultati, Nvidia ha inviato un messaggio chiaro al mercato: la costruzione dell’infrastruttura per l’intelligenza artificiale sta solo accelerando. Ogni trimestre gli scettici si fanno avanti e, trimestre dopo trimestre, Nvidia è riuscita a smentirli”, ha commentato Josh Gilbert, market analyst di eToro.
Dietro la superficie dei conti positivi si intravedono però i primi segnali di maturità del ciclo gpu. La direzione ha riconosciuto che la carenza di capacità produttiva presso Tsmc, il principale partner manifatturiero di Nvidia, ha rappresentato un freno alla crescita e continuerà a produrre effetti in segmenti come il gaming. Allo stesso tempo, il gruppo ha chiarito che le previsioni per il trimestre in corso non includono ricavi dai chip per data center venduti in Cina, dopo le restrizioni alle esportazioni imposte dal governo statunitense; solo di recente l’azienda ha ottenuto licenze per spedire “piccole quantità” del processore H200 al mercato cinese. La concentrazione dei ricavi su pochi grandi clienti, con due controparti che rappresentano il 36% delle vendite nell’ultimo esercizio fiscale, introduce un ulteriore elemento di attenzione. In questo contesto, analisti e gestori hanno letto la reazione fiacca del titolo non come una bocciatura dei risultati, ma come il segnale che la fase in cui bastava annunciare nuovi massimi di ricavi per alimentare un rialzo immediato potrebbe essere alle spalle.
L’AI cambia forma e rimette le cpu sul tavolo
Nella conference call con gli analisti, la direttrice finanziaria di Nvidia Colette Kress ha ribadito che il gruppo intende continuare a investire nell’ecosistema dell’intelligenza artificiale e non considera chiuso il ciclo di espansione della domanda di gpu. Il ceo Jensen Huang, però, ha spostato l’asse della discussione su un punto diverso: la trasformazione del tipo di lavoro che l’AI sta chiedendo alle infrastrutture di calcolo. “Huang afferma che la domanda per l’elaborazione sta crescendo in modo esponenziale e che sia arrivato il momento dell’ IA agentica. L’adozione di agenti da parte delle aziende sta aumentando vertiginosamente, anche le fabbriche stanno iniziando ad utilizzare l’IA“, sottolinea Pascucci.
Se negli anni del boom generativo l’attenzione era concentrata sull’addestramento di grandi modelli nei data center, una fase ad altissimo consumo di calcolo parallelo in cui le gpu di Nvidia sono diventate lo standard di fatto, oggi una quota crescente di risorse viene dedicata alla distribuzione e all’utilizzo continuativo di questi modelli. Huang ha descritto lo scenario in termini molto concreti. Per decenni, circa il 90% dell’elaborazione è avvenuto sulle cpu, con le gpu relegate a funzioni grafiche e di nicchia. Negli ultimi anni, con l’esplosione dell’AI, il rapporto si è invertito e il carico più pesante si è spostato sulle schede grafiche, specializzate nel calcolo parallelo. Ora, con la diffusione di “agenti” di intelligenza artificiale in grado di scrivere codice, esaminare documenti, redigere report o interagire in maniera autonoma con i sistemi aziendali, una parte rilevante di questo lavoro “si verifica sempre più spesso, e a volte principalmente, sulla cpu”, come ha spiegato l’analista Ben Bajarin. L’attuale server di punta per l’AI di Nvidia, l’NVL72, integra 36 cpu e 72 gpu. Per le applicazioni agentiche, secondo le valutazioni degli esperti, questo rapporto potrebbe progressivamente avvicinarsi a uno a uno, fino a configurazioni in cui la gpu perde centralità o viene ridimensionata.
È in questo cambio di paradigma che si inserisce la strategia di Nvidia sulle cpu. Il gruppo ha presentato nel 2023 le sue prime cpu per data center ad alte prestazioni, progettate per integrarsi con le gpu nel trattamento di grandi moli di dati e per sfruttare in modo più efficiente l’accesso alla memoria. Huang ha sottolineato che, a differenza di concorrenti come Intel e Amd, Nvidia ha scelto di limitare il ricorso alla scomposizione del chip in più “mattoncini” (chiplet), preferendo architetture monolitiche ottimizzate per l’elaborazione di flussi di dati. L’obiettivo è dimostrare che il tipo di cpu storicamente associato a Intel “non è più la base predefinita delle moderne infrastrutture di elaborazione”, ma una delle possibili opzioni architetturali all’interno di un sistema in cui Nvidia ambisce a fornire un pacchetto completo di componenti. In questa direzione va anche l’accordo con Meta Platforms, che utilizzerà volumi significativi di cpu Grace e Vera in modalità standalone, affiancandoli ad altre soluzioni già in uso. Il piano è destinato a essere dettagliato ulteriormente alla conferenza annuale degli sviluppatori in Silicon Valley che si terrà il prossimo mese, dove il management ha annunciato che tornerà sul tema delle cpu.
