La tokenizzazione del mondo da parte di Nvidia: come Jensen Huang ha perfezionato la strategia della lampada a olio del XXI secolo

Miliardi per promesse vuote? La scomoda verità sulla fabbrica di token di Nvidia

Il CEO di Nvidia, Jensen Huang, ha formulato una semplice equazione: chi non calcola, perde. Ma dietro la scintillante facciata del boom dell'IA si cela un modello di business spietato che ricorda le spregiudicate strategie monopolistiche del XIX secolo. Con un monopolio hardware senza precedenti, l'ecosistema software chiuso CUDA e attacchi frontali come il nuovo chip RTX Spark, il gigante tecnologico sta costringendo l'economia globale a una pericolosa dipendenza. Invece di una produttività misurabile, le aziende oggi acquistano principalmente una cosa: il puro consumo di "token". Questa è un'analisi approfondita di come Nvidia stia stravolgendo le regole della creazione di valore, perché le aziende hyperscaler debbano investire centinaia di miliardi e perché questa spirale di profitto e spreco di energia potrebbe costare cara a tutti noi.

NVIDIA e la tokenizzazione del mondo: come Jensen Huang sta dettando (e traendo profitto da) un nuovo ordine economico

Il momento in cui il teleshopping è diventato una strategia aziendale

Nel marzo 2026, Jensen Huang salì sul palco della Morgan Stanley Technology, Media & Telecom Conference di San Francisco e pronunciò una frase senza precedenti per brevità e audacia: "La potenza di calcolo equivale ai token, i token equivalgono all'intelligenza e l'intelligenza equivale alla produzione economica a ogni livello, dalle aziende ai paesi". Quella che sembra un'equazione fisica fondamentale è in realtà una delle strategie di marketing più ambiziose della storia economica: la reinterpretazione di un data center come una macchina da stampa che produce profitto, principalmente per NVIDIA.

Qualche settimana prima, al Computex 2026 di Taipei, Huang aveva arricchito questo quadro con l'RTX Spark, un sistema su chip basato su architettura ARM per laptop Windows e desktop compatti. La narrazione era già nota: chi non compra resta indietro. Il consumo stesso è la prova dell'attività economica. "Più compri, più guadagni": una frase che, nella sua splendida semplicità, distilla l'intera logica di un modello di business basato sulla dipendenza strutturale dei suoi clienti.

Per comprendere perché questa logica sia così pericolosa, vale la pena ripercorrere la storia delle lampade a olio.

Il principio della lampada a olio: come donare la dipendenza

Verso la fine del XIX secolo, la Standard Oil Company di John D. Rockefeller diffuse nelle case americane una tecnologia semplice ma rivoluzionaria: la lampada a cherosene. La lampada in sé era economica, a volte persino gratuita. Il petrolio necessario per farla funzionare, invece, non lo era, e senza quel petrolio la lampada era inutile. Nel 1879, la Standard Oil controllava circa il 90% della capacità di raffinazione degli Stati Uniti, dettando quindi il prezzo dell'unico combustibile che alimentava le lampade. Il problema non era la lampada in sé, ma il sistema che ne derivava: una volta passati al cherosene, non si poteva più tornare indietro. Si continuava ad acquistarlo, fino alla fine dei propri giorni o fino a quando la Corte Suprema non si fosse pronunciata.

NVIDIA ha portato questo principio nell'era digitale, basandosi su 17 anni di paziente lavoro. Dal 2007, l'azienda sviluppa la sua piattaforma di programmazione proprietaria CUDA, ormai di fatto il sistema operativo dell'industria globale dell'IA. Con oltre 5 milioni di sviluppatori registrati, circa 5.937 progetti GitHub relativi alla sola CUDA (contro i 187 del prodotto concorrente ROCm di AMD) e praticamente ogni libreria di IA rilevante, da cuDNN e TensorRT ai framework PyTorch e TensorFlow, NVIDIA ha creato un abisso software che non può essere colmato solo con il capitale. La lampadina si chiama CUDA. Il petrolio si chiama calcolo. E una volta entrati nell'ecosistema, non c'è via d'uscita.

Ciò è chiaramente dimostrato dalla storia del progetto open-source ZLUDA, che ha reso possibile l'esecuzione di codice CUDA senza modifiche su hardware AMD. Quando la minaccia è diventata reale, NVIDIA ha silenziosamente e senza consultazione modificato i termini di servizio della piattaforma CUDA: i layer di traduzione sono stati vietati tramite EULA. Nessun tribunale, nessuna concorrenza leale: solo una clausola contrattuale che ha soffocato sul nascere una vera alternativa.

La Token Factory: un nuovo paradigma di creazione di valore

Il termine "AI Factory" non è una metafora, bensì una dichiarazione d'intenti. Alla conferenza GTC del marzo 2026, Jensen Huang ha esplicitamente definito cosa intendesse con questa espressione: i data center non sono più infrastrutture passive, ma impianti di produzione attivi la cui produzione, misurata in token al secondo, può essere tradotta direttamente in ricavi aziendali e prodotto interno lordo. Il token è la nuova unità di misura del barile per le materie prime digitali.

Ciò che inizialmente sembra una plausibile sistematizzazione, a un esame più attento, rappresenta un cambiamento fondamentale nell'attribuzione di valore. Tradizionalmente, il valore economico si misura in base al risultato: è stato risolto un problema? È stato realizzato un prodotto? Sono stati generati ricavi? Nel modello di Huang, il valore deriva dal calcolo stesso, indipendentemente dal fatto che il token contribuisca a risolvere un problema reale o si trasformi in un costoso tempo di inattività. Questo calcolo è valido per NVIDIA e le grandi aziende del settore cloud, poiché traggono profitto da ogni token creato. Per il cliente finale, invece, vale il contrario.

Secondo Huang, l'IA agentica, ovvero i sistemi che pianificano, ricercano ed eseguono autonomamente, può consumare un milione di volte più token rispetto a un prompt standard. Questa non è la descrizione di una rivoluzione in termini di efficienza, bensì la descrizione di una spesa operativa in crescita esponenziale. Chi implementa agenti di IA su larga scala non sta acquistando produttività, bensì consumo di token, il cui valore deve ancora essere dimostrato da risultati economici concreti.

Il potere del monopolio: numeri che mettono a tacere

La posizione di NVIDIA nel mercato dell'hardware per l'intelligenza artificiale non è più quella di un dominio di mercato nel senso tradizionale. Si tratta di un dato di fatto strutturale che persino gli osservatori più esperti del mercato finanziario ritengono motivo di cautela. Nel quarto trimestre dell'anno fiscale 2026 (da novembre 2025 a gennaio 2026), NVIDIA ha realizzato un fatturato trimestrale di 68,1 miliardi di dollari, con una crescita del 73% rispetto all'anno precedente. Il settore dei data center ha rappresentato il 91,5% del fatturato totale e il margine operativo rettificato è salito al 67,7%.

A titolo di confronto: le aziende di software, note per i loro elevati margini, raramente raggiungono valori superiori al 40%. NVIDIA, formalmente un'azienda di hardware, genera margini che sarebbero eccezionali persino per le aziende di piattaforme, a dimostrazione che il suo vero vantaggio competitivo risiede nel suo ecosistema software, non nel silicio. Secondo un'analisi di Handelsblatt, CUDA è il vero sistema operativo del settore dell'IA e il maggiore vantaggio competitivo di NVIDIA risiede nel suo codice, non nel suo chip.

Nel mercato delle schede grafiche dedicate, NVIDIA deterrà una quota di mercato del 94% entro il quarto trimestre del 2025, secondo i dati di Jon Peddie Research. AMD si attesterà al 5% e Intel all'1%. La quota di mercato nel settore delle GPU specifiche per l'intelligenza artificiale è comparabile. Nel settore della produzione di wafer utilizzati per i chip AI, NVIDIA dovrebbe raggiungere una quota del 77% nel 2025, secondo un'analisi di Morgan Stanley, rispetto al 51% dell'anno precedente.

Questa concentrazione non è una legge di natura, anche se Huang ama descriverla come tale. È il risultato di una strategia pluriennale basata sulla superiorità tecnologica, sulla segmentazione mirata del mercato e sulla creazione di un ecosistema in cui i costi di cambio fornitore per i clienti sono talmente elevati che persino aumenti di prezzo considerevoli vengono accettati senza proteste.

Il flusso di capitali: chi paga il conto?

La reale portata della dipendenza di NVIDIA non emerge dai dati forniti dalla stessa azienda, bensì dai piani di spesa in conto capitale dei suoi clienti più importanti. I cinque maggiori colossi americani del settore hyperscale – Amazon, Alphabet, Microsoft, Meta e Oracle – hanno annunciato investimenti complessivi compresi tra 660 e 690 miliardi di dollari per il 2026, quasi il doppio rispetto all'anno precedente. Di questi, circa il 55-60% è destinato, direttamente o indirettamente, a NVIDIA.

Solo Amazon ha annunciato investimenti per 200 miliardi di dollari entro il 2026, una somma che supera il prodotto interno lordo annuo del Portogallo. Si prevede che le spese in conto capitale di Alphabet aumenteranno da 91 a 180 miliardi di dollari, con un incremento del 98%. Microsoft sta incrementando il budget per i data center del 59% su base annua. Queste spese non sono più finanziate esclusivamente dal flusso di cassa libero. Si prevede che il flusso di cassa libero di Amazon diventerà negativo per una cifra compresa tra 17 e 28 miliardi di dollari nel 2026, quello di Meta dovrebbe diminuire di quasi il 90% e Oracle dovrebbe registrare un flusso di cassa libero negativo entro il 2030.

Chi paga alla fine? I grandi fornitori di servizi cloud trasferiscono i costi attraverso aumenti di prezzo. Nel gennaio 2026, AWS ha aumentato i prezzi delle istanze GPU H200 del 15%, invertendo la tendenza al ribasso dei prezzi del cloud computing registrata negli ultimi due decenni. I clienti aziendali che usufruiscono di servizi di intelligenza artificiale tramite il cloud pagano quindi direttamente il prezzo del monopolio di NVIDIA.

AllianceBernstein stima che NVIDIA trattenga circa il 30% della spesa totale per i data center dedicati all'IA come profitto. Ciò significa che per ogni euro che un'azienda europea spende in servizi cloud per l'IA, circa 30 centesimi finiscono nelle mani di un'azienda americana, senza alcun obbligo di ritorno sull'investimento sotto forma di risoluzione di problemi, innovazione o beneficio per la società. Il token viene prodotto. E questo è sufficiente.

Lo spreco come indicatore chiave di performance: la logica perversa della produttività

Jensen Huang ha dichiarato in diverse occasioni di trovare profondamente preoccupante che uno sviluppatore di software ben pagato non sostenga almeno un quarto di milione di dollari all'anno in costi simbolici. Questa affermazione viene spesso citata dai media tecnologici come prova della visione di Huang, ma raramente viene analizzata nella sua sostanza economica.

Un quarto di milione di dollari statunitensi in costi di token non è un indicatore di produttività. È un indicatore di consumo. La differenza cruciale: la produttività misura l'output per input. Il consumo misura solo l'input. Elevando il consumo di token a indicatore di gestione, Huang rompe con uno dei principi più antichi dell'amministrazione aziendale: non è l'utilizzo delle risorse a creare valore, ma il risultato.

In un certo senso, la pratica dà ragione a Huang, ma in un modo che danneggia le aziende. Aziende come Zapier monitorano già sistematicamente il consumo di token dei propri dipendenti. Chiunque utilizzi cinque volte più token della media viene sottoposto a un'attenta analisi interna per i suoi modelli di utilizzo. Ciò che è nato come controllo dei costi rischia di trasformarsi in una nuova forma di mania per la misurazione delle prestazioni, in cui i dipendenti imparano a inviare richieste inutili per evitare di scivolare in classifica. Il consumo diventa una dimostrazione di performance, lo spreco una forma di autodifesa.

Un recente sondaggio di Bitkom condotto su 604 aziende tedesche rivela che un terzo delle imprese che utilizzano l'intelligenza artificiale è rimasto sorpreso dai costi sostenuti. Il presidente di Bitkom, Ralf Wintergerst, ha confermato che molte aziende segnalano che gli agenti di intelligenza artificiale richiedono un supporto maggiore da parte dei dipendenti tradizionali rispetto a quanto inizialmente previsto. Brian Jabarian dell'Università di Chicago riassume la situazione: "Tutti pensavano che bastasse implementare i token di intelligenza artificiale, constatare un aumento della produttività e il gioco era fatto. Ma la realtà è più complessa"

La menzogna sulla produttività e le sue debolezze metodologiche

L'argomentazione principale di NVIDIA a sostegno della redditività economica della sua piattaforma è l'affermazione che l'intelligenza artificiale triplichi la produttività. Questa cifra presenta una limitazione metodologica che raramente viene discussa nel dibattito pubblico: si basa quasi esclusivamente su osservazioni nel campo dello sviluppo software, ovvero il gruppo professionale che trae maggior vantaggio dagli strumenti di intelligenza artificiale, possiede le competenze tecniche per un utilizzo ottimale e già lavora ampiamente con strumenti digitali.

L'Istituto per la ricerca sull'occupazione (IAB) ipotizza che l'impatto complessivo dell'IA sul mercato del lavoro tedesco sia reale, ma distribuito in modo considerevolmente più disomogeneo di quanto suggerito dalla presentazione di Huang: circa 800.000 posti di lavoro potrebbero andare persi a causa dell'IA, mentre allo stesso tempo ne verrebbero creati circa 800.000 nuovi, con un aumento complessivo della produttività economica fino a 0,8 punti percentuali all'anno. Questa cifra è economicamente significativa, ma ben lontana dal triplicare.

Lo studio "European Growth Study 2026" della società di consulenza strategica Simon-Kucher, basato su 1.236 interviste aziendali in 13 paesi europei, conclude che il 73% delle aziende utilizza attualmente l'intelligenza artificiale in meno del 30% dei propri processi e prevede effetti significativi sulla produttività o sull'occupazione solo con un tasso di penetrazione compreso tra il 30 e il 50%. Un'analisi del mercato del lavoro condotta dalla Fondazione Bertelsmann, basata su circa 60 milioni di offerte di lavoro, rileva che la quota di posti di lavoro legati all'intelligenza artificiale è rimasta stagnante a un livello già basso dal 2022 e ha addirittura subito un leggero calo nel 2023 e nel 2024.

Ciò non significa che l'IA non abbia un impatto economico. Significa che l'impatto è selettivo e distribuito in modo disomogeneo, e si manifesta molto più lentamente di quanto previsto dall'industria, mentre i costi si presentano immediatamente.

Una nuova dimensione della trasformazione digitale con 'Managed AI' (Intelligenza Artificiale) – Piattaforma e soluzione B2B | Xpert Consulting - Immagine: Xpert.Digital

Qui scoprirai come la tua azienda può implementare soluzioni di intelligenza artificiale personalizzate in modo rapido, sicuro e senza elevate barriere all'ingresso.

Una piattaforma di intelligenza artificiale gestita è la soluzione completa e senza pensieri per l'intelligenza artificiale. Invece di dover gestire tecnologie complesse, infrastrutture costose e lunghi processi di sviluppo, riceverai una soluzione pronta all'uso, su misura per le tue esigenze, da un partner specializzato, spesso entro pochi giorni.

I principali vantaggi in sintesi:

⚡ Implementazione rapida: dall'idea all'applicazione pronta all'uso in pochi giorni, non mesi. Forniamo soluzioni pratiche che creano un valore aggiunto immediato.

🔒 Massima sicurezza dei dati: i tuoi dati sensibili restano con te. Garantiamo un'elaborazione sicura e conforme alle normative, senza condividere i dati con terze parti.

💸 Nessun rischio finanziario: paghi solo per i risultati. Gli elevati investimenti iniziali in hardware, software o personale vengono completamente eliminati.

🎯 Concentrati sul tuo core business: concentrati su ciò che sai fare meglio. Ci occupiamo dell'intera implementazione tecnica, del funzionamento e della manutenzione della tua soluzione di intelligenza artificiale.

📈 A prova di futuro e scalabile: la tua IA cresce con te. Garantiamo ottimizzazione e scalabilità continue e adattiamo i modelli in modo flessibile alle nuove esigenze.

Maggiori informazioni qui:

• La soluzione di intelligenza artificiale gestita - Servizi di intelligenza artificiale industriale: la chiave per la competitività nei settori dei servizi, dell'industria e dell'ingegneria meccanica

La manovra RTX Spark: distruggere il mercato e vendere la soluzione

Uno degli aspetti più interessanti dell'attuale strategia di NVIDIA è l'introduzione della RTX Spark. Annunciata il 31 maggio 2026 al Computex di Taipei, la scheda combina un processore ARM a 20 core basato sull'architettura Grace con una GPU Blackwell dotata di 6.144 core CUDA e fino a 128 GB di memoria LPDDR5X condivisa. Vanta una potenza di calcolo per l'intelligenza artificiale fino a un petaflop. Tra i primi dispositivi a utilizzarla c'è il Surface Laptop Ultra di Microsoft.

A prima vista, sembra una reazione ai chip della serie M di Apple, che negli ultimi anni hanno dominato il mercato dei laptop di fascia alta con i loro efficienti processori ARM. Tuttavia, un'analisi più approfondita rivela qualcos'altro: l'enorme domanda di GPU per l'intelligenza artificiale da parte di NVIDIA nei data center ha contribuito in modo significativo alla scarsità e all'aumento dei costi dei chip di memoria, esercitando un'enorme pressione sul mercato tradizionale dei PC. L'intero mercato delle GPU (incluse le soluzioni grafiche integrate) si è ridotto del 12% a 68,8 milioni di unità nel primo trimestre del 2025. E ora NVIDIA lancia un PC ARM di fascia alta, dichiarando di fatto obsoleto il PC desktop convenzionale.

Lo schema è familiare: un mercato consolidato viene destabilizzato da fattori esterni. Poi compare un fornitore con una soluzione al problema che lui stesso ha contribuito a creare, naturalmente a prezzi elevati. La RTX Spark è esplicitamente destinata al mercato di fascia alta. I prezzi esatti non sono stati annunciati, ma gli osservatori del settore prevedono rincari significativi rispetto a dispositivi simili con processori Intel o AMD. Chi entra in questo nuovo ecosistema abbandona lo standard x86 e diventa quindi dipendente da ARM, una dipendenza ulteriormente rafforzata dall'ecosistema proprietario CUDA. In futuro, gli utenti potranno generare i propri token, sull'hardware di Huang, con il software di Huang, secondo le regole di Huang.

Macchine che producono per le macchine: l'argomento circolare di un'economia

Nella forma più radicale della sua visione, Huang descrive un mondo in cui agenti di intelligenza artificiale forniscono servizi ad altri agenti di intelligenza artificiale, i quali a loro volta dipendono da un'infrastruttura di intelligenza artificiale monitorata da ulteriori agenti. L'attività economica è autosufficiente: non necessita più di un utilizzo finale umano per essere misurabile, a patto che i token continuino a fluire.

Questo ragionamento circolare ha un'elegante logica interna per NVIDIA, ma è preoccupante per il resto dell'economia. Se i token vengono considerati un indicatore dell'attività economica, allora ogni token creato giustifica ulteriori investimenti in infrastrutture che generano altri token. Il risultato è una spirale in cui gli investimenti in capacità di calcolo vengono legittimati dalla produzione di token, il cui effettivo beneficio economico rimane poco chiaro. Per il settore tecnologico, si tratta di un circolo virtuoso. Per l'economia in generale, potrebbe rivelarsi una nuova versione dell'effetto di spiazzamento: il capitale che affluisce nelle fabbriche di token non è disponibile per investimenti produttivi in ​​settori come la produzione manifatturiera, le infrastrutture, l'istruzione o la sanità.

I dati dei colossi del cloud computing parlano chiaro: si prevede che il flusso di cassa libero di Amazon diventerà negativo nel 2026, mentre quello di Meta scenderà quasi a zero. Questo impegno di capitale non è indice di una sana valutazione economica, bensì il risultato di una corsa agli armamenti in cui nessuno può tirarsi indietro senza perdere quote di mercato. Chi non investe resta indietro, chi investe contribuisce a incrementare i margini di profitto di NVIDIA.

La dimensione ambientale: la terza parte invisibile nell'equazione

Un'analisi economica dell'economia dei token che ignori i costi ambientali sarebbe incompleta. Il consumo globale di elettricità da parte dei data center per l'intelligenza artificiale aumenterà da 50 miliardi di kilowattora nel 2023 a circa 550 miliardi di kilowattora nel 2030, un incremento di undici volte. Ciò sarà accompagnato da un aumento delle emissioni di gas serra provenienti dai data center, da 212 a 355 milioni di tonnellate di CO₂ equivalente, nonostante la parallela espansione delle fonti di energia rinnovabile.

In un rapporto commissionato da Greenpeace Germania, l'Öko-Institut (Istituto di Ecologia Applicata) conclude che i data center continueranno a dipendere fortemente dai combustibili fossili nei prossimi anni, poiché le reti elettriche locali stanno raggiungendo i loro limiti di capacità. Il FMI quantifica la quota combinata dei data center per l'intelligenza artificiale e delle criptovalute nel consumo globale di elettricità al 2% per il 2023, con un aumento previsto al 3,5% entro il 2027. Una query su ChatGPT consuma da tre a dieci volte più elettricità di una normale ricerca su Google.

Questi costi non compaiono in alcun bilancio di NVIDIA. Né sono inclusi nella determinazione del prezzo di un token. Si tratta di costi esternalizzati, sostenuti dai consumatori di energia, dai sistemi climatici e dalle generazioni future. In termini economici, rappresentano significative esternalità negative che sovvenzionano sistematicamente il modello di business dell'economia dei token senza alcuna trasparenza.

CUDA come olio standard: l'analogia e i suoi limiti

Il paragone storico tra la Standard Oil di Rockefeller e la piattaforma CUDA di NVIDIA ha una solida base analitica, ma va anche oltre. La Standard Oil controllava oleodotti e raffinerie: infrastrutture fisiche che, in linea di principio, potevano essere replicate, seppur con enormi investimenti di capitale. Il suo smembramento nel 1911 fu possibile perché gli impianti esistevano già e potevano essere suddivisi tra 34 società successive.

CUDA è più difficile da dividere. Non è un tubo che si può semplicemente tagliare. È un ecosistema di milioni di righe di codice, librerie, documentazione, competenze degli sviluppatori ed effetti di rete, costruito in 17 anni. Un livello di traduzione CUDA che renda il codice eseguibile su hardware AMD è contrattualmente vietato. Le alternative open source come ROCm o OpenCL sono in ritardo, con una portata e una maturità di mercato nettamente inferiori. Il budget di ricerca e sviluppo di 12,9 miliardi di dollari che NVIDIA sta reinvestendo nel proprio ecosistema nell'anno fiscale 2025 permette di acquisire ogni nuovo vantaggio prestazionale prima che un concorrente possa recuperare terreno.

Allo stesso tempo, la strategia di NVIDIA con i modelli open-weight è particolarmente sottile: l'azienda sta investendo 26 miliardi di dollari in cinque anni nello sviluppo di modelli di intelligenza artificiale aperti, modelli che chiunque può utilizzare gratuitamente. Tuttavia, i modelli Nemotron di NVIDIA vengono addestrati nel formato proprietario NVFP4 a 4 bit e liberano il loro pieno vantaggio prestazionale solo sull'hardware Blackwell. È come regalare una lampada a olio, ma fornendo l'olio proveniente da una sola raffineria.

Controforze e limiti strutturali del dominio

Sarebbe analiticamente scorretto presentare la posizione di NVIDIA come immutabile. Esistono delle vere e proprie forze contrapposte, sebbene la loro forza sia spesso sovrastimata. Le TPU di Google, Trainium di Amazon, MTIA di Meta e Maia di Microsoft sono valide alternative interne che hanno ridotto la quota di NVIDIA negli investimenti in conto capitale degli hyperscaler da circa il 70% nel 2023 a una stima del 55-60% nel 2026. Le serie MI300 e MI400 di AMD stanno guadagnando quote di mercato, in particolare in alcuni carichi di lavoro di inferenza.

Ma questo calo dal 70 al 55% si verifica in un contesto di enorme crescita complessiva del mercato. In termini assoluti, il fatturato di NVIDIA continua ad aumentare. I grandi fornitori di servizi cloud stanno sviluppando i propri chip perché sono consapevoli e temono la loro dipendenza da NVIDIA, ma possono diversificare il mercato solo nella misura in cui le alternative compatibili con CUDA saranno sufficientemente mature da gestire i carichi di lavoro di produzione. Quel momento è ancora lontano.

All'inizio del 2025, l'azienda cinese DeepSeek ha dimostrato che è possibile ottenere significativi miglioramenti in termini di efficienza, raggiungendo una qualità del modello comparabile con una frazione dello sforzo computazionale. L'Hasso Plattner Institute cita DeepSeek come un'azienda in grado di raggiungere la stessa precisione di addestramento con un centesimo del consumo energetico dei metodi convenzionali. Se questa logica di efficienza dovesse prevalere, la domanda di potenza di calcolo grezza diminuirebbe strutturalmente, esercitando pressione sul modello di volume di token di NVIDIA. Huang ha riconosciuto questa minaccia e sta posizionando l'efficienza, misurata in token per watt, come il nuovo parametro decisionale a livello di CEO. Il messaggio è chiaro: acquistare di più, ma acquistare macchine più efficienti, da NVIDIA.

Regolamentazione: la legislazione antitrust arriva troppo tardi?

A Bruxelles e a Washington si discute sempre più spesso se la posizione di mercato di NVIDIA giustifichi un'azione antitrust. Il paragone con la Standard Oil non è solo retorica: all'epoca, Rockefeller controllava l'industria petrolifera americana con una quota di mercato del 90%, prima che la sentenza del tribunale del maggio 1911 ne determinasse lo smembramento in 34 società successive. Le autorità garanti della concorrenza dell'UE hanno quantomeno istituito un quadro normativo con il Digital Markets Act e l'AI Act. Tuttavia, un intervento diretto contro l'ecosistema CUDA di NVIDIA è ancora in sospeso.

Il problema concettuale è ben noto: a differenza delle reti fisiche come oleodotti o linee ferroviarie, un ecosistema software non può essere facilmente aperto tramite interventi normativi. I requisiti di interoperabilità, ovvero l'obbligo di garantire alle alternative a CUDA lo stesso accesso hardware, sarebbero teoricamente fattibili, ma in pratica costosi e tecnicamente complessi. Inoltre, qualsiasi misura normativa dovrebbe essere implementata con sufficiente rapidità per modificare una struttura di mercato che si consolida quotidianamente con nuove generazioni di modelli, nuove architetture hardware e nuovi effetti di vendor lock-in.

Fino ad allora, vale quanto segue: chiunque investa in data center, utilizzi servizi di intelligenza artificiale basati sul cloud o formi i propri sviluppatori su framework basati su CUDA, sta pagando, direttamente o indirettamente, i profitti monopolistici di NVIDIA. Non si tratta di una teoria del complotto. Questa è la struttura di un mercato in cui un singolo fornitore controlla il 94% del segmento delle schede grafiche dedicate, il 77% della produzione di wafer di chip per l'IA e praticamente tutte le librerie software rilevanti per lo sviluppo dell'intelligenza artificiale.

Quando il consumo diventa fine a se stesso

La formula di Jensen Huang – il calcolo genera ricavi, i token generano profitti – è una delle dichiarazioni di strategia aziendale più oneste degli ultimi anni. Onesta non nel senso che sia formulata a beneficio dei clienti, ma nel senso che afferma ciò che molti altri tacciono: il modello di business non si basa sul valore generato al termine di un processo computazionale, ma sul processo stesso.

Si tratta di un'inversione fondamentale della logica di creazione del valore. In ogni altro settore, il prezzo è definito dal risultato: un ponte costruito, un farmaco sviluppato, un'auto venduta. Nell'economia dei token, il prezzo è definito dall'input: le ore di calcolo consumate, l'elettricità utilizzata, i pacchetti di dati elaborati. NVIDIA guadagna prima ancora che qualcuno possa valutare se l'investimento sia redditizio.

Non si tratta di una legge di natura. È un modello di business. E come ogni modello di business, ha limiti, punti deboli e – con un po' di pazienza – alternative. La questione è se le aziende, gli enti regolatori e il pubblico riconosceranno e promuoveranno queste alternative con sufficiente rapidità prima che la dipendenza diventi radicata tanto quanto lo era un tempo la lampada a olio nelle case americane. Ci vollero dal 1870 al 1911 perché la Standard Oil di Rockefeller venisse smembrata. Questa volta, il volano gira più velocemente.

☑️ La nostra lingua aziendale è l'inglese o il tedesco

☑️ NOVITÀ: Corrispondenza nella tua lingua madre!

Konrad Wolfenstein

Io e il mio team saremo lieti di essere a tua disposizione come tuo consulente personale.

Puoi contattarmi compilando il modulo di contatto qui [email protected]:o semplicemente chiamandomi al numero +49 7348 4088 965. Il mio indirizzo email è

Non vedo l'ora di iniziare il nostro progetto comune.

☑️ Supporto alle PMI in strategia, consulenza, pianificazione e implementazione

☑️ Creazione o riallineamento della strategia digitale e digitalizzazione

☑️ Espansione e ottimizzazione dei processi di vendita internazionali

☑️ Piattaforme di trading B2B globali e digitali

☑️ Sviluppo aziendale pionieristico / Marketing / PR / Fiere

La soluzione quasi interna: come Xpert.Digital colma le lacune operative nel marketing e nelle vendite B2B – Smart Content-Driven Business - Immagine: Xpert.Digital

Xpert.Digital è un hub industriale B2B basato sui dati, guidato da Konrad Wolfenstein . L'azienda funge da soluzione esterna, quasi interna, per i partner industriali, colmando le lacune operative in marketing, contenuti e vendite, senza richiedere risorse aggiuntive al cliente.

Maggiori informazioni qui:

• La soluzione quasi interna: come Xpert.Digital colma le lacune operative nel marketing e nelle vendite B2B – Smart Content-Driven Business