Immagine copertina generata con l’intelligenza artificiale
Nvidia sta cercando di spingere il mercato dell’intelligenza artificiale verso una nuova frontiera finanziaria: trasformare la capacità di calcolo in un vero e proprio asset investibile. L’azienda guidata da Jensen Huang sta lavorando con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR a un’operazione che potrebbe arrivare a 500 miliardi di dollari di finanziamenti. L’obiettivo è sostenere l’acquisto e l’utilizzo dei chip Nvidia attraverso nuovi strumenti finanziari.
Compute come asset: la strategia di Nvidia
Jensen Huang sostiene che i chip tecnologici siano ormai diventati asset capaci di generare ricavi, oltre che produttivi, longevi, fungibili e flessibili. Il CEO di Nvidia ha paragonato questo momento agli inizi della sua esperienza nel mercato dei mortgage-backed securities negli anni Settanta, descrivendolo come l’inizio di una nuova fase dell’ingegneria finanziaria.
La definizione di compute utilizzata da Nvidia, tuttavia, non coincide necessariamente con l’intera infrastruttura di un data center. Huang considera infatti l’insieme formato da GPU, software CUDA, networking, sistemi e strumenti per l’intelligenza artificiale come una piattaforma integrata. Restano invece fuori, almeno nella sua descrizione, gli edifici e le infrastrutture fisiche necessarie per ospitare questi sistemi.
Dai chip ai prestiti garantiti dalle GPU
Dietro il concetto di nuova asset class c’è quindi una dinamica finanziaria già conosciuta: i chip Nvidia possono diventare il collaterale di nuovi finanziamenti. Un precedente importante è arrivato da Broadcom, che ha messo a punto un pacchetto da 35 miliardi di dollari insieme ad Apollo e Blackstone, utilizzando circa un milione di chip come garanzia. L’operazione puntava a finanziare l’acquisto di infrastrutture di calcolo e, allo stesso tempo, a sostenere la domanda per i chip.
Nvidia sembra voler seguire una strada analoga su scala decisamente maggiore. La questione centrale riguarda però la durata economica delle GPU. Huang indica per alcuni chip, come l’A100, una vita commerciale che può arrivare verso i dieci anni grazie a implementazioni pluriennali. Una valutazione molto più lunga rispetto alle stime di chi considera appropriato un ciclo di ammortamento di due, tre o cinque anni.
Questo aspetto è fondamentale per i finanziatori: più a lungo un chip mantiene valore economico, maggiore può essere la quantità di capitale ottenibile utilizzandolo come garanzia. Nel caso di società come CoreWeave, infatti, la capacità di indebitamento diminuisce con il progressivo deprezzamento delle GPU.
Una grande opportunità, ma anche nuovi rischi
La strategia presenta però diversi interrogativi. La domanda di capacità di calcolo è cresciuta e, in alcuni casi, anche i prezzi per l’utilizzo di GPU meno recenti sono aumentati. La maggiore richiesta di capacità per l’inference ha contribuito a mantenere elevate le tariffe, invertendo almeno in parte la tradizionale tendenza alla diminuzione dei prezzi dei chip più vecchi.
Il problema è capire se questa dinamica possa durare. Data center in costruzione, concorrenza tra fornitori e chip alternativi potrebbero mettere pressione sui prezzi. Anche i processori tradizionali possono essere utilizzati per alcune attività di inference a costi inferiori, mentre la velocità con cui le aziende adotteranno realmente l’AI sarà determinante per sostenere la domanda.
A questo si aggiunge la questione della redditività delle società che acquistano capacità di calcolo. Per le piattaforme cloud la compute rappresenta una fonte di ricavi, mentre per molte altre aziende costituisce soprattutto un costo. Se le società che sviluppano modelli AI non riuscissero a trasformare l’enorme domanda di calcolo in profitti, il sistema finanziario costruito attorno alle GPU potrebbe trovarsi esposto a nuovi rischi.
Nvidia rafforza la propria posizione sul mercato
Per Nvidia l’operazione potrebbe comunque rappresentare un vantaggio significativo. Rendere più semplice ottenere finanziamenti per acquistare le sue GPU significa ridurre indirettamente il costo dei suoi prodotti senza abbassarne il prezzo. I finanziatori, inoltre, avrebbero interesse a favorire una maggiore standardizzazione delle configurazioni dei data center, rendendo più semplice prevedere i ricavi generati dai chip e, in caso di insolvenza, rivendere il collaterale.
Resta però il tema della cosiddetta circular financing. Nvidia ha già investito in diverse società che acquistano o utilizzano i suoi chip. Spostando parte del finanziamento verso grandi operatori finanziari, l’azienda può ridurre l’esposizione diretta, ma non necessariamente eliminare ogni forma di rischio sistemico. Secondo l’analisi riportata da The Verge, potrebbe infatti emergere una nuova forma di circolarità, con i rischi trasferiti verso i soggetti che alla fine detengono i prestiti.
La grande incognita resta dunque la reale capacità delle GPU di mantenere il proprio valore nel tempo. Se la domanda dovesse diminuire rapidamente, il valore del collaterale potrebbe scendere e mettere sotto pressione i finanziatori. Nvidia, in alcuni accordi, avrebbe previsto anche un supporto sul valore residuo fino al 25%, proprio per ridurre questo rischio.
Fonte: The Verge
