Perché Nvidia abbraccia improvvisamente l’open source? Ho capito la strategia di Jensen Huang!

Jensen Huang da una parte difende strenuamente l’ecosistema CUDA, dall’altra proclama l’apertura open source: sembra una contraddizione, ma in realtà potrebbe essere una delle mosse commerciali più astute di Nvidia degli ultimi anni.

L’11 agosto, The Information ha riferito che Nvidia sta sviluppando Nemotron 4, un modello AI open source il cui obiettivo per la versione di punta è almeno 1 trilione di parametri, il doppio di quelli del Nemotron 3 Ultra lanciato a giugno.

Allo stesso tempo, l’impegno pluriennale di Nvidia verso i servizi cloud è salito a 28 miliardi di dollari, circa tre volte rispetto a un anno fa.

Perché un’azienda che vende GPU investe così tanti soldi per sviluppare modelli AI gratuiti?

La risposta è molto semplice:

Più i modelli open source diventano diffusi, maggiore sarà la domanda di potenza di calcolo AI – e il maggior fornitore di GPU è proprio Nvidia.

Trasformare l’AI da strumento per pochi giganti a infrastruttura globale

Oggi, i modelli AI closed source, come la serie GPT di OpenAI, sono nelle mani di pochissime aziende.

Le aziende ordinarie che vogliono usare modelli di punta devono spesso farlo tramite servizi cloud, e la domanda di potenza di calcolo si concentra nei grandi player come OpenAI, Microsoft, Google.

I modelli open source sono tutta un’altra storia. Aziende, sviluppatori e persino enti governativi possono scaricare i modelli, adattarli alle proprie esigenze e distribuirli sui propri server o ambienti cloud. Ogni implementazione indipendente genera una nuova domanda di calcolo.

Il cuore della potenza di calcolo AI sono le GPU.

Kari Briski, vicepresidente di Nvidia per l’AI generativa, ha dichiarato che Nvidia investe in Nemotron perché crede che in futuro ogni impresa e ogni nazione avranno bisogno di modelli open source all’avanguardia di facile accesso.

Detto più semplicemente:

Abbassare la barriera di accesso all’AI, far entrare più persone nell’era AI, e spingere sempre più persone ad acquistare potenza di calcolo.

Perché Nvidia sta giocando questa partita:

Primo, espandere la base di clienti dai pochi giganti all’intero mercato

Negli ultimi anni i principali clienti dei chip AI di Nvidia sono stati Microsoft, OpenAI, Google, Amazon e pochi altri colossi. Queste aziende acquistano molte GPU, ma stanno anche sviluppando chip AI in proprio.

Se in futuro le applicazioni AI si diffonderanno a molte imprese, la domanda di potenza di calcolo passerà da pochi super-clienti a una miriade di aziende, startup e istituzioni.

Per Nvidia, significa una base clienti molto più ampia.

Secondo, il modello gratuito è il miglior strumento di vendita per GPU

Nemotron è open source: le aziende possono scaricarlo gratis.

Ma per farlo girare serve potenza di calcolo.

In un’intervista di luglio, Jensen Huang ha dichiarato:

“L’AI gratuita è un bene per l’hardware, l’AI gratuita è un bene per i chip.”

Una frase che esprime già la logica Nvidia:

Il software può essere gratuito, ma per farlo funzionare serve hardware.

Più il modello si diffonde, più cresce la domanda di GPU.

Terzo, usare l’ecosistema open source per sfidare le aziende di modelli closed source

I modelli open source costano meno e sono più flessibili da implementare, e stanno diventando la scelta privilegiata per molte aziende. Questo potrebbe cambiare le posizioni di realtà come OpenAI, Anthropic e altri big dell’AI closed source.

Nvidia da un lato vende GPU a queste aziende, dall’altro rafforza la propria influenza attraverso l’ecosistema open source.

Inoltre, Nvidia ha investito in società AI come Reflection AI, Thinking Machines Lab. Lanciare ora Nemotron equivale ad allargare ulteriormente la propria presenza nel campo del software AI.

Così è nata la “Nemotron Alliance”, che attira sviluppatori e aziende come Reflection, Cursor, Mistral e altri.

In parole semplici:

Se i concorrenti sono difficili da battere, tanto vale portarli nell’ecosistema.

Quarto, e più importante: rafforzare il fossato protettivo di CUDA

Molti si concentrano sul vantaggio hardware di Nvidia, ma quello che determina la competitività a lungo termine è l’ecosistema CUDA. Le GPU sono solo la porta d’accesso. Un’enorme base di sviluppatori, aziende e istituti di ricerca sviluppa applicazioni AI su CUDA, creando significativi costi di switching.

La strategia di Nvidia è chiarissima:

I modelli possono essere open source, ma l’ecosistema deve rimanere sotto il suo controllo.

I modelli sono open, ma la forza si rafforza su CUDA.

Nvidia sta entrando in una posizione molto più complessa

Tuttavia, Nemotron introduce un nuovo tema:

Nvidia si trova ora, in parte, in competizione con i suoi stessi clienti.

OpenAI è uno dei maggiori clienti di GPU Nvidia, e Nvidia stessa ha investito in OpenAI. Ma la filosofia di Nemotron è abbattere i costi di adozione dei modelli AI per le aziende e competere con parte del mercato closed source.

Questo significa che Nvidia potrebbe trovarsi in due ruoli:

Da un lato fornisce soluzioni ai player dell’AI; dall’altro, partecipa attivamente nell’ecosistema AI.

Un equilibrio delicato da mantenere.

28 miliardi di dollari di investimento cloud: scommessa sulla domanda futura di potenza di calcolo

Ad aprile, l’impegno pluriennale di Nvidia verso i servizi cloud ha raggiunto i 28 miliardi di dollari, con scadenze fino all’inizio del 2031.

Parte di questa potenza sarà impiegata per l’addestramento di Nemotron e altri modelli.

Dal punto di vista finanziario, i modelli open source in sé non generano grandi ricavi diretti.

Ma se spingeranno più aziende a distribuire AI, la domanda di GPU supererà di molto il valore stesso dei modelli.

In breve:

I modelli gratuiti sono l’entry-point, le GPU la vera fonte di ricavo.

Nvidia non ha per forza bisogno che Nemotron sia il più potente modello del mondo.

Quello che vuole vedere è:

Qualunque modello vinca, avrà sempre bisogno di tante GPU Nvidia per funzionare.

Guardiamo ora al nuovo piano di finanziamento per 500 miliardi di dollari in potenza di calcolo

Il 10 agosto, Nvidia ha annunciato una joint venture con Apollo Global Management, Blackstone, BlackRock, Brookfield, Goldman Sachs e KKR – giganti di Wall Street – per creare una nuova piattaforma di finanziamento della potenza di calcolo.

L’obiettivo: mobilitare nel lungo periodo oltre 500 miliardi di dollari di capitali di terzi.

Per semplificare:

In futuro le aziende potranno ottenere GPU non pagando tutto subito, ma tramite finanziamenti o leasing per accedere facilmente alla potenza di calcolo.

In passato, un’azienda AI doveva investire decine o centinaia di miliardi per costruire un data center. Oggi, le istituzioni finanziarie possono acquistare attrezzature e affittarle ai clienti, che pagano per l’utilizzo a lungo termine.

Larry Fink, CEO di BlackRock, ha paragonato il processo a quanto accaduto per la cartolarizzazione immobiliare negli anni scorsi sui mercati finanziari.

Jensen Huang ha dichiarato che questa è la prima volta che le infrastrutture tecnologiche vengono trasformate su larga scala in asset investibili.

Il cuore di questo modello: ridefinire il valore delle GPU

In passato, le GPU erano viste solo come hardware tecnologico.

Ma Nvidia vuole che il mercato capisca:

Le GPU stanno diventando sempre più simili a infrastrutture di base.

Nel futuro dominato dall’AI, la potenza di calcolo sarà vitale proprio come elettricità e internet per le aziende.

In sintesi:

• I modelli open source Nemotron generano maggiore domanda AI.
• La piattaforma da 500 miliardi abbassa la soglia d’accesso all’acquisto di potenza di calcolo.
• L’ecosistema CUDA blinda il vantaggio competitivo nel lungo periodo.

Tre direttrici che insieme delineano la futura strategia di Nvidia sulle infrastrutture AI.

Ovviamente, ci sono anche preoccupazioni di mercato.

Dopo l’annuncio della piattaforma, le azioni Nvidia hanno chiuso in calo del 2,86% e i credit default swap (CDS) a 5 anni sono saliti a 77,215 punti base, il maggior balzo giornaliero in due settimane.

Gli investitori si concentrano su tre rischi principali.

Primo, il rischio di “finanziamento circolare”.

I critici temono che Nvidia aiuti i clienti a finanziarsi, che a loro volta usano i soldi per comprare GPU Nvidia – generando un circolo chiuso dei fondi.

Secondo, il rischio di conflitto di interesse con i propri clienti.

Nvidia vende chip a OpenAI, ecc., e contemporaneamente entra nel software con modelli open source.

Terzo, se i ritorni dell’AI saranno in linea con questi enormi capitali investiti.

Oggi la spesa delle big tech mondiali è già di centinaia di miliardi, ma i ricavi dalle applicazioni AI restano modesti.

Se la crescita della domanda AI sarà inferiore alle attese, i rischi potrebbero trasmettersi lungo la filiera industriale e il sistema finanziario.

Secondo il portale azionario US:

Quello che Nvidia sta facendo in sostanza è promuovere la diffusione delle infrastrutture AI.

• I modelli open source Nemotron abbassano la soglia per usare l’AI.
• La piattaforma da 500 miliardi abbassa il baricentro per l’acquisto di potenza di calcolo.
• L’ecosistema CUDA fa sì che le future applicazioni AI girino ancora sulla piattaforma Nvidia.

Nel breve termine, queste strategie potranno creare timori per la concorrenza e i rischi finanziari. Nel lungo periodo, la scommessa di Huang riguarda un trend più grande:

L’AI potrebbe diventare come l’elettricità e internet, una base infrastrutturale per aziende e Paesi di tutto il mondo.

E in questa nuova “corsa alle infrastrutture”, Nvidia mira a essere il fornitore della potenza di base.

• 28 miliardi investiti nel cloud per allargare l’ecosistema.
• Piattaforma da 500 miliardi per ampliare il mercato.
• CUDA è il vero fossato competitivo di lungo periodo di Nvidia.