Con un intervento pubblicato su X, Jensen Huang ha definito il prossimo livello della strategia infrastrutturale di NVIDIA: assicurarsi non soltanto semiconduttori, memoria e networking, ma anche land, power and shell – terreno, disponibilità di energia e infrastruttura fisica del data center. È il passaggio con cui NVIDIA porta il controllo della supply chain dell’AI fino alle risorse necessarie per rendere effettivamente installabile il compute.
La supply chain dell’intelligenza artificiale si estende quindi oltre i componenti tecnologici. Per Huang, LPS è diventato un insieme di risorse critiche per trasformare la domanda di sistemi AI in capacità computazionale operativa.
Huang definisce le AI factory come “l’infrastruttura che caratterizza l’era dell’AI – dove il compute trasforma energia e dati in intelligenza che alimenta ogni azienda, settore e Paese”. NVIDIA vuole ora applicare alle risorse fisiche che rendono possibile questa trasformazione la stessa logica utilizzata nella propria supply chain tecnologica: “Proprio come NVIDIA ha utilizzato la propria scala, la visibilità di lungo periodo e le partnership nella supply chain per assicurarsi risorse critiche nei semiconduttori, ora stiamo applicando la stessa disciplina per assicurarci capacità LPS esclusivamente destinata alle AI factory NVIDIA”.
Il nuovo collo di bottiglia viene prima delle GPU
I grandi cloud service provider e le imprese investment grade possiedono capacità finanziaria, competenze infrastrutturali e contratti di lungo periodo sufficienti per procurarsi autonomamente terreno, energia e data center. Huang precisa che questo modello continuerà a rappresentare la maggior parte del business di NVIDIA.
La situazione cambia per i frontier AI lab, che “hanno una domanda straordinaria di compute per training e inferenza, ma molti stanno crescendo più velocemente di quanto i loro bilanci e i loro profili creditizi di lungo periodo possano sostenere”. Possono disporre di una forte domanda e di ricavi in rapida crescita senza avere ancora la capacità di finanziamento investment grade necessaria per assumere autonomamente impegni infrastrutturali pluridecennali.
Il limite diventa fisico e finanziario insieme. Huang osserva che “la loro crescita è sempre più vincolata non dagli algoritmi o dalla domanda dei clienti, ma dalla disponibilità di compute” e collega direttamente l’espansione della capacità all’economia dei laboratori di frontiera: “Per queste aziende, più compute significa più intelligenza, più prodotti, più utenti e più fatturato”.
NVIDIA interviene quindi prima dell’installazione dei sistemi, assicurandosi che siano disponibili terreno, struttura e potenza elettrica sufficienti a portarli online.
Un impegno ventennale sull’infrastruttura
La prima applicazione della strategia coinvolge SB Energy, che metterà a disposizione l’infrastruttura destinata a ospitare compute NVIDIA, mentre OpenAI sarà il tenant e costruirà e gestirà la AI factory.
La prima fase prevede 4,25 gigawatt di capacità, con la possibilità per NVIDIA di assicurarsi successivamente altri 3,75 GW, portando il potenziale complessivo a 8 GW.
La durata dell’impegno distingue nettamente l’infrastruttura fisica dai sistemi installati al suo interno. NVIDIA sostiene capacità LPS per circa 4 GW lungo un periodo di 20 anni, mentre GPU e piattaforme di calcolo seguiranno cicli tecnologici molto più brevi. Huang individua qui “il punto economico essenziale”: “L’impegno LPS assicura un sito AI factory di lunga durata, mentre il compute NVIDIA al suo interno può essere aggiornato ripetutamente. Ogni nuova generazione può fornire maggiore produzione, più intelligenza e migliori economie”.
Terreno, disponibilità elettrica e strutture diventano quindi la base permanente sulla quale installare generazioni successive di hardware.
1,5 milioni di GPU per ogni generazione
OpenAI utilizzerà la piattaforma NVIDIA DSX, comprendente GPU, CPU, networking e software infrastrutturale. Ogni generazione di sistemi installata potrebbe corrispondere, secondo Huang, a circa 1,5 milioni di GPU NVIDIA e rappresentare tra 150 e 200 miliardi di dollari di fatturato per NVIDIA.
La scala aumenta considerando l’insieme degli impegni di OpenAI. Le installazioni esistenti e pianificate rappresentano circa 12 GW di compute NVIDIA fino al 2030; l’eventuale estensione dell’accordo per gli ulteriori 3,75 GW disponibili porterebbe l’opportunità complessiva a circa 16 GW.
Huang quantifica questo scenario in circa 600 miliardi di dollari di compute NVIDIA entro il 2030. La disponibilità di LPS diventa così una condizione necessaria per convertire una domanda commerciale di queste dimensioni in sistemi effettivamente installati.
Il rischio assunto da NVIDIA diminuisce con l’entrata in funzione dei data center
NVIDIA non acquista l’intera infrastruttura e non assume tutte le obbligazioni di OpenAI. Il sostegno riguarda porzioni definite dei pagamenti di leasing e dell’energia, insieme a uno specifico impegno sul valore residuo.
Huang delimita esplicitamente l’esposizione: “Il nostro supporto è limitato a porzioni definite dei pagamenti di leasing e dell’energia, insieme a uno specifico impegno sul valore residuo – non al costo completo del sito o a tutte le obbligazioni del tenant”.
La garanzia entrerà in vigore progressivamente con la messa in servizio dei data center tra 2028 e 2030 e seguirà un profilo decrescente: “Man mano che OpenAI effettua i pagamenti del leasing e la capacità entra online, l’esposizione residua di NVIDIA diminuisce”.
L’operazione estende verso gli asset fisici ed energetici il modello con cui il compute viene trasformato in un asset finanziabile. In questo caso NVIDIA utilizza direttamente il proprio peso finanziario e la visibilità sulla domanda futura per rendere disponibile la capacità infrastrutturale nella quale installare i sistemi.
Huang risponde all’obiezione del circular financing
Il rapporto tra garanzia NVIDIA, OpenAI come tenant e futura installazione di sistemi NVIDIA pone la questione del circular financing. Huang la affronta direttamente: “No. OpenAI pagherà il leasing”.
La garanzia viene ricondotta alla gestione degli input critici della supply chain. “NVIDIA utilizza la propria scala e la visibilità di lungo periodo per assicurarsi [la capacità] destinata a ospitare compute NVIDIA. È la stessa disciplina che applichiamo alla gestione della supply chain: ci assicuriamo input critici quando abbiamo visibilità sulla domanda dei clienti e quando farlo consente di creare capacità produttiva di lungo periodo”, spiega Huang.
NVIDIA assume quindi un rischio legato alla disponibilità futura dell’infrastruttura sulla base della domanda di compute che prevede di dover soddisfare.
Se OpenAI lascia la capacità, può subentrare un altro tenant
Un impegno ventennale introduce anche il rischio che il cliente iniziale non utilizzi l’infrastruttura per l’intera durata del contratto. Huang prevede in questo caso la riallocazione della capacità: “Il compute NVIDIA è versatile, fungibile e ampiamente adottato. La capacità può essere rivenduta a un altro tenant qualificato nell’ecosistema globale NVIDIA di cloud service provider, imprese, laboratori AI e startup”.
La dimensione dell’ecosistema diventa quindi una componente della gestione del rischio. L’infrastruttura non viene valutata esclusivamente sulla domanda di OpenAI: Huang sottolinea che “il valore di un sito eccezionale non è limitato a un singolo cliente o a una singola generazione di compute”.
La durata ventennale dell’LPS può così essere separata dalla permanenza del singolo tenant e dal ciclo di vita delle GPU installate.
NVIDIA interverrà soltanto su una parte dei siti
L’assunzione diretta di impegni LPS non diventerà il modello standard delle vendite NVIDIA. Huang definisce l’approccio “strategico e disciplinato” e precisa che “la grande maggioranza dell’LPS che ospita compute NVIDIA continuerà a essere assicurata direttamente da CSP, imprese, costruttori di sovereign AI e altri clienti”.
NVIDIA concentrerà il proprio intervento sui casi nei quali “una domanda visibile e durevole può sostenere più generazioni di compute NVIDIA”. È una selettività necessaria perché terreno, connessioni alla rete elettrica e strutture per data center sono geograficamente vincolati e richiedono contratti molto più lunghi rispetto ai cicli di sviluppo dei processori.
L’AI factory si estende fino alla rete elettrica
LPS amplia ulteriormente il perimetro industriale controllato da NVIDIA. Huang ricostruisce la progressione: “Abbiamo iniziato costruendo chip per l’accelerated computing. Poi ci siamo espansi verso sistemi, networking, CUDA e AI factory full-stack. Oggi stiamo contribuendo ad assicurarci l’infrastruttura critica necessaria per costruire queste factory”.
Con questo passaggio la piattaforma arriva alle condizioni fisiche necessarie per funzionare: terreno, capacità del data center e disponibilità di gigawatt di potenza elettrica. I tempi necessari per ottenere connessioni alla rete, sviluppare i siti e sottoscrivere contratti pluridecennali entrano così direttamente nella capacità di NVIDIA di trasformare gli ordini futuri in sistemi operativi.
Assicurarsi LPS significa convertire la visibilità sulla domanda futura di GPU in disponibilità anticipata dello spazio e dell’energia necessari per installarle. È un’estensione della supply chain verso risorse con tempi di sviluppo molto più lunghi di quelli di una generazione di acceleratori e che, proprio per questo, possono determinare quanta capacità AI sarà realmente possibile mettere in produzione.
