Nvidia ha raggiunto un accordo per acquisire Hugging Face per 12,9 miliardi di dollari, un’operazione che gli analisti mettono ora a confronto con gli ultimi risultati trimestrali per capire se il gruppo riuscirà a contenere l’avanzata di Broadcom nei chip per l’intelligenza artificiale.
Il confronto si fa più nitido sul fronte dell’offerta. Nvidia vende GPU general purpose, oggi dominanti sia nell’addestramento sia nell’inferenza dei modelli AI, mentre Broadcom sviluppa ASIC custom, progettati su misura per i carichi di lavoro dei grandi hyperscaler: un segmento cresciuto del 44,6% anno su anno, contro il 16,1% delle GPU.
Also Read: Valutazione Gimlet Labs schizza a 3 miliardi con il nuovo round
Questo divario di crescita di 28 punti percentuali è il “punto di pressione” industriale a cui l’acquisizione mira a rispondere, ed è il motivo per cui l’operazione Hugging Face va letta come qualcosa di ben più strategico di una semplice caccia ai talenti o agli strumenti.
Il fossato competitivo del software
Diverse analisi interpretano l’accordo come una copertura contro lo slancio di Broadcom nel custom silicon, più che come una pura scommessa sulla ricerca AI. Controllando una piattaforma cardine per i modelli open source e per la community di sviluppatori, Nvidia può ancorare il proprio vantaggio hardware a uno strato software che gli ASIC custom non possono replicare facilmente, sottolinea Shattered.io.
La logica, dal lato dell’offerta, è lineare: un ecosistema di sviluppatori sempre più legato a CUDA e alla relativa toolchain alza il costo di migrazione per singola unità di inferenza, un fattore cruciale man mano che il costo di calcolo per token si comprime.
La proposta di valore di Broadcom per gli hyperscaler si fonda sull’efficienza: chip costruiti attorno alle esigenze di calcolo specifiche di un singolo cliente, invece dell’architettura generalista di Nvidia pensata per servire una molteplicità di workload contemporaneamente, come evidenziato nel confronto sugli utili del Motley Fool.
Quando la spesa in conto capitale degli hyperscaler si sposta verso il silicio custom e si allontana dalle GPU “a catalogo”, è proprio quel flusso di capex a fornire il segnale più credibile, al di là di qualsiasi dichiarazione pubblica di “neutralità” rispetto ai fornitori.
Also Read: Polygon apre un corridoio di donazioni cripto per il Nepal Disaster Relief Fund
Cosa guardano ora gli investitori
Gli analisti restano positivi su entrambe le società, richiamando la crescita di circa il 30% degli investimenti in capex da parte degli hyperscaler come prova che la fase di costruzione delle infrastrutture AI lascia ancora spazio di espansione sia ai fornitori di GPU sia a quelli di ASIC.
Il nodo aperto è se lo strato software di Nvidia, ora rafforzato dalla piattaforma acquisita, riuscirà a preservare il vantaggio di margine nel momento in cui un numero crescente di cloud provider opterà per progettare internamente il proprio silicio custom invece di acquistare GPU standard.
La risposta arriverà prima nei livelli di capacità impegnata e nelle curve del costo per inferenza che nella narrazione ufficiale degli utili.
Read Next: OpenAI lancia GPT-6 Astra, il suo modello più avanzato di sempre
