Il mercato dell’intelligenza artificiale sta entrando in una fase nella quale il valore di un’impresa non si misura più soltanto dalla qualità dei suoi modelli, ma dalla capacità di assicurarsi in anticipo la potenza di calcolo necessaria per addestrarli e utilizzarli. Le TPU di Google, i chip GPU di Nvidia e l’energia elettrica indispensabile per alimentare i data center stanno assumendo un peso strategico che supera quello di una normale fornitura tecnologica. Il punto è semplice, anche se le conseguenze sono tutt’altro che banali: la capacità di calcolo sta diventando una risorsa negoziale, mentre l’energia ne determina il valore economico effettivo.
Google si prepara a estendere la distribuzione dei propri chip proprietari attraverso Oracle, mentre OpenAI, storicamente legata alle GPU di Nvidia, starebbe valutando l’acquisto di TPU per diversificare le proprie risorse computazionali. Anthropic, dal canto suo, ha indicato nel prospetto informativo relativo alla prevista quotazione impegni finanziari di dimensioni eccezionali con Google Cloud e Broadcom. Le cifre riportate sono impressionanti, ma richiedono una distinzione essenziale: gli impegni contrattuali pluriennali non equivalgono a ricavi già incassati, né rappresentano necessariamente acquisti di chip in senso stretto. Una parte riguarda servizi cloud e capacità di calcolo, mentre i rapporti con Broadcom coinvolgono la progettazione e la fornitura dell’infrastruttura TPU. La dimensione finanziaria segnala comunque quanto la disponibilità di hardware stia diventando una questione centrale nella competizione tra i laboratori di frontiera.
Il passaggio più rilevante è la decisione di Oracle di rendere disponibili le TPU ai clienti della propria infrastruttura cloud. L’annuncio ufficiale del 27 ottobre conferma che il servizio arriverà nel corso del 2027, con una distribuzione progressiva su più anni. Oracle fornirà l’infrastruttura fisica necessaria, compresi alimentazione elettrica, raffreddamento e rete dei data center, mentre Google porterà la propria architettura di accelerazione AI. oracle.com È un cambiamento industriale significativo: Google non deve più convincere ogni cliente a trasferire l’intero ambiente tecnologico nel proprio cloud per monetizzare il silicio sviluppato internamente. Può raggiungere imprese che acquistano capacità da altri operatori, ampliando il mercato potenziale delle TPU e introducendo una nuova pressione competitiva sui prezzi dell’inferenza.
La distinzione tecnica rispetto a Nvidia conta, ma non va trasformata in una guerra di religione tra chip. Le TPU, progettate per accelerare operazioni tipiche del machine learning, possono offrire vantaggi economici in determinati carichi di lavoro; le GPU Nvidia dispongono invece di un ecosistema software consolidato, sostenuto da CUDA e da anni di integrazione con gli strumenti utilizzati dagli sviluppatori. La scelta dipende dal modello, dalle librerie, dalla distribuzione del carico e dal costo complessivo di esecuzione. Per un’impresa che serve milioni di richieste, anche una riduzione relativamente contenuta del costo per token può modificare sensibilmente i margini. Per un laboratorio che sviluppa modelli di frontiera, invece, la disponibilità di capacità computazionale può contare più di qualsiasi differenza teorica nei benchmark. È questa combinazione a spiegare perché OpenAI possa prendere in considerazione le TPU pur continuando a utilizzare infrastrutture Nvidia.
Il prospetto depositato da Anthropic presso la Securities and Exchange Commission rende il fenomeno ancora più concreto. Il documento descrive una strategia nella quale la capacità di calcolo viene gestita come un insieme coordinato di risorse provenienti da fornitori differenti, includendo AWS Trainium, Google TPU, Nvidia e AMD. sec.gov Gli impegni economici associati all’infrastruttura sono enormi e si estendono su più anni; proprio per questo sarebbe sbagliato leggerli come una semplice previsione di acquisti imminenti. Rappresentano piuttosto una scommessa sulla domanda futura di servizi AI e, contemporaneamente, un rischio finanziario: se la crescita dei ricavi rallentasse mentre i contratti continuassero a generare obblighi di pagamento, una parte consistente della liquidità potrebbe essere assorbita da risorse che non producono il rendimento atteso. Il silicio, in questo mercato, è diventato anche una forma di esposizione al rischio industriale.
Le stime degli analisti sul potenziale commerciale delle TPU devono essere interpretate con la stessa cautela. The Information riporta la previsione di TD Cowen secondo cui il business potrebbe arrivare a 138 miliardi di dollari nel 2028, pari al 34% dei ricavi allora stimati per Google Cloud. Si tratta di una proiezione, non di un risultato acquisito. The Information La differenza è fondamentale per valutare il mercato: il valore economico di una capacità prenotata dipende dal suo effettivo utilizzo, dai prezzi applicabili e dai costi necessari per renderla disponibile. Una TPU installata in un data center non genera automaticamente margini elevati; occorre alimentarla, raffreddarla, collegarla agli altri acceleratori e mantenerla sufficientemente occupata. L’economia del cloud AI si gioca proprio sul divario tra la capacità teoricamente disponibile e quella che può essere venduta in modo profittevole.
L’energia elettrica entra in questo quadro come variabile decisiva, benché spesso venga trattata come un costo operativo secondario. Non lo è più. Quando un data center assorbe centinaia di megawatt, la disponibilità di connessioni alla rete, la capacità di generazione e i tempi autorizzativi possono diventare vincoli più severi della disponibilità dei chip. Un acceleratore inutilizzato perché manca potenza elettrica non è un investimento produttivo; è capitale immobilizzato. Per questo la competizione tra operatori cloud si sta estendendo alla geografia dell’energia, ai contratti di fornitura e alla possibilità di costruire infrastrutture dove la rete può sostenere carichi sempre più elevati. La nuova moneta di scambio non sarà dunque soltanto la TPU, ma la combinazione tra acceleratori disponibili, energia garantita e capacità di trasformarli in servizi remunerativi. Chi controlla questa combinazione può negoziare da una posizione di forza con i laboratori AI, che hanno bisogno di capacità immediata per soddisfare la domanda dei clienti.
La risposta di Nvidia mostra quanto il settore sia diventato competitivo anche sul piano finanziario. L’azienda ha annunciato l’ampliamento della collaborazione con Meta, che intende aumentare l’impiego dei suoi chip, mentre l’accordo prevede anche un investimento di Nvidia nell’offerta azionaria di Meta. Parallelamente, Oracle continua a rafforzare la propria infrastruttura Nvidia pur aprendo le porte alle TPU di Google e ad altri acceleratori specializzati. Reuters +1 La strategia è indicativa: i grandi operatori non vogliono dipendere da una sola architettura, mentre i produttori di chip cercano di consolidare relazioni commerciali che garantiscano domanda nel lungo periodo. In un mercato caratterizzato da investimenti miliardari, le alleanze possono ridurre il rischio di approvvigionamento, ma possono anche intrecciare fornitori, clienti e finanziatori in rapporti difficili da separare. La crescita del settore non elimina il rischio; lo distribuisce lungo una catena più complessa.
Per le imprese europee, la questione ha implicazioni che vanno oltre la scelta tra Nvidia e Google. Se la capacità computazionale diventa una risorsa strategica, affidarsi a un solo fornitore può esporre a variazioni dei prezzi, vincoli contrattuali e dipendenze tecnologiche difficili da correggere in seguito. La diversificazione dell’hardware, quando sostenibile dal punto di vista software, diventa quindi una decisione di governance prima ancora che un’ottimizzazione tecnica. Lo stesso vale per l’energia: la competitività dell’intelligenza artificiale dipenderà anche dalla possibilità di accedere a elettricità affidabile a prezzi prevedibili, senza sacrificare la sostenibilità economica dei servizi. Per un cloud provider europeo, disporre di infrastrutture efficienti e di accordi energetici solidi può rappresentare un vantaggio concreto, soprattutto nei casi in cui la localizzazione dei dati e il controllo dell’ambiente di esecuzione siano requisiti aziendali.
Resta una questione che gli annunci industriali tendono a lasciare sullo sfondo. L’aumento della capacità di calcolo crea valore soltanto se esiste una domanda in grado di remunerarla. Le prenotazioni pluriennali e gli accordi per nuove infrastrutture possono anticipare ricavi futuri, ma possono anche alimentare una corsa agli investimenti nella quale ciascun operatore costruisce capacità per non perdere terreno rispetto ai concorrenti. Se i modelli diventassero più efficienti o i prezzi dell’inferenza scendessero più rapidamente del previsto, parte delle infrastrutture potrebbe rivelarsi sovradimensionata. Se invece la domanda di agenti AI e servizi automatizzati continuasse a crescere, la disponibilità di energia e acceleratori potrebbe diventare il principale fattore limitante dell’espansione. La differenza tra questi due scenari non è accademica: determina il rendimento dei capitali investiti e la distribuzione del potere economico nell’industria.
La notizia delle TPU, quindi, racconta qualcosa di più di una sfida tecnologica a Nvidia. Google sta trasformando un vantaggio costruito per uso interno in un potenziale mercato infrastrutturale, Oracle si propone come piattaforma capace di offrire architetture differenti e i laboratori AI stanno cercando di assicurarsi risorse prima che la domanda futura ne faccia salire ulteriormente il prezzo. In questo sistema, il chip è il punto di partenza, non il prodotto finale. Il valore nasce dalla capacità di alimentarlo, utilizzarlo con continuità e vendere il calcolo a un prezzo superiore al costo complessivo dell’infrastruttura. La prossima fase della competizione AI si giocherà sulla disponibilità di calcolo economicamente sostenibile. Le TPU possono ridisegnare gli equilibri tra i fornitori, ma sarà l’accesso all’energia, insieme all’efficienza con cui viene trasformata in inferenza, a stabilire chi riuscirà davvero a guadagnare dalla crescita dell’intelligenza artificiale.