Nvidia avrebbe fatto ricorso ai finanziamenti per mantenere la domanda delle sue GPU: secondo Wccftech, che cita il Wall Street Journal, Jensen Huang avrebbe promosso accordi con startup di IA e fornitori di servizi cloud affinché ampliassero i propri centri dati e continuassero ad acquistare i chip dell’azienda. Sullo sfondo ci sarebbe l’eccesso di silicio e memoria che Nvidia aveva prenotato presso TSMC, non una semplice mancanza di capacità produttiva.
La distinzione è importante: il racconto non dimostra che non ci fosse carenza di componenti, ma descrive un’altra pressione sul mercato. Nvidia avrebbe dovuto collocare impegni di fornitura già assunti mentre alcuni dei suoi principali clienti riducevano la dipendenza dalle GPU commerciali.
Il finanziamento come soluzione all’eccesso di chip
Wccftech colloca l’episodio in una riunione dell’agosto 2026 tra Huang e la direttrice finanziaria di Nvidia, Colette Kress, diventata poi amministratrice delegata ad interim. Secondo la testata e quanto attribuisce al Wall Street Journal, Kress avrebbe voluto contenere gli impegni di finanziamento circolare con i fornitori di servizi cloud più piccoli e le grandi aziende di IA, tra cui OpenAI e Anthropic.
La cifra più concreta riguarda OpenAI. Le trattative avrebbero preso in considerazione la garanzia di capacità di calcolo pari a circa 8 gigawatt e fino a 250 miliardi di dollari; Kress avrebbe ridotto il limite firmato a circa 4,25 gigawatt e fino a 125 miliardi. La differenza non dimostra che OpenAI abbia ricevuto o utilizzato tale capacità: descrive l’entità delle garanzie prese in considerazione, secondo Wccftech, e il limite che sarebbe stato infine concordato.
Il meccanismo combina due ruoli: Nvidia venderebbe GPU e, allo stesso tempo, aiuterebbe a finanziare le aziende che devono costruire l’infrastruttura necessaria per acquistarle e metterle in funzione. Se la versione pubblicata è corretta, il sostegno finanziario avrebbe potuto trasformare in ordini effettivi una parte dell’offerta che altrimenti sarebbe rimasta senza un acquirente immediato. Avrebbe anche trasferito parte del rischio: oltre a vendere hardware, Nvidia sarebbe stata esposta alla capacità dei clienti di finanziare e realizzare quei centri dati.
“coming at him like an avalanche”
— Jensen Huang
Wccftech attribuisce a Huang questa descrizione degli impegni relativi ai wafer di TSMC e alla memoria che Nvidia si trovava ad affrontare. L’immagine dà contesto alla decisione: l’accumulo di componenti già prenotati può diventare un problema commerciale se la domanda finale o l’infrastruttura necessaria per utilizzarli non procede allo stesso ritmo.
I grandi clienti si allontanano dalle GPU standard
Secondo Wccftech, la spiegazione che Huang avrebbe fornito in privato è che i grandi fornitori di servizi cloud stavano passando a chip progettati internamente. Se questi clienti riducono gli acquisti di componenti commerciali, Nvidia perde una parte della domanda che aveva contribuito a giustificare i suoi ordini di produzione. Il finanziamento di operatori più piccoli e aziende di IA avrebbe contribuito a compensare questo ritiro.
Questo cambiamento ha una conseguenza diretta sulle trattative tra produttori e clienti: chi acquista GPU non è necessariamente un cliente che confronta soltanto prestazioni e prezzo. In questo racconto conta anche chi può finanziare un’espansione, assumere garanzie e trasformare una riserva di capacità in infrastruttura operativa. Per le aziende che dipendono da questi accordi, l’accesso alla capacità di calcolo può essere legato a impegni commerciali e finanziari più ampi.
Wccftech riporta anche una stima di Ed Zitron: almeno 200 miliardi di dollari di GPU per l’IA di Nvidia sarebbero inattivi nei magazzini dopo essere stati acquistati da fornitori di servizi cloud privi di sufficiente capacità elettrica o di una domanda immediata da parte degli utenti. Si tratta di una stima attribuita a Zitron, non di una cifra confermata da Nvidia nel materiale citato. La testata menziona inoltre un problema simile affrontato da Amazon, senza fornire ulteriori dettagli.
Il costo per sostenere la domanda
Per Nvidia, finanziare gli acquirenti potrebbe proteggere il flusso delle vendite ed evitare che un eccesso di chip faccia scendere i prezzi. Ma questa strategia concentra anche i rischi: se i clienti non riescono a procurarsi energia, infrastrutture o domanda per i propri servizi, il finanziamento non fa sì che le GPU vengano utilizzate. Consente soltanto di proseguire più a lungo con acquisti e implementazioni, aumentando potenzialmente l’esposizione di Nvidia attraverso le garanzie.
L’altra alternativa menzionata nell’articolo era ridurre gli ordini futuri a TSMC. Wccftech afferma che Nvidia ha contattato la fonderia per frenare le commesse successive. Adeguare gli acquisti può limitare l’eccesso futuro, ma non annulla gli impegni già assunti né risolve da solo il problema delle scorte esistenti. Nel racconto, finanziamenti e tagli agli ordini sarebbero risposte a fasi diverse dello stesso problema.
Per gli sviluppatori e le aziende che noleggiano capacità di IA, la conclusione pratica non è che ci siano GPU immediatamente disponibili né che i prezzi debbano necessariamente scendere. È che una parte della domanda potrebbe dipendere da accordi di finanziamento e dalla costruzione di centri dati, non soltanto dalle esigenze di calcolo dichiarate. Se i progetti sostenuti non arrivano alla fase di implementazione, gli acquisti finanziati possono coesistere con GPU inutilizzate; se invece vengono realizzati, sostengono gli ordini e l’attività infrastrutturale.
Cosa permette di affermare l’articolo
La versione pubblicata collega una riunione interna, i limiti delle garanzie e gli impegni di fornitura, ma non dimostra che Nvidia abbia deliberatamente creato una carenza generalizzata di GPU né che il finanziamento abbia determinato da solo i prezzi. L’affermazione centrale è più circoscritta: Huang avrebbe sostenuto l’uso del bilancio di Nvidia per sostenere gli acquirenti, mentre l’azienda affrontava un eccesso di chip e memoria.
Il confronto tra il limite iniziale attribuito a OpenAI e quello ridotto da Kress mostra la potenziale entità dell’esposizione, ma non chiarisce quanto denaro sia stato effettivamente erogato, quali condizioni fossero previste dalle garanzie né quante GPU siano poi entrate in funzione nei centri dati. Resta da capire se gli impegni di acquisto potessero trasformarsi in domanda di utilizzo reale al ritmo necessario a Nvidia.
Fonti: TechPowerUp, Wccftech
