Dalle startup alle Big Tech, i rivali di Nvidia si moltiplicano: può essere detronizzata?

La corsa a sfidare il dominio di Nvidia nei chip per l'intelligenza artificiale entra in una nuova fase, con startup che attraggono miliardi di dollari in finanziamenti, le Big Tech che accelerano lo sviluppo interno di chip e gli investitori che scommettono che la prossima fase del calcolo AI potrebbe non appartenere esclusivamente alle unità di elaborazione grafica.

Sebbene Nvidia continui a dominare il mercato dell'hardware per l'AI, l'attenzione si sta spostando sempre più dall'addestramento di modelli massicci all'esecuzione efficiente di questi in applicazioni reali, nota come inferenza.

Questa transizione ha aperto la porta a una nuova generazione di produttori di chip che promettono prestazioni più elevate, consumi energetici inferiori e costi operativi significativamente più ridotti.

L'ultimo richiamo è arrivato mercoledì, quando la startup di chip AI SambaNova ha raccolto $1 billion in nuovo finanziamento, evidenziando la disponibilità degli investitori a sostenere aziende che cercano di ritagliarsi una quota di uno dei mercati tecnologici in più rapida crescita al mondo.

Il round valuta SambaNova $11 billion ed è stato guidato da General Atlantic, con la partecipazione di Seligman Ventures, T. Rowe Price e Capital Group.

Il recente investimento segue un round separato all'inizio di quest'anno in cui la società ha raccolto oltre $350 million da investitori tra cui Intel, insieme a una partnership strategica.

Secondo un rapporto della CNBC pubblicato in aprile, le startup di chip AI hanno raccolto $8.3 billion a livello globale nel 2026.

Salvo un forte calo dei mercati del finanziamento, gli investimenti nel settore dovrebbero raggiungere livelli record quest'anno.

Fonte: CNBC

L'attenzione si sposta dall'addestramento all'inferenza

Nvidia ha costruito il suo dominio sulle unità di elaborazione grafica originariamente progettate per il gaming ma successivamente adattate all'addestramento dei modelli AI.

Questi chip rimangono lo standard del settore per la costruzione di modelli linguistici di grandi dimensioni.

Tuttavia, man mano che le imprese implementano sempre più applicazioni AI anziché addestrare nuovi modelli di base, l'industria presta maggiore attenzione all'inferenza, il processo con cui i modelli AI addestrati rispondono alle richieste degli utenti.

Molte startup sostengono che le GPU, pur essendo eccezionalmente potenti, non sono mai state progettate specificamente per i carichi di lavoro AI.

Al contrario, ritengono che processori specializzati progettati specificamente per l'inferenza possano ridurre drasticamente i costi consumando meno energia.

Elenco di startup di chip AI che cercano di sfidare Nvidia

SambaNova è tutt'altro che l'unica azienda che cerca di allentare la presa di Nvidia sull'infrastruttura AI.

Cerebras, che ha recentemente debuttato sui mercati pubblici dopo aver raccolto $5.5 billion, si è a lungo posizionata come una delle concorrenti più forti di Nvidia.

Morgan Stanley ha sostenuto che la società gode di un vantaggio del primo arrivato in alcuni segmenti del calcolo AI.

Un altro attore molto osservato è Groq, la cui architettura focalizzata sull'inferenza ha attirato così tanta attenzione che Nvidia ha accettato di concedere in licenza parte della sua tecnologia dei chip e ha assunto il suo amministratore delegato lo scorso dicembre.

CNBC ha poi riportato che Nvidia aveva accettato di acquisire Groq per $20 billion in contanti, sebbene nessuna delle due società abbia confermato la notizia.

Groq ha dichiarato che avrebbe continuato a operare in modo indipendente sotto la guida dell'amministratore delegato Simon Edwards.

Interessante che Nvidia abbia poi introdotto la propria unità di elaborazione del linguaggio alla conferenza annuale GTC a marzo, suggerendo che stia incorporando idee provenienti dai nuovi concorrenti piuttosto che ignorarle.

Un'altra startup che attira attenzione è D-Matrix, fondata nel 2019.

La società afferma che i suoi processori possono eseguire carichi di lavoro di inferenza fino a 10 volte più velocemente consumando cinque volte meno energia rispetto alle GPU Nvidia standalone, a condizione che i carichi di lavoro restino relativamente piccoli.

D-Matrix ha raccolto finora circa $500 million, raggiungendo una valutazione stimata di circa $2 billion.

Microsoft ha partecipato al suo finanziamento tramite la sua divisione di venture M12.

I produttori di modelli AI cercano di sviluppare chip proprietari

La pressione competitiva non proviene solo dalle startup.

Molti dei più grandi clienti di Nvidia stanno contemporaneamente diventando rivali investendo pesantemente nella progettazione di chip AI proprietari.

La logica è semplice. Sviluppare silicio su misura riduce la dipendenza da Nvidia, abbassa i costi infrastrutturali a lungo termine e permette una integrazione più stretta tra hardware e software.

Reuters ha riportato questa settimana che la startup AI cinese DeepSeek sta sviluppando il proprio chip AI nel tentativo di ridurre la dipendenza dai processori Nvidia e Huawei utilizzati per addestrare e distribuire i suoi modelli.

All'inizio del mese, The Information ha riferito che Anthropic aveva tenuto discussioni con Samsung sulla collaborazione per un chip futuro, sebbene decisioni chiave riguardo le specifiche e l'uso previsto restino irrisolte.

Lo scorso mese OpenAI ha presentato il suo primo processore AI personalizzato, chiamato Jalapeño, sviluppato insieme a Broadcom.

Hock Tan, amministratore delegato di Broadcom, ha detto a Reuters che il processore offre prestazioni alla pari con i chip Blackwell di Nvidia e le Tensor Processing Unit di Google.

Le Big Tech stanno sempre più diventando concorrenti di Nvidia

Lo stesso Google sta agendo con decisione per ridurre la sua dipendenza da Nvidia.

Anziché utilizzare gli stessi processori sia per l'addestramento AI sia per l'inferenza, l'azienda sta separando quei carichi di lavoro in chip dedicati nell'ambito dell'ottava generazione della sua famiglia di Tensor Processing Unit.

I suoi processori TPU 8t e TPU 8i dovrebbero essere disponibili entro la fine dell'anno.

Amazon segue una strategia simile.

Il suo responsabile AI, Peter DeSantis, ha recentemente detto a Bloomberg che Amazon Web Services sta discutendo la possibilità di vendere i suoi chip AI Trainium a clienti esterni, potenzialmente creando una delle alternative più solide a Nvidia nell'infrastruttura dei data center.

Tali discussioni sono ancora in una fase iniziale, ma seguono i commenti dell'amministratore delegato di Amazon, Andy Jassy, secondo cui la domanda per i chip AI sviluppati internamente dall'azienda è stata così forte che la loro commercializzazione è ora presa in considerazione.

Anche Meta sta investendo in modo aggressivo in hardware AI personalizzato attraverso una partnership ampliata con Broadcom.

Il programma Meta Training and Inference Accelerator (MTIA) dell'azienda ha già prodotto il suo primo chip, l'MTIA 300, che alimenta i sistemi di ranking e raccomandazione sulle piattaforme di Meta.

Si prevedono tre generazioni aggiuntive fino al 2027, con le versioni successive progettate specificamente per carichi di lavoro di inferenza che alimentano assistenti AI e rispondono alle richieste degli utenti.

Come Google e Amazon, l'obiettivo di Meta è ridurre la dipendenza da Nvidia adattando i chip al proprio stack software e alla propria infrastruttura AI.

Il cambiamento illustra una tendenza più ampia tra gli hyperscaler.

Piuttosto che fare affidamento interamente su GPU standard, i giganti della tecnologia stanno sempre più costruendo circuiti integrati specifici per applicazione (ASIC) ottimizzati per i loro carichi di lavoro.

AMD e Broadcom hanno già consolidato posizioni significative

A differenza di molte startup, AMD e Broadcom si sono già affermate come concorrenti rilevanti nell'infrastruttura AI.

La trasformazione di AMD ha rispecchiato in diversi modi quella di Nvidia.

Originariamente nota per le schede grafiche per il gaming e i processori per PC, l'azienda ha spostato il suo focus verso gli accelerator per data center e i chip AI, permettendole di emergere come il secondo operatore pubblico più grande nel mercato degli acceleratori AI.

La strategia ha dato notevoli risultati per gli investitori.

Le azioni AMD sono aumentate di oltre il 460% negli ultimi cinque anni, portando la capitalizzazione di mercato dell'azienda a oltre $840 billion.

Nel frattempo Broadcom è diventata una delle società strategicamente più importanti nel silicio AI personalizzato.

Piuttosto che competere direttamente con Nvidia tramite chip merchant, Broadcom progetta processori personalizzati per alcuni dei più grandi sviluppatori AI al mondo.

Gli analisti di Melius Research hanno recentemente affermato che Broadcom ha visibilità di circa 10 gigawatt di domanda AI entro il 2027 da clienti tra cui Anthropic e Meta Platforms.

L'influenza dell'azienda si è ulteriormente ampliata mercoledì dopo aver firmato un accordo sui semiconduttori del valore di oltre $30 billion con Apple.

In base all'accordo, Broadcom progetterà e produrrà "componenti in silicio personalizzato e tecnologie di connettività wireless all'avanguardia" per i prodotti Apple.

Gli analisti prevedono un ridimensionamento del vantaggio di Nvidia, non la sua scomparsa

Nonostante il numero crescente di concorrenti, la maggior parte degli analisti ritiene che la leadership di Nvidia rimanga schiacciante.

"Nvidia vedrà sicuramente più concorrenza rispetto a un anno fa," ha detto KinNgai Chan, direttore generale di Summit Insights Group, in dichiarazioni a Reuters a marzo.

"Nvidia detiene ancora oltre il 90% di quota di mercato sia nel segmento dell'addestramento sia in quello dell'inferenza."

Tuttavia, Chan prevede che quel dominio si eroderà gradualmente nei prossimi anni.

"Riteniamo che Nvidia comincerà a perdere quote a partire dal 2027, una volta che i programmi ASIC sviluppati internamente raggiungeranno una certa scala, specialmente nel mercato dell'inferenza," ha detto, riferendosi ai circuiti integrati specifici per applicazione (ASIC) progettati per carichi di lavoro dedicati che offrono maggiore efficienza rispetto alle GPU general purpose.

Morningstar condivide una prospettiva simile a lungo termine.

"A lungo termine, riteniamo che sia inevitabile che Google e AWS cerchino di portare più chip e hardware AI internamente, a detrimento di Nvidia," ha scritto l'analista di Morningstar Brian Colello.

"Ci aspettiamo che Nvidia perda quote di mercato a favore delle TPU di Google e di Trainium di Amazon (soprattutto se Anthropic e/o Google Gemini dovessero emergere come modelli di frontiera dominanti), ma riteniamo che la quota di Nvidia dovrebbe stabilizzarsi al 68% nel 2030 (contro l'80% odierno) all'interno di una torta di spesa per l'AI molto più ampia," ha aggiunto.

Nvidia reagisce su più fronti

Detto questo, Nvidia non rimane ferma.

La società ha speso oltre $18 billion in ricerca e sviluppo durante l'anno fiscale terminato a gennaio 2026 mentre accelerava il lavoro su processori AI di prossima generazione, prodotti di rete e tecnologia fotonica.

Durante l'ultima conference call a maggio, Huang ha detto che i nuovi processori centrali "Vera" di Nvidia le danno accesso a un nuovo mercato da $200 billion.

Nvidia prevede che i suoi chip Vera genereranno $20 billion di ricavi entro la fine dell'anno fiscale in corso.

Huang ha detto che tali vendite non erano incluse nella precedente proiezione dell'azienda di $1 trillion di ricavi derivanti dalle sue piattaforme di chip AI Blackwell e Rubin tra il 2025 e il 2027.

Forse più significativamente, Nvidia sceglie sempre più la collaborazione alla confrontazione.

Invece di competere frontalmente con ogni startup emergente di chip AI, Nvidia sceglie sempre più di collaborare con società che sviluppano processori specializzati per l'inferenza.

L'acquisizione di asset dalla startup di inferenza AI Groq a dicembre per $20 billion e l'annuncio di investimenti per $4 billion in due società fotoniche all'inizio dell'anno facevano parte di questa strategia.

Inoltre, integrando alcuni chip concorrenti accanto alle proprie GPU nei rack di server AI, Nvidia sta ampliando il suo ecosistema assicurandosi di continuare a beneficiare della spesa per l'infrastruttura AI indipendentemente da quali tecnologie di inferenza prevalgano.

Questa strategia permette a Nvidia di partecipare a più ecosistemi hardware AI continuando a generare ricavi anche se i clienti adottassero chip di inferenza specializzati insieme alle sue GPU.

Mercoledì, il provider cloud di inferenza Parasail ha annunciato che avrebbe distribuito gli acceleratori di inferenza Corsair di D-Matrix accanto ai sistemi Nvidia Hopper e Blackwell per offrire ai clienti "fino a 10x servizi di inferenza più veloci e più efficienti in termini di costi".

Inoltre, i prodotti di SambaNova sono progettati per completare l'hardware Nvidia piuttosto che sostituirlo completamente.

Rodrigo Liang, amministratore delegato di SambaNova, ha affermato che i suoi chip SN40 e SN50 possono eseguire la cosiddetta fase di decodifica dell'inferenza, disimballando la query dal modello da cinque a 10 volte più velocemente, il che aiuta a liberare lo stesso numero di chip Nvidia per altri compiti come l'addestramento.

La forte crescita continua nonostante le pressioni competitive

Gli ultimi risultati finanziari di Nvidia suggeriscono che la concorrenza non ha ancora intaccato significativamente il suo business.

La sua divisione data centre, che rimane il principale motore di crescita dell'azienda, ha riportato ricavi record per $75.2 billion, in aumento del 92% anno su anno.

L'amministratore delegato Jensen Huang ha cercato di rassicurare gli investitori che la domanda rimane diffusa e che i nuovi prodotti aiuteranno l'azienda a superare l'opportunità di ricavi da $1 trillion che ha proiettato per le sue piattaforme AI di punta.

Tuttavia, le azioni NVDA sono scese dell'1.6% dopo la pubblicazione degli utili nonostante previsioni di ricavi superiori alle attese e l'annuncio di un programma di riacquisto di azioni da $80 billion.

La reazione del mercato ha suggerito che gli investitori guardano sempre più oltre gli utili correnti e si concentrano sulla capacità di Nvidia di difendere la sua posizione dominante man mano che i concorrenti si moltiplicano.

Il titolo ha guadagnato un relativamente modesto 4% quest'anno e poco più del 23% negli ultimi 12 mesi, una forte moderazione rispetto ai suoi guadagni straordinari nelle prime fasi del boom dell'AI.