Comprare GPU costa sempre di più, ma affittarle costa sempre meno. Secondo il Financial Times, questo calo non segna la fine della corsa all’IA, ma racconta un mercato diviso in due: da un lato i grandi hyperscaler, che mantengono tariffe stabili, e dall’altro una galassia di provider più piccoli che abbassano i prezzi per riempire i propri cluster. Intanto, la fame di potenza di calcolo continua a crescere, alimentando la domanda globale di chip avanzati.
Negli ultimi mesi si è creato un paradosso evidente. L’hardware è sempre più costoso da acquistare, ma noleggiarlo diventa progressivamente più economico. La GPU NVIDIA B200, per esempio, è arrivata a costare centinaia di migliaia di dollari, ma il suo prezzo orario di noleggio è sceso da poco più di tre dollari a meno di tre, secondo quanto riportato dal Financial Times. Questo divario mette in luce le dinamiche di un mercato in trasformazione.
Hyperscaler vs. provider minori: mercato a due velocità
La ragione principale sta nella struttura biforcata dell’offerta. I grandi hyperscaler come AWS, Azure e Google mantengono listini alti e relativamente stabili, mentre molti provider indipendenti e startup infrastrutturali cercano di competere abbassando in modo aggressivo i prezzi. Lo fanno per un motivo semplice: gran parte della domanda più solida si è già spostata verso piattaforme integrate o verso l’utilizzo di modelli chiavi in mano, come quelli di OpenAI e Anthropic. Chi non ha accesso a questi flussi consolidati deve attrarre clienti in altri modi, e il prezzo diventa l’arma principale.
Dati storici: dall’A100 alla B200
Il fenomeno si nota soprattutto nei dati storici. Quando la A100 di NVIDIA è arrivata sul mercato nel 2020, il costo medio per ammortizzare l’investimento era di circa quattro dollari l’ora. Oggi il prezzo medio di noleggio si aggira attorno a un dollaro e sessantacinque, con picchi al ribasso che arrivano persino sotto i cinquanta centesimi. I grandi operatori restano sopra la soglia dei quattro dollari, ma la pressione dei piccoli abbassa la media complessiva e rende evidente quanto sia difficile sostenere margini reali in questo contesto.
Domanda di calcolo: perché non è un segnale di rallentamento
Questo scenario non significa che il boom dell’IA stia rallentando. Anzi, secondo TSMC, il numero di token elaborati raddoppia quasi ogni trimestre. Le nuove generazioni di chip consentono di eseguire modelli sempre più grandi e potenti, e ogni salto tecnologico porta con sé un incremento della domanda di silicio. In altre parole, la spinta di fondo non si è affievolita: semplicemente, il mercato dell’infrastruttura sta attraversando una fase di selezione naturale in cui sopravviveranno solo i fornitori capaci di sostenere i costi reali del calcolo.
Implicazioni per aziende e investitori
Per chi utilizza l’intelligenza artificiale su larga scala, questo contesto rappresenta un’opportunità interessante. I prezzi più bassi permettono di ampliare i carichi di lavoro a costi inferiori, ma richiedono anche attenzione alla qualità del servizio e all’affidabilità dei provider. Per gli investitori, invece, la lettura è più strategica: il settore si avvia verso una concentrazione che favorirà i player con economie di scala, mentre molti operatori minori rischiano di non sopravvivere.
Il messaggio, secondo il Financial Times, è semplice: i prezzi di noleggio delle GPU possono scendere anche quando la domanda cresce, perché riflettono la competizione e la struttura frammentata dell’offerta, non un calo strutturale dell’interesse per l’IA.
