La febbre dell'intelligenza artificiale continua a tradursi in una montagna di investimenti. Microsoft, Alphabet e Meta prevedono per il 2026 una spesa in conto capitale complessiva compresa tra circa 480 e 505 miliardi di dollari. Microsoft punta a circa 175 miliardi, Alphabet indica 175-185 miliardi e Meta 130-145 miliardi. Una parte rilevante di queste risorse serve ad ampliare data center, server e capacità di calcolo destinata all'AI. Microsoft, nell'ultimo trimestre fiscale, ha investito 41 miliardi di dollari e circa due terzi del capex sono finiti in asset a vita breve, soprattutto CPU e GPU. La scommessa degli hyperscaler resta costruita su un principio: la domanda di calcolo continuerà a crescere e l'AI verrà servita principalmente attraverso gigantesche infrastrutture centralizzate.
Nvidia resta il casello obbligato dell'AI
È su questa architettura che Nvidia ha costruito la propria posizione dominante. Training dei modelli, inference nel cloud, networking e sistemi completi hanno trasformato le GPU di Jensen Huang nella risorsa più ricercata della nuova infrastruttura digitale. Il mercato sta prezzando proprio la prosecuzione di questa corsa: più modelli, più parametri, più calcolo e quindi più acceleratori (Nvidia a 400 dollari: il conto torna, il problema è un altro).
C'è però un limite tecnico che diventa importante quando l'AI esce dal data center. La RTX PRO 6000 Blackwell Workstation Edition offre 96 GB di memoria GDDR7 e può assorbire fino a 600 watt. È una macchina potentissima, ma la capacità della memoria diventa un ostacolo quando si vogliono caricare localmente modelli open-weight enormi. Per arrivare a circa 500 GB servono più GPU, con costi e consumi che salgono rapidamente.
Il vincitore nascosto? Limited Edition Jonathan punta su Apple
Qui entra la tesi di Limited Edition Jonathan, pubblicazione Substack focalizzata sull'AI. La sua provocazione parte da DeepSeek, Qwen, Kimi, GLM e dalla crescita dei modelli open-weight: se le prestazioni convergono e il software tende a diventare gratuito, una parte del valore può spostarsi dal modello all'hardware capace di eseguirlo. Apple avrebbe una carta decisiva nella memoria unificata dei suoi chip, condivisa da CPU e GPU.
La generazione di Mac Studio appena annunciata arriva fino a 512 GB. Il modello M5 Ultra parte negli Stati Uniti da 5.499 dollari, anche se Apple non ha ancora comunicato il prezzo della configurazione massima da 512 GB, disponibile da fine ottobre.
Il confronto utilizzato dall'autore riguarda invece il precedente Mac Studio da 512 GB, valutato intorno a 9.500 dollari. Per avvicinarsi alla stessa capacità usando RTX PRO 6000 da 96 GB servirebbero cinque o sei schede. Limited Edition Jonathan cita un prezzo di 13.250 dollari per unità sul marketplace Nvidia: oltre 66 mila dollari per cinque GPU e quasi 80 mila per sei, prima ancora del resto della workstation.
A questo si aggiunge un consumo teorico massimo di 3-3,6 kW per le sole schede contro poche centinaia di watt indicate dall'autore per il Mac. Non è un confronto puro di prestazioni, perché architetture e software sono differenti. È un confronto sul costo necessario per mettere grandi quantità di memoria a disposizione dell'inference locale. Ed è qui che la tesi diventa finanziariamente interessante.
Se l'AI lascia il cloud, cambia anche la partita in Borsa
Lo scenario non prevede la scomparsa dei data center. Il training dei modelli più avanzati continuerà a richiedere infrastrutture enormi e Nvidia resta in una posizione difficile da replicare. Il punto riguarda l'inference. Se una quota crescente di aziende e professionisti finirà per scaricare modelli competitivi ed eseguirli direttamente in locale, per ragioni di costo, privacy o sovranità dei dati, una fetta del calcolo potrebbe allontanarsi dal cloud.
Un dettaglio rende la provocazione meno teorica. Nvidia vende già DGX Spark, un computer AI da scrivania con 128 GB di memoria unificata progettato proprio per eseguire modelli localmente e ridurre il ricorso alle risorse cloud. In Italia costa 4.800 euro. Non è la prova che Nvidia stia abbandonando il data center. Dimostra però che anche il leader delle GPU considera l'AI personale un mercato da presidiare.
Per Wall Street la domanda potrebbe quindi cambiare. Finora la corsa all'AI è stata misurata in GPU installate e miliardi spesi nei data center. La prossima fase potrebbe essere misurata in gigabyte di memoria disponibili sulla scrivania. Se accadesse, Nvidia continuerebbe a vendere le pale della corsa all'oro. Apple potrebbe ritrovarsi proprietaria del terreno.