In questo articolo Indice dei contenuti 3 sezioni
Le GPU non perdono più valore con il passare degli anni, almeno secondo tre voci molto ascoltate nel settore tecnologico. Jensen Huang di NVIDIA, Elon Musk di SpaceX e l’investitore Gavin Baker, considerato uno dei massimi conoscitori della filiera dei semiconduttori, sono arrivati quasi con le stesse parole alla medesima conclusione. La vita utile di un acceleratore grafico è molto più lunga di quanto si pensasse e il suo valore, invece di calare, in molti casi cresce.
GPU per l’AI: Mush e l’idea dell’intelligenza per watt
Il primo a esporre il concetto è stato Elon Musk durante la presentazione dei risultati del terzo trimestre 2026 di SpaceX. Il ragionamento parte da un dato semplice. Man mano che i modelli di intelligenza artificiale migliorano, ogni watt consumato produce più “intelligenza utile”. Secondo Musk il valore della potenza di calcolo per watt è destinato ad aumentare nel tempo, non a diminuire, perché è proporzionale proprio a questa intelligenza per watt. Ed è per questo, ha spiegato, che persino macchine ormai datate come le H100 vengono noleggiate a prezzi più alti rispetto a quando erano nuove.
Musk ha poi chiarito perché SpaceX affitta la propria capacità di calcolo solo con contratti di breve durata. Il motivo sta nell’attuale economia del settore. La potenza di calcolo per l’AI viene valutata tra circa 26 e 43 miliardi di euro per gigawatt, l’investimento si ripaga in meno di un anno e i contratti brevi continuano a rinnovarsi a tariffe per watt sempre più alte.
Huang: otto anni e anche di più
Dal palco del GTC Berlin è stato poi Jensen Huang a raccogliere il testimone. Per il numero uno di NVIDIA uno dei vantaggi dell’azienda sta nella diffusione universale dei suoi sistemi e in prestazioni talmente elevate da restare produttive a lungo. C’è poi il fattore software. Trattandosi di hardware programmabile, NVIDIA continua ad aggiornarlo per tutta la vita del prodotto e lo mantiene efficiente per moltissimo tempo.
Il risultato, secondo Huang, è che quello che un tempo veniva considerato un ciclo di vita di quattro anni oggi arriva probabilmente a otto, forse anche oltre. A prescindere dal cliente, ci sono sempre aziende pronte a sfruttare quella capacità e gli acquirenti sono tantissimi. In altre parole la potenza di calcolo è produttiva, intercambiabile e duratura. Huang ha aggiunto anche qualche numero: ogni gigawatt di calcolo AI costa circa 43 miliardi di euro ma genera ricavi annui intorno ai 34 miliardi, con un ritorno dell’investimento in poco più di un anno.
Baker e i prezzi del noleggio alle stelle
A margine dello stesso evento Gavin Baker ha descritto una dinamica che sulle prime sembra controintuitiva. Mentre il prezzo dei token è sceso e la domanda si è spostata verso token più economici, il costo per noleggiare un’ora di GPU è letteralmente schizzato verso l’alto. La spiegazione è che da ogni ora di utilizzo si ricavano più token, e più utili, quindi quell’ora vale di più.
I numeri sul mercato secondario confermano il quadro. Secondo dati diffusi a settembre, le vecchie A100 e H100 mantengono un valore residuo ben superiore a quello previsto dai classici piani di ammortamento lineare a tre o cinque anni. Ancora più sorprendente il caso delle B200, il cui valore residuo è pari al 158% del costo originale. Significa un premio del 58% rispetto al prezzo di lancio.
Il principio alla base è piuttosto lineare. Quando il primo proprietario dismette una scheda, questa non finisce in discarica ma scende lungo la catena del mercato dell’usato, continuando a generare valore economico concreto a ogni passaggio.
Fonte: TecnoAndroid