- Meta comprerà le TPU di Google?
- L’accordo cambierà il mercato IA?
- NVIDIA rischia davvero?
- Cosa potrebbe succedere nei data center globali?
L’offerta di Meta e il ruolo delle TPU di Google
Secondo quanto riportato da The Information, Meta — la società guidata da Mark Zuckerberg — valuta un investimento fino a 1 miliardo di dollari per l’acquisto e il noleggio di unità di elaborazione tensoriale (TPU) sviluppate da Google. L’obiettivo è integrare questi processori nei propri data center a partire dal 2027, con la possibilità di iniziare a noleggiarli già dal 2025.
La proposta include sia l’acquisto diretto delle unità sia il loro noleggio tramite Google Cloud, una svolta rispetto alla politica storica di Google, che finora riservava le TPU all’uso interno.
Impatto sul dominio di NVIDIA
Se l’accordo andasse in porto, Google si affermerebbe come fornitore esterno di hardware per l’AI, entrando in competizione diretta sul gigantesco mercato dei processori per data center. Gli analisti stimano che una partnership con Meta potrebbe erodere fino al 10% dei ricavi annuali di NVIDIA, pari a circa 13 miliardi di dollari.
Meta è attualmente tra i maggiori clienti di NVIDIA e prevede di destinare fino a 72 miliardi di dollari all’acquisto di chip per IA nel corso dell’anno, cifra che sottolinea l’entità delle scelte strategiche in discussione. La crescente domanda di processori specifici come le TPU di Google nasce anche dalla scarsità e dall’alto costo dei chip NVIDIA, spingendo le grandi aziende tecnologiche a cercare alternative.
La reazione di NVIDIA
NVIDIA ha risposto pubblicamente alle indiscrezioni tramite un post su X, dove ha dichiarato di essere «contenta del successo di Google» sottolineando tuttavia la propria posizione di vantaggio tecnologico. L’azienda ha ribadito che la sua piattaforma resta l’unica in grado di eseguire tutti i modelli di intelligenza artificiale in qualsiasi ambiente operativo, richiamando l’importanza del suo ecosistema software proprietario, come CUDA.
Vantaggi tecnici delle TPU
Dal punto di vista tecnico, le TPU di Google offrono vantaggi misurabili, soprattutto in termini di efficienza energetica e rapporto prestazioni-per-watt. In test comparativi, la TPU v6 ha superato il modello H200 di NVIDIA in prestazioni energetiche, rendendola appetibile per chi opera su larga scala e punta a contenere i consumi nei grandi data center.
Tuttavia, la supremazia di NVIDIA si basa su un vasto ecosistema software. CUDA è utilizzata da oltre 4 milioni di sviluppatori nel mondo per creare applicazioni di AI e soluzioni avanzate, un vantaggio che non si coglie soltanto valutando l’hardware.
Contesto del mercato e alleanze strategiche
La trattativa tra Meta e Google rientra in una tendenza più ampia di diversificazione delle forniture di chip per IA. Google ha già siglato accordi simili, ad esempio con Anthropic, garantendo alla società l’accesso a milioni di chip dedicati all’AI. Anche Broadcom, partner di Google nella produzione di questi processori, ha beneficiato dell’aumento della domanda, come dimostrano le variazioni positive del titolo azionario alla notizia delle trattative.
Nonostante questi progressi, permangono criticità legate alla filiera produttiva e al costo dei chip di memoria, fattori che potrebbero limitare la capacità di risposta alla domanda esplosiva del settore.
Cosa cambia per l’industria dei semiconduttori
L’apertura delle tecnologie di Google a clienti esterni rappresenterebbe un cambiamento significativo per l’industria. Se Google diventasse un fornitore rilevante di hardware per intelligenza artificiale, la concorrenza sul mercato dei processori per data center potrebbe intensificarsi, con possibili effetti sui prezzi, sulle scelte di progettazione dei modelli di AI e sulle strategie di investimento delle big tech.
Prospettive e sfide
Mentre Meta e Google esplorano un potenziale accordo e il mercato dei chip di intelligenza artificiale continua la sua rapida evoluzione, rimangono aperte questioni cruciali: la capacità della catena di approvvigionamento di sostenere la domanda, il costo delle memorie, e la forza degli ecosistemi software consolidati come quello di NVIDIA. Per ora, NVIDIA conferma la sua posizione di riferimento, ma la partita per la leadership nell’hardware AI si fa sempre più competitiva.