📊NVIDIA: Crescerà ancora? Analisi gratuita e completa del titolo.
Autori: Stefano Reali (Portfolio Manager - Pharus Asset management S.A.), Riccardo Volpi (Portfolio Manager - Pharus Asset management S.A.), Andrea Guitta (Portfolio Manager - Pharus Management Lux S.A. - Milan Branch), William Trevisan (Portfolio Manager - Pharus Management Lux S.A. - Milan Branch) | Persona Giuridica: Pharus Management Lux S.A. Sede di Milano | Autorità Competente: Banca D’Italia, CSSF | Raccomandazione Ultimata: 05.05.2025 ore 16:00 | Prima diffusione della raccomandazione: 06.05.2025 ore 06:30 | Data e ora Prezzi: 05.05.2024 ore 14:25 | Informazioni secondo il Regolamento Delegato (UE) 2016/958 “Raccomandazione in materia di investimenti” sono a questo link.
L’obiettivo della analisi di oggi è offrire una panoramica completa di Nvidia e del suo ruolo nel settore, ponendoci al tempo stesso una domanda chiave: esiste oggi un margine di sicurezza in termini di valutazioni per considerarla un’opportunità d’investimento?
Riteniamo infatti che l’unione di un’azienda leader, con un business comprensibile e con una valutazione a sconto siano i due ingredienti del successo nella selezione dei titoli.
Benvenuto in Fuoriclasse.it, l’unico blog italiano che analizza le aziende per chi investe.
Se stai leggendo questo messaggio, sei già sulla strada per distinguerti nel mondo degli investimenti.
Fuoriclasse nasce con l’obiettivo di creare una comunità di investitori consapevoli e preparati, offrendo contenuti esclusivi, analisi approfondite e strumenti concreti per affrontare i mercati con competenza e visione strategica.
Alla base del nostro approccio c’è la Filosofia del Valore (Value Investing) con la nostra metodologia dei 5 step dei fuoriclasse: selezioniamo azioni di aziende solide e sottovalutate, con la convinzione che il tempo premierà chi investe con criterio e pazienza.
Il nostro team è composto da gestori e analisti internazionali con oltre 40 anni di esperienza, uniti dalla missione di condividere il know-how dei veri fuoriclasse della finanza, come Warren Buffett, a chi desidera fare scelte coraggiose e consapevoli in un contesto incerto.
Fuoriclasse non è solo un blog: è un progetto con un’identità precisa, pensato per chi vuole distinguersi nel mondo finanziario, con metodo, preparazione e spirito da vincente.
Cominciamo quindi l’analisi di NVIDIA…
Step 1. Capire il Business 📊
· Nome dell'azienda : Nvidia
· Codice ISIN : US67066G1040
· Ticker : NVDA US Equity
· Prezzo delle azioni : 114.5 $ (al 5.05.2025)
· Capitalizzazione di mercato: 2792 mld di $
Nvidia è un'azienda di infrastrutture che non si limita a produrre solo chip o componenti hardware (come le GPU), ma offre un’intera piattaforma completa che copre tutti gli strati necessari per il computing moderno, in particolare quello accelerato e legato all’intelligenza artificiale.
La piattaforma completa include il modello di programmazione CUDA, eseguibile su tutte le GPU Nvidia, oltre a centinaia di librerie software specifiche per dominio, kit di sviluppo software (SDK) e interfacce di programmazione delle applicazioni (API). Questa piattaforma accelera le prestazioni e semplifica l'implementazione del computing accelerato Nvidia per carichi di lavoro ad alta intensità di calcolo come l'intelligenza artificiale (IA), l'addestramento e l'inferenza di modelli, l'analisi dei dati, il computing scientifico e la grafica 3D, con ottimizzazioni verticali specifiche per settori che spaziano dalla sanità e dalle telecomunicazioni all'automotive e alla produzione.
La Storia di Nvidia:
Il nome Nvidia è una fusione di "NV", abbreviazione di "next version" (versione successiva), e "invidia", la parola latina che significa "invidia". I fondatori dell'azienda miravano a un nome che evocasse un senso di innovazione ed eccellenza, suggerendo che i loro prodotti sarebbero stati superiori e avrebbero suscitato un po' di invidia nei concorrenti. Inoltre, la parte "vid" del nome fa un sottile riferimento all'attenzione dell'azienda per video e grafica.
Nvidia, fondata nel 1993 da Jensen Huang, Chris Malachowsky e Curtis Priem, è stata pioniere nella rivoluzione delle GPU, con un impatto significativo nell'ambito dei giochi per PC e dell'intelligenza artificiale. Ecco un riassunto della sua evoluzione:
Primi anni (anni '90): NVIDIA inizia come produttore di chip grafici, lanciando il primo prodotto, l'NV1, nel 1995, destinato al mercato dei giochi per PC con accelerazione 2D e 3D. Nel 1999, l'azienda presenta la GeForce 256, la prima GPU con trasformazione e illuminazione hardware, migliorando le prestazioni grafiche 3D.
1995-1999: NVIDIA lancia il RIVA 128, il primo processore 3D a 128 bit, che ottiene un grande successo, con oltre un milione di unità vendute in pochi mesi. Nel 1998, stringe una partnership strategica con TSMC per la produzione dei suoi chip.
Crescita nel mercato dei giochi per PC (anni 2000): L'azienda continua a innovare, lanciando la GeForce2 Go, la prima GPU per notebook, e diventando il fornitore di GPU per la prima Xbox. Acquisisce inoltre 3dfx, un concorrente, nel 2000, e integra le sue tecnologie. NVIDIA entra anche nel mercato dei chipset per schede madri.
2006: NVIDIA produce il 500 milionesimo processore grafico e introduce CUDA, un'architettura di elaborazione parallela general-purpose che apre nuovi orizzonti per l'uso delle GPU in settori come simulazioni scientifiche, intelligenza artificiale e machine learning.
GPU Tesla ed espansione nei data center (2007-2010): NVIDIA lancia le GPU Tesla, progettate per carichi di lavoro HPC (High Performance Computing) e data center. Le GPU Tesla diventano fondamentali per l'intelligenza artificiale, il training e le simulazioni scientifiche. Inoltre, Apple adotta la GPU GeForce 9400 per i suoi MacBook.
Boom del deep learning e dell'intelligenza artificiale (2010): Le GPU NVIDIA si affermano come la scelta ideale per ricercatori e aziende nel campo del deep learning, grazie alla loro capacità di elaborazione parallela e all'ecosistema CUDA. Nel 2017, NVIDIA introduce i Tensor Core nella sua architettura Volta, accelerando ulteriormente le applicazioni di AI.
Espansione in nuovi mercati (dagli anni 2010 a oggi): NVIDIA amplia la sua offerta, entrando nei settori dell’automotive, robotica ed edge computing, sviluppando piattaforme come NVIDIA DRIVE per veicoli autonomi e NVIDIA Jetson per applicazioni di AI edge.
Focus sui data center e architetture recenti (dagli anni 2010 a oggi): NVIDIA continua a investire nel settore dei data center con nuove architetture GPU, come Pascal, Volta, Turing e Ampere, ottimizzando prestazioni ed efficienza per carichi di lavoro AI, HPC e data center. La GPU A100, basata sull'architettura Ampere, diventa un punto di riferimento nei data center.
Nel corso degli anni, NVIDIA si è evoluta da un'azienda di chip grafici orientata al mercato dei giochi per PC a un leader nei settori dei data center e dell'intelligenza artificiale, mantenendo una posizione di preminenza grazie alla continua innovazione e all'espansione della sua offerta di prodotti.
La Piattaforma:
In dettaglio la piattaforma di Nvidia:
1. Hardware (il livello più basso dello stack)
GPU (come le serie A100, H100, RTX)
CPU (Grace)
DPU (BlueField)
Sistemi e server (DGX, HGX, supercomputer come Selene o Eos)
2. Software
Driver e middleware: software che permette all’hardware di comunicare con i sistemi operativi e le applicazioni.
Framework AI: come TensorRT, CUDA, cuDNN – strumenti essenziali per far girare modelli di intelligenza artificiale sulle GPU.
Omniverse: una piattaforma di simulazione e collaborazione 3D.
NVIDIA AI Enterprise: suite di software per l'AI e il data science, ottimizzati per infrastrutture aziendali.
3. Servizi cloud e piattaforme
NVIDIA DGX Cloud: cloud per l’addestramento e l’inferenza di modelli AI.
NVIDIA NIM (NVIDIA Inference Microservices): microservizi per l’inferenza AI distribuiti su cloud o on-prem.
Collaborazioni con hyperscaler: partnership con AWS, Microsoft Azure, Google Cloud per fornire infrastruttura AI-as-a-service.
CUDA (Compute Unified Device Architecture) è una piattaforma di calcolo parallelo e un modello di programmazione sviluppato da NVIDIA, pensato per sfruttare la potenza delle sue GPU nell’elaborazione di compiti generici ad alta intensità computazionale. Permette agli sviluppatori di trasferire carichi di lavoro complessi dalla CPU alla GPU, accelerando così le prestazioni delle applicazioni.
CUDA non è un linguaggio di programmazione indipendente, ma un'estensione di linguaggi come C, C++ e Fortran, con l'aggiunta di API, librerie e costrutti specifici per la programmazione parallela su GPU. Il codice è diviso in due parti:
il codice host, eseguito dalla CPU
il codice device, eseguito dalla GPU, che utilizza parole chiave e funzioni specifiche per gestire il parallelismo, la memoria e altri aspetti hardware.
A supporto della piattaforma, NVIDIA fornisce il compilatore nvcc, che separa e compila il codice per CPU e GPU. La parte destinata alla GPU può essere convertita in PTX (Parallel Thread Execution), un linguaggio intermedio ottimizzabile ulteriormente dal driver in fase di esecuzione, oppure direttamente in codice macchina specifico per l'hardware target.
Business nel dettaglio:
Nvidia presenta i risultati aziendali in due segmenti.
1. Il segmento Compute & Networking include
a. le piattaforme di elaborazione accelerata per Data Center, soluzioni e software di intelligenza artificiale;
b. networking;
c. piattaforme automotive e soluzioni per veicoli autonomi ed elettrici;
d. Jetson per la robotica e altre piattaforme embedded;
e. e servizi di cloud computing DGX.
2. Il segmento Graphics include
a. GPU GeForce per gaming e PC, il servizio di streaming di giochi GeForce NOW e la relativa infrastruttura, e soluzioni per piattaforme di gioco;
b. GPU Quadro/NVIDIA RTX per la grafica delle workstation aziendali;
c. software per GPU virtuali, o vGPU, per il visual e virtual computing basato su cloud;
d. piattaforme automotive per sistemi di infotainment; e software Omniverse Enterprise per la creazione e la gestione di applicazioni di intelligenza artificiale industriale e digital twin.
1. Data Center
La piattaforma NVIDIA Data Center è focalizzata sull'accelerazione dei carichi di lavoro più intensivi in termini di elaborazione, come intelligenza artificiale, analisi dei dati, grafica e calcolo scientifico, offrendo prestazioni ed efficienza energetica significativamente migliori rispetto ai tradizionali approcci basati solo su CPU. Viene implementata in data center cloud, hyperscale, on-premise ed edge. La piattaforma è composta da offerte di elaborazione e networking, generalmente fornite ai clienti come sistemi, sottosistemi o moduli, insieme a software e servizi. Le nostre offerte di elaborazione includono piattaforme e server di supercomputing, che combinano le nostre GPU, CPU, interconnessioni e stack software AI e HPC completamente ottimizzati a basso consumo energetico. Inoltre, includono il software NVIDIA AI Enterprise; il nostro servizio DGX Cloud; e una crescente gamma di librerie di accelerazione, API, SDK e framework applicativi specifici per dominio. Le nostre offerte di networking includono piattaforme end-to-end per InfiniBand ed Ethernet, composte da adattatori di rete, cavi, DPU, chip e sistemi di switch, nonché uno stack software completo. NVIDIA ha progettato una piattaforma di elaborazione su scala data center che unisce migliaia di nodi con reti ad alte prestazioni, trasformando il data center stesso nella nuova unità di elaborazione. L’azienda collabora con clienti globali nei settori cloud, pubblico, automobilistico, sanitario, finanziario, manifatturiero e tecnologico, supportando l’adozione dell’intelligenza artificiale. Al centro della piattaforma ci sono le GPU, affiancate da DPU (dal 2022) e CPU (dal 2024), e da un ampio software full-stack, incluso CUDA, librerie e strumenti AI. NVIDIA offre anche soluzioni cloud gestite come DGX Cloud e licenze software enterprise. Nel 2025 ha lanciato l’architettura Blackwell, una nuova infrastruttura data center avanzata per AI generativa, con prestazioni ed efficienza leader nel mercato.
2. Gaming
Il gaming è oggi la principale industria dell’intrattenimento, trainata da PC gaming, eSport, streaming, contenuti generati dagli utenti e giochi di alta qualità. NVIDIA supporta questa crescita con le sue GPU e tecnologie avanzate come NVIDIA RTX, che introduce ray tracing e DLSS (super campionamento basato su AI) per una grafica più realistica e fluida. RTX è anche una piattaforma leader nell’AI su PC, con oltre 100 milioni di dispositivi supportati e più di 700 applicazioni compatibili. NVIDIA offre GPU per PC da gaming (GeForce RTX e GTX), servizi di cloud gaming (GeForce NOW) e soluzioni per console. Nel 2025 ha lanciato la serie GeForce RTX 50 con architettura Blackwell, che integra grafica neurale e una nuova generazione di DLSS basata su modelli transformer, offrendo un significativo aumento delle prestazioni e del realismo visivo.
3. Professional Visualization
NVIDIA collabora con fornitori di software (ISV) per ottimizzare le loro applicazioni per le GPU NVIDIA, migliorando la produttività in settori come design, produzione e creazione di contenuti digitali. Le applicazioni includono CAD, progettazione architettonica, produzione di prodotti, medicina e aerospaziale, oltre a editing video, effetti speciali e grafica televisiva. L'integrazione dell'AI generativa nelle applicazioni richiede capacità avanzate delle GPU RTX, che supportano il ray tracing in tempo reale per un rendering fotorealistico. NVIDIA RTX accelera i flussi di lavoro nei settori di progettazione 3D e creazione di contenuti.
NVIDIA offre anche Omniverse, una piattaforma per la creazione e simulazione di mondi virtuali, utile per digitalizzare asset fisici e processi industriali, creare gemelli digitali e testare tecnologie come robotica e veicoli autonomi. Omniverse è disponibile sia per uso aziendale che individuale, supportato da infrastrutture di elaborazione NVIDIA on-premise e nel cloud.
4. Automotive
NVIDIA offre una soluzione completa per la guida autonoma con il marchio DRIVE Hyperion, sfruttando la sua leadership nell’intelligenza artificiale (AI) e consolidando le collaborazioni con partner del settore automobilistico. DRIVE Hyperion supporta sia la guida completamente autonoma che il ruolo di copilota per migliorare la sicurezza durante la guida. La piattaforma integra AI per la percezione, fusione, pianificazione e controllo, e si basa su hardware ad alte prestazioni, il DRIVE AGX, insieme a un sistema operativo (DRIVE OS) e sensori per veicoli autonomi.
Inoltre, NVIDIA offre una piattaforma software modulare per la guida autonoma, mappatura, parcheggio e esperienze intelligenti a bordo, insieme a una soluzione di simulazione basata su NVIDIA Omniverse per creare dati sintetici e testare i modelli AI. L’approccio end-to-end, basato sul software, consente aggiornamenti over-the-air per migliorare continuamente le funzionalità del veicolo durante il suo ciclo di vita.
GPU vs CPU
Le CPU (Unità di Elaborazione Centrale) e le GPU (Unità di Elaborazione Grafica) sono entrambe tipologie di circuiti integrati progettati per scopi diversi nei sistemi di elaborazione. Pur condividendo alcune somiglianze, presentano differenze in termini di architettura, capacità di elaborazione e, di conseguenza, funzionalità.
Architettura:
• CPU:
In genere ha un numero limitato di core potenti (solitamente tra 2 e 32) progettati per gestire un'ampia gamma di attività ed eseguire istruzioni complesse.
Le CPU si concentrano sul raggiungimento di elevate prestazioni single-thread con unità di controllo sofisticate, ampie memorie cache e funzionalità avanzate di branch predictive.
• GPU:
È costituita da un gran numero di core più semplici (da centinaia a migliaia) organizzati in unità di elaborazione parallele.
Le GPU sono progettate per la gestione efficiente di attività di elaborazione parallela dei dati, in cui la stessa operazione viene eseguita simultaneamente su un ampio set di elementi di dati, come il rendering di grafici o l'esecuzione di calcoli matriciali.
Nvidia sviluppa anche CPU dato che Le CPU non spariranno: saranno sempre necessarie per coordinare e supportare l’infrastruttura. Ma per fare AI su larga scala (training, inferenza, generative AI, LLM, ecc.), servono unità specializzate come GPU o TPU.
Incertezza nel futuro del business dell’AI
Ad oggi Nvidia è cresciuta molto nell’infrastruttura dell’Intelligenza Artificiale, i datacenter. La domanda che deve porsi però l’investitore è: una volta prodotta questa infrastruttura quali saranno i business che riusciranno a produrre maggiori utili? A questa domanda è molto difficile dare una risposta ma possiamo fare un paragone con l’ultima rivoluzione che abbiamo vissuto cioè internet.
A fine anni 90 infatti con l’evoluzione di Internet la società che guidava la creazione dell’infrastruttura cioè Cisco era cresciuta molto. Il titolo è cresciuto enormemente durante la bolla delle dot-com, diventando per un breve periodo l’azienda più capitalizzata al mondo. Tuttavia, dopo la bolla, la crescita si è stabilizzata e Cisco è rimasta una grande azienda, ma non più con lo stesso slancio rivoluzionario o dominio percepito.
NVIDIA oggi guida la rivoluzione dell’intelligenza artificiale, fornendo le infrastrutture computazionali (GPU, DPU, interconnessioni, software, piattaforme cloud) proprio come Cisco forniva i router e switch per Internet. Ecco alcuni punti per un confronto critico:
Nvidia (90% all’anno dal 2019) vs Cisco (98% all’anno dal 90 al 99)
NVIDIA E CISCO
Perchè Nvidia potrebbe seguire un destino simile a Cisco:
Saturazione del mercato: se il mercato dell’AI raggiungesse un plateau o se i margini si comprimessero a causa della concorrenza, NVIDIA potrebbe vedere rallentare la sua crescita come Cisco post-2000.
Eccessiva dipendenza da una tecnologia: se le GPU venissero superate da tecnologie più efficienti (come nuovi ASIC o acceleratori quantistici), la sua posizione dominante potrebbe ridursi.
Crescita rallentata dopo l’hype: come per Internet, anche l’AI potrebbe attraversare una fase di ridimensionamento dopo l’entusiasmo iniziale, con una normalizzazione della domanda.
Concorrenti verticali: grandi aziende come Google (TPU), Amazon (Trainium, Inferentia) e Meta stanno sviluppando chip interni per ridurre la dipendenza da NVIDIA, proprio come molti operatori di rete iniziarono ad adottare soluzioni alternative a Cisco.
Perchè Nvidia potrebbe non fare la fine di Cisco:
Integrazione verticale: NVIDIA non vende solo chip, ma un ecosistema completo (hardware + software + cloud). Cisco era fortemente legata all’hardware di rete.
Vantaggio competitivo software (CUDA): CUDA è un asset strategico che ha reso difficile lo switch a competitor alternativi. Cisco non aveva una simile lock-in tecnologica.
Innovazione costante: NVIDIA si è continuamente reinventata — dal gaming al data center, dall’AI al metaverso, fino all’automotive. Cisco è rimasta più focalizzata su networking.
Leadership forte e visionaria: Jensen Huang è ancora alla guida di NVIDIA e ha dimostrato una notevole capacità di visione e adattamento, cosa che mancò a Cisco in fase post-bolla.
Sì, è possibile che NVIDIA segua una traiettoria simile a quella di Cisco, specialmente se il mercato AI si normalizzerà e la concorrenza aumenterà. Ma non è inevitabile, e rispetto a Cisco, NVIDIA oggi è più diversificata, integrata e orientata all’innovazione software — tre fattori che potrebbero darle un futuro molto più solido e duraturo.
Step 2. Management 🧑💼
I fondatori di NVIDIA—Jensen Huang, Chris Malachowsky e Curtis Priem—hanno avuto un impatto significativo nel plasmare l'industria tecnologica, portando l'azienda a diventare un leader nel settore delle GPU e dell'intelligenza artificiale. Ecco una panoramica delle loro storie:
Jensen Huang – Il Visionario Fondatore
Nascita: 17 febbraio 1963, Taipei, Taiwan.
Formazione: Laurea in ingegneria elettrica presso l'Oregon State University e master presso la Stanford University.
Carriera: Dopo esperienze in LSI Logic e AMD, ha co-fondato NVIDIA nel 1993 con un capitale iniziale di soli 600 USD.
Ruolo attuale: CEO e Presidente di NVIDIA dal 1993.
Riconoscimenti: Ha ricevuto numerosi premi, tra cui il Queen Elizabeth Prize for Engineering nel 2025 e il VinFuture Prize nel 2024.
Chris Malachowsky – L'Ingegnere Dietro la GPU
Nascita: 2 maggio 1959, Oakhurst, New Jersey, USA.
Formazione: Laurea in ingegneria elettrica presso l'Università della Florida e
Se vuoi leggere l’analisi completa di NVIDIA, iscriviti gratuitamente qui sotto e vai su www.fuoriclasse.it