📊NVIDIA: Crescerà ancora? Analisi gratuita e completa del titolo.
Un vero regalo per te: analisi completa di Nvidia.
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.
Caro Fuoriclasse,
La email di oggi è un regalo per te.
Il 22 Aprile 2025 abbiamo lanciato un sondaggio per fare scegliere agli abbonati quale azienda doveva essere analizzata da fuoriclasse, tra Nvidia, Apple, Unicredit e Leonardo. (sotto la newsletter)
Nvidia ha ricevuto il massimo con il 34% delle preferenze dei votanti, quindi procediamo con il condividere con te l‘analisi integrale del titolo seguendo la solita metodologia dei 5 Step.
Come per tutte le altre analisi di fuoriclasse, anche questa analisi ci concentreremo sui cinque aspetti fondamentali: la comprensione del suo modello di business, la valutazione del management, le potenzialità di crescita, la posizione di leadership e le attuali valutazioni di mercato.
Se ti piace l’analisi di Nvidia, puoi sbloccare tutte le analisi di tutti gli altri titoli passando a un abbonamento a pagamento di Fuoriclasse a partire da 39 Euro al mese. (puoi disdire tutti gli abbonamenti in qualunque momento)
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.
Cominciamo.
Step 1. Capire il Business 📊
· Nome dell'azienda : Nvidia
· Codice ISIN : US67066G1040
· Ticker : NVDA US Equity
· Prezzo delle azioni : 114.5 $
· 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 master alla Santa Clara University.
Carriera: Ha lavorato in Hewlett-Packard e Sun Microsystems, dove ha incontrato Huang e Priem.
Ruolo in NVIDIA: Ha ricoperto il ruolo di Senior Vice President per l'ingegneria e le operazioni.
Contributi: È stato fondamentale nello sviluppo della GPU, rivoluzionando il rendering grafico e aprendo la strada all'intelligenza artificiale.
Curtis Priem – Il Pioniere del Chip Grafico
Formazione: Laurea in ingegneria elettrica presso il Rensselaer Polytechnic Institute.
Carriera: Ha lavorato in IBM e Sun Microsystems, progettando il primo processore grafico per PC.
Ruolo in NVIDIA: Co-fondatore e Chief Technical Officer dal 1993 al 2003.
Attività attuale: Dopo aver lasciato NVIDIA, ha venduto tutte le sue azioni e si dedica a progetti filantropici e alla sua fondazione
Step 3. Crescita 🚀
Partiamo dalle crescite storiche di Nvidia:
Dal 1999 al 2019 Nvidia cresceva sopra al 15%
Dal 2020 al 2023 Nvidia è cresciuta intorno al 30%
Dal 2023 e le attese sono di una crescita superiore al 100%
Passiamo ad un’analisi di mercato:
Secondo alcuni studi il 2034 il mercato dei chip per l'intelligenza artificiale raggiungerà 1 trilione di dollari, con un CAGR del 28,90% dal 2024 al 2034.
La crescita è una delle variabili fondamentali della valutazione di Nvidia e dipenderà molto dal business dell’intelligenza artificiale che oggi è ancora poco chiaro.
Step. 4. Leadership & Qualità 🌟
NVIDIA è il principale attore nel mercato delle GPU dedicate, con una quota compresa tra il 70% e l'80%.
AMD controlla il restante 20-30%, concentrandosi principalmente sul settore del gaming.
Nel corso degli anni, NVIDIA ha consolidato la propria posizione di leadership nel mercato delle GPU e dell’intelligenza artificiale grazie a una serie di vantaggi competitivi rispetto ad altri produttori di semiconduttori come AMD e Intel.
Tra i principali punti di forza si possono citare:
Specializzazione nelle GPU
Fin dalla sua fondazione, NVIDIA ha concentrato i propri sforzi esclusivamente sullo sviluppo delle GPU. Questa focalizzazione le ha consentito di innovare costantemente e mantenere un vantaggio competitivo, offrendo soluzioni grafiche all’avanguardia rispetto ai principali concorrenti.Ecosistema CUDA
La piattaforma CUDA, sviluppata da NVIDIA, ha rivoluzionato il modo in cui le GPU vengono impiegate per l’elaborazione generica. Il suo ecosistema maturo — composto da librerie, strumenti e framework — ha reso le GPU NVIDIA una scelta privilegiata in ambiti come l’intelligenza artificiale, il deep learning e il calcolo ad alte prestazioni.Prestazioni AI e Deep Learning
Le GPU NVIDIA sono note per offrire prestazioni eccezionali nei carichi di lavoro legati all’intelligenza artificiale e al deep learning, grazie all’elevato grado di parallelismo e a componenti hardware dedicati come i Tensor Core. Ciò ha favorito la sua affermazione nei mercati in rapida crescita legati all’AI.Collaborazioni strategiche
NVIDIA ha stretto partnership chiave con aziende tecnologiche, fornitori di servizi cloud e istituzioni accademiche, facilitando una più ampia diffusione delle sue piattaforme in settori emergenti come l'automotive, la robotica e l'edge computing.Innovazione costante
L’azienda si distingue per una forte cultura dell’innovazione, testimoniata dal continuo rilascio di nuove architetture GPU sempre più performanti ed efficienti. Con circa il 75% della forza lavoro impiegata in attività di ricerca e sviluppo, NVIDIA continua a guidare il progresso nei settori delle GPU e dell’intelligenza artificiale.· Integrazione verticale
Oltre all’hardware, NVIDIA ha costruito un ricco portafoglio software — tra cui strumenti, piattaforme e librerie — che completano e potenziano le sue soluzioni GPU. Questa integrazione verticale permette all’azienda di offrire soluzioni complete, aumentando il valore per i clienti finali.Forza del marchio
NVIDIA ha sviluppato un marchio riconosciuto e rispettato, in particolare nei segmenti gaming e professionale. Questo forte posizionamento di brand contribuisce a rafforzare la sua leadership nel mercato globale delle GPU.
Quindi è difficile pensare che Nvidia possa avere dei concorrenti nel mercato dei GPU.
La possibilità è che i GPU vengano sostituiti da altri chip come i TPU per il business dell’Intelligenza Aritficiale.
Minaccia alla leadership di Nvidia: Google-Amazon e Meta.
Che cosa sono I TPU? Tensor Processing Unit
I TPU sono stati sviluppati da Google specificamente per accelerare l'elaborazione di tensori, che sono strutture matematiche usate nei modelli di machine learning, in particolare nelle reti neurali profonde (Deep Learning).
A differenza delle GPU, che sono progettate per un'ampia gamma di calcoli, i TPU sono specializzati per eseguire operazioni di matematica tensoriale, particolarmente utili nell'addestramento e nell'inferenza dei modelli di machine learning, come quelli che utilizzano TensorFlow (il framework di machine learning di Google).
I TPU sono progettati per essere più efficienti in operazioni di AI rispetto alle GPU, specialmente per determinati tipi di modelli e workload.
La competizione da parte di Google con i TPU è una minaccia concreta, soprattutto in ambiti molto specifici, come il machine learning a larga scala e in ambienti cloud. I TPU sono progettati appositamente per accelerare i calcoli di AI, come l'elaborazione di modelli di machine learning, e sono ottimizzati per lavorare bene con i framework di Google, come TensorFlow. Google ha anche la possibilità di integrarsi perfettamente con la propria infrastruttura cloud, il che può dare ai TPU un vantaggio in termini di efficienza e costo nei data center.
Detto ciò, NVIDIA ha diversi vantaggi competitivi che la rendono difficile da superare nel breve termine:
Architettura GPU general-purpose: Le GPU NVIDIA, nonostante siano fortemente ottimizzate per l'AI, possono essere utilizzate per una vasta gamma di applicazioni (dal gaming alla visualizzazione 3D, al calcolo scientifico). Questo le rende un'opzione versatile, mentre i TPU di Google sono più specializzati.
Ecosistema e supporto software: NVIDIA ha investito moltissimo in software, come la suite CUDA e le sue librerie AI (CUDA-X), che sono ben supportate dalla comunità di sviluppatori. Le soluzioni come NVIDIA DGX per il training AI e le piattaforme come Omniverse per la simulazione di mondi virtuali sono anche punti di forza che vanno oltre la pura potenza computazionale.
Partnership strategiche e mercato consolidato: NVIDIA ha partnership con numerosi leader di settore, sia nel campo dei data center che in settori verticali come l'automotive e la visualizzazione professionale. Questo ampio ecosistema offre un vantaggio importante in termini di accesso a mercati globali e adozione di massa.
Aggiornamenti costanti e innovazione: NVIDIA continua ad evolvere la propria architettura, come dimostra l'introduzione delle GPU Ampere e delle architetture Blackwell per carichi di lavoro avanzati, e l'espansione della sua offerta nel campo delle DPU e CPU, oltre alle GPU tradizionali.
Possibili sfide future per NVIDIA:
Google e i TPU: Google potrebbe continuare a spingere i TPU come una soluzione molto specifica per AI in ambito cloud, soprattutto per le grandi aziende che sono già nel loro ecosistema. In scenari in cui i modelli AI siano altamente ottimizzati per TensorFlow, i TPU potrebbero risultare molto più vantaggiosi rispetto alle GPU NVIDIA.
Emergenza di nuovi competitor: Altri potenziali concorrenti potrebbero emergere in futuro, come AMD (che sta cercando di guadagnare terreno nel settore delle GPU per AI) o start-up innovative che sviluppano hardware specifico per AI, magari progettato per ottimizzare carichi di lavoro specifici in modo più efficiente rispetto alle soluzioni generaliste come le GPU.
In sintesi, sebbene i TPU di Google rappresentino una seria minaccia per l'AI in ambito cloud, NVIDIA ha ancora una posizione di forza grazie alla sua architettura versatile, all'ecosistema software solido, e all'ampio supporto nei diversi settori. La competizione nel campo dell'AI è destinata a intensificarsi, ma NVIDIA ha una solida base da cui partire, anche se dovrà continuare ad innovare per mantenere il suo vantaggio.
Non solo i TPU ma anche Amazon e Meta stanno lavorando sui loro chip
· Amazon attraverso la sua divisione AWS e il team Annapurna Labs, ha progettato i chip Trainium e Inferentia per l'addestramento e l'inferenza dei modelli AI. Nel 2024, Amazon ha annunciato il Trainium 2, una versione migliorata che offre prestazioni superiori e un consumo energetico ridotto. Secondo Amazon, Trainium 2 è fino al 50% più economico rispetto alle soluzioni NVIDIA per l'addestramento di modelli AI . Inoltre, Amazon ha ridotto i prezzi dei suoi chip AI per attrarre clienti e competere con le offerte di NVIDIA .
· Meta ha annunciato investimenti significativi in infrastrutture AI, con una previsione di spesa in conto capitale tra 64 e 72 miliardi di dollari nel 2025 . Tuttavia, al momento non sono emerse informazioni pubbliche su chip AI sviluppati internamente da Meta
La sua leadership e l’importanza dell’AI sulla reddittività di Nvidia lo vediamo dall’andamento dei numeri.
In primis i margini, passati dal 30 al 65%:
In secondo luogo il Ritorno Sul capitale:
Step 5. Valutazioni ⚖️
Quindi che Nvidia sia leader è fuori discussione, vediamo se è o no un buon investimento a sconto valutativo.
Partiamo confrontandola con i competitor del settore
Vediamo come Nvidia:
1. sia a 38.9x PE (utili di quest’anno) rispetto alla sua media a dieci anni di 32.5 PE. La media del settore è a circa 35x PE.
Si vede dall’ultima colonna come tutto il settore abbia vissuto un ri-prezzamento di multipli, essendo del 62% su livelli superiori alle medie a dieci anni.
2. abbia un ritorno sul capitale, che misura la leadership e qualità, intorno a 47, più del doppio della media dei competitor.
Passiamo al rapporto Prezzo su Utili che si trova 38x (utili di quest’anno) sulla parte bassa della sua storia:
Questo livello elevato ci evidenzia le aspettative enormi che gli investitori hanno sulle crescite attese di Nvidia.
Per analizzare Nvidia è quindi necessario farsi un’idea sulla crescita futura dei diversi business in cui opera.
Business:
· un business di chip per l'intelligenza artificiale che rimane la sua principale opportunità di crescita e in cui detiene un vantaggio significativo sulla concorrenza;
· un business di chip per auto in cui è un piccolo attore in un settore piccolo, ma con un potenziale derivante dalla domanda di chip più potenti per le auto;
· e il resto, incluso il suo business esistente in criptovalute e gaming, dove crescita e margini sono solidi, ma è improbabile che subiscano cambiamenti drastici.
Ipotesi
Partiamo col citare quanto potrebbe essere grande questo mercato secondo gli analisti. Nel 2035 il mercato di 1 trilione di dollari di CHIP AI
Ora dobbiamo ipotizzare la market share di Nvidia, da 80% la facciamo scendere al 50%
Ora dobbiamo ipotizzare i margini di Nvidia attesi per i prossimi anni, attualmente al 60%, ipotizziamo raggiunga il 45% come Microsoft, per la minaccia dei Chip di Amazon-Meta-Alphabet
Con queste ipotesi il valore di Nvidia risulta essere di 75$ (rispetto ai 115$ del 02.05.2025):
E’ però utile chiedersi anche cosa stia scontando il mercato con l’attuale prezzo del 115$. Il mercato starebbe scontando le seguenti ipotesi:
Mercato dei chip AI non di 1 trilione, ma superiore a tale valore.
Market Share di Nvidia superiore al 50%
Margini di Nvidia superiori al 45%
Come si evince da queste ipotesi è possibile che Nvidia raggiunga questi obiettivi anche se è molto difficile e soprattutto rischioso.
Soprattutto considerando che attualmente Nvidia sta crescendo molto nei datacenter per il cloud. Dato però che il mercato del cloud è molto concentrato su tre aziende: Amazon, Microsoft e Google; e due di queste (Amazon e Google) stanno implementando i loro chip proprio per dipendere meno da Nvidia.
Conclusione
Nvidia è il leader dei chip utilizzati per lo sviluppo dell’Intelligenza Artificiale, GPU. Il segreto del successo di Nvidia è stato quello di produrre dei chip per un business, schede grafiche per il gaming, e che questi chip fossero fondamentali nella rivoluzione tecnologica dell’Intelligenza Artificiale.
Detto questo entrando nelle metriche valutative è difficile trovare oggi un margine di sicurezza in questo investimento. Nvidia potrebbe rimanere leader, e continuare a fare utili, e crescere anche, ma la domanda però che ci rimane è quanto il mercato sarà disposto a pagare questa leadership in termini di multiplo, e oggi non troviamo un margine di sicurezza in questo.
Da cosa potrà dipendere se Nvidia riuscirà o no a mantenere questo multiplo?
In primis dalla reddittività del mercato dell’intelligenza artificiale, e ad oggi è una variabile non conosciuta, e in secondo luogo dalla competizione, e oggi tutti i big tech stanno lavorando per non dipendere solo da Nvidia.
Abbiamo mostrato nello studio come Nvidia non sia la prima azienda che è stata protagonista di una rivoluzione e di come la competizione e Mr. Market tende nel tempo a rimettere le cose in equilibrio.
Punteggio per ognuno dei 5 step:
Business: 👔 👔 👔
Management: 👔 👔 👔 👔 👔
Crescita: 👔 👔 👔 👔
Leadership e qualità: 👔 👔 👔 👔
Valutazioni: 👔 👔
Punteggio Finale NVIDIA:
(Da 1 a 5 Fuoriclasse Valuation)
Total Score: 👔👔👔
Cosa stai aspettando a diventare un fuoriclasse?
Cosa comprende il PIANO PLAYER
(abbonamento a 39 Euro/mese)*
Tutto quanto riportato nel PIANO GRATUITO
In aggiunta:
✉️ Accesso a 3 e-mail Settimanali Complete. Riceverai la newsletter di Fuoriclasse il martedì, una il giovedì e una la domenica con Accesso completo a tutte le informazioni! Ogni volta che ci sarà una notizia importante sui mercati, una azienda o un settore interessante per fuoriclasse, promozioni di fuoriclasse, ti verrà inviata una email dedicata.
🤝🏻 “FuoriTalks” - incontro online con gli analisti ogni mese.
Cosa comprende il PIANO PRO
(abbonamento a 900 Euro/anno)*
Tutto quanto riportato nel PIANO PLAYER
In aggiunta:
👔 Accesso Esclusivo al Portafoglio Fuoriclasse
📃 Analisi complete di tutti i titoli all’interno del portafoglio Fuoriclasse
🖥️ “Meet The Great” - Incontro trimestrale con i Gestori.
*Puoi disdire ognuno di questi 3 abbonamenti in qualsiasi momento.