Quick View - Informazioni utili per gli investitori dalla GTC 2025 di NVIDIA
Il gestore di portafoglio Richard Clode presenta i punti salienti della conferenza annuale sulla tecnologia di NVIDIA, un evento fondamentale che mette in evidenza la rapida progressione della rivoluzione AI, comprese le opportunità create dall'AI agentica.

5 minuti di lettura
In sintesi
- I token, non i dati, sono il "nuovo petrolio" che alimenta un maggiore sviluppo dell'intelligenza e dei relativi ricavi e profitti. I modelli di ragionamento sono alla base dello sviluppo dell'AI agentica, che porta alla creazione di nuovi e vasti mercati target per l'AI.
- Le implicazioni di DeepSeek sono state fraintese dal mercato. Le esigenze di calcolo dell'AI crescono in modo esponenziale con i modelli di ragionamento, mentre le restrizioni degli Stati Uniti sui semiconduttori significano probabilmente che le competenze cinesi in materia di AI hanno raggiunto il picco.
- Le sfide energetiche legate all'AI saranno risolte dall'innovazione tecnologica, creando opportunità di investimento nell'intero stack tecnologico.
I token sono il "nuovo petrolio"
I dati erano il "nuovo petrolio", ma in un mondo in cui l'AI generativa consente la creazione illimitata di dati sintetici, ora i token sono la nuova risorsa di potere. L'innovazione originale del modello transformer che ha rivoluzionato e inaugurato l'era dell'AI generativa si basa sulla tokenizzazione. I token sono unità di dati elaborate dai modelli AI nelle fasi di addestramento e inferenza, che consentono di fare previsioni, generare contenuti e ragionare. Quindi i token equivalgono all'intelligenza e, in ultima analisi, porteranno a un aumento dei ricavi e dei profitti.
Jensen Huang, CEO di NVIDIA, ha parlato a lungo di "fabbriche di AI", ossia data center AI che creano token, e quindi intelligenza, per ottimizzare la progettazione dei prodotti, gestire l'attività in modo più efficiente e migliorare la qualità del servizio ai clienti. Il CEO di NVIDIA immagina un futuro in cui ogni azienda avrà due tipi di fabbriche: una dedicata alla produzione e una matematica. NVIDIA, leader del settore dei chip AI avanzati, ha iniziato solo da poco a progettare i chip del futuro con strumenti software EDA (Electronic Design Automation) accelerati grazie all'AI – solo di recente il software è stato ottimizzato per funzionare con il linguaggio di programmazione CUDA di NVIDIA. La società ha inoltre annunciato una partnership onnicomprensiva con GM (General Motors) che riguarda l'uso dell'AI per aiutare GM a progettare automobili, migliorare l'efficienza, nonché consentire la guida autonoma.
AI agentica: la prossima ondata dell'AI
Siamo ancora agli inizi della curva dell'innovazione dell'AI generativa. La nuova legge di scalabilità evidenziata da Jensen Huang riguarda il test time scaling o i modelli di ragionamento a lungo termine, che adottano un approccio al processo di pensiero a più lungo termine per arrivare a una risposta più accurata, invece di dare la priorità alla rapidità. Questi modelli di ragionamento, introdotti di recente sul mercato, sono alla base dell'AI agentica. Si tratta di una forma di AI in grado di agire in modo autonomo, in quanto comprende il contesto del problema che le viene chiesto di risolvere. Il punto di svolta consiste nella capacità di ragionare e pianificare una linea d'azione per risolvere il problema in maniera multimodale. Ciò potrebbe comportare, ad esempio, la lettura di un articolo di un sito Web o la visione di un video, per poi seguire contemporaneamente diversi percorsi potenziali per la soluzione del problema e quindi verificare la coerenza delle risposte o ricollegarle alla domanda. In questo modo si superano le difficoltà incontrate da ChatGPT e altri modelli di inferenza "one-shot" anche nel rispondere a domande semplici, per non parlare di quelle più complesse. L'AI agentica è una forma di intelligenza più avanzata che rende possibile la prossima ondata tecnologica con il passaggio dai copiloti ad agenti AI in grado di eseguire task senza supervisione con un alto grado di precisione e coerenza. L'AI agentica espande in modo significativo il mercato di riferimento dell'AI e apre la strada a nuove applicazioni dell'AI fisica, come i robot umanoidi e la guida autonoma, dove entrano in gioco forze del mondo reale come la gravità, l'attrito e le relazioni di "causa ed effetto".
Chiarire l'equivoco su DeepSeek
Jensen si è sforzato di sottolineare che il mercato aveva completamente frainteso le implicazioni del lancio del modello R1 di DeepSeek all'inizio di quest'anno. Mettendo a confronto DeepSeek e un modello standard di Meta privo di capacità di ragionamento, si è constatato che la risposta di DeepSeek era più accurata, ma ha richiesto 20 volte più token e 150 volte più calcoli. Lungi dall'indicare una futura riduzione delle esigenze di calcolo, DeepSeek ha introdotto i modelli di ragionamento, aprendo la strada a un nuovo vettore di scaling per le esigenze di calcolo dell'AI.
NVIDIA ha presentato inoltre la sua tabella di marcia fino al 2027, che culminerà con il prossimo superchip AI, Rubin Ultra, dalle prestazioni 400 volte superiori a quelle di Hopper. Si tratta di un aspetto importante perché le attuali restrizioni statunitensi all'esportazione di semiconduttori (volte a limitare l'accesso della Cina ai semiconduttori avanzati e alle attrezzature necessarie per produrli) impongono una limitazione assoluta per il calcolo AI al livello meno avanzato di Hopper. Nei prossimi anni, i nuovi modelli di AI cinesi saranno vincolati da questa limitazione di calcolo, mentre a livello globale i modelli AI si addestreranno probabilmente su infrastrutture AI con prestazioni esponenzialmente più elevate. Ciò sembra suggerire che in questo momento le capacità in materia di AI della Cina rispetto al resto del mondo sono probabilmente a un livello relativamente alto.
Le soluzioni full stack risolveranno la sfida energetica posta dall'AI
NVIDIA non è mai stata semplicemente un'azienda di semiconduttori: una parte significativa dei miglioramenti delle prestazioni e dei risparmi energetici ottenuti è dovuta all'innovazione in materia di software e reti. Jensen ha sempre detto che l'AI generativa è un problema full stack che richiede una soluzione full stack. All'evento GTC, l'azienda ha presentato nuove innovazioni come l'ottica co-packaged e la virtualizzazione del software Dynamo. Le reti ottiche dei cluster di addestramento dell'AI comportano un notevole consumo di energia con 6 transceiver per GPU, che necessitano 30 watt di potenza ciascuno, quindi man mano che i cluster di addestramento si moltiplicano, cresce anche il consumo energetico per l'ottica. Integrando i componenti ottici negli switch stessi, NVIDIA afferma di poter offrire un'efficienza energetica 3,5 volte superiore utilizzando un numero di laser 4 volte inferiore. Dynamo è un livello software di virtualizzazione che ottimizza i carichi di lavoro dell'inferenza virtualizzando le GPU e suddividendo i carichi di lavoro tra di esse, ottenendo prestazioni di inferenza 30 volte superiori.
Continuiamo a credere che le sfide energetiche necessarie per far progredire e gestire l'AI saranno risolte dall'innovazione tecnologica. Pertanto, è possibile trovare opportunità di investimento più interessanti all'interno dello stack tecnologico piuttosto che nelle utility e nelle infrastrutture energetiche.
AI agentica: Utilizza un ragionamento sofisticato e una pianificazione iterativa per risolvere in modo autonomo problemi complessi a più fasi. Grandi quantità di dati provenienti da varie fonti di dati e applicazioni di terze parti vengono utilizzate per analizzare in modo indipendente le sfide, sviluppare strategie ed eseguire task.
CUDA: Linguaggio di programmazione sviluppato da NVIDIA che utilizza unità di elaborazione grafica (GPU). Consente di eseguire i calcoli in parallelo, assicurando al contempo una velocità ben definita. CUDA consente alle GPU Nvidia di eseguire attività di calcolo comuni, come l'elaborazione di matrici e altre operazioni di algebra lineare, anziché eseguire semplicemente calcoli grafici.
DeepSeek: Startup cinese del settore AI che sviluppa modelli linguistici di grandi dimensioni (LLM) avanzati open source come DeepSeek-V3, importante rivale e opzione meno costosa rispetto a ChatGPT di OpenAI e Gemini di Google.
Electronic Design Automation (EDA): Specifica categoria di hardware, software, servizi e processi che utilizzano la progettazione assistita da computer per sviluppare sistemi elettronici complessi come circuiti stampati, circuiti integrati e microprocessori. La densità degli elementi in un circuito stampato o un microprocessore richiede una progettazione estremamente complessa. Il software EDA utilizza processi automatizzati e standardizzati che facilitano lo sviluppo rapido, riducendo al minimo bug, difetti e altri errori di progettazione.
Soluzione full stack: si riferisce a un approccio completo allo sviluppo del software che copre tutti i livelli di un'applicazione o di un progetto. Ciò include sia i componenti front-end che back-end, nonché tutti gli altri livelli necessari per il pieno funzionamento dell'applicazione.
GPU: un'unità di elaborazione grafica esegue complessi calcoli matematici e geometrici necessari per il rendering grafico e vengono utilizzati anche nei giochi, nella creazione di contenuti e nell'apprendimento automatico.
Inferenza: si riferisce all'elaborazione dell'intelligenza artificiale. Mentre il machine learning e il deep learning si riferiscono al training di reti neurali, l'inferenza dell'AI applica la conoscenza ricavata da un modello di rete neurale addestrato e l'utilizza per l'inferenza di un risultato.
LLM (large language model, modello linguistico di grandi dimensioni): un tipo specializzato di intelligenza artificiale che è stato addestrato su grandi quantità di testo per comprendere i contenuti esistenti e generare contenuti originali.
Ragionamento a lungo termine: processo deliberato e prolungato di valutazione delle informazioni e dei potenziali risultati, attraverso l'analisi di varie prospettive, che considera le implicazioni di lungo termine ponderando attentamente diversi fattori, prima di trarre conclusioni.
Inferenza "one-shot": Indica un metodo in cui al modello viene fornito un singolo esempio o prompt per l'esecuzione di un task. Si basa su un singolo prompt realizzato con cura per ottenere l'output auspicato.
Test time scaling: approccio di modellazione del linguaggio che maggiori risorse computazionali durante il test per migliorare le prestazioni.
Token: I token di AI sono gli elementi costitutivi di input e output utilizzati dai modelli linguistici di grandi dimensioni (LLM). Queste unità di dati vengono elaborate dai modelli AI nelle fasi di addestramento e inferenza, consentendo di fare previsioni, generare contenuti e ragionare.
Queste sono le opinioni dell'autore al momento della pubblicazione e possono differire da quelle di altri individui/team di Janus Henderson Investors. I riferimenti a singoli titoli non costituiscono una raccomandazione all'acquisto, alla vendita o alla detenzione di un titolo, di una strategia d'investimento o di un settore di mercato e non devono essere considerati redditizi. Janus Henderson Investors, le sue affiliate o i suoi dipendenti possono avere un’esposizione nei titoli citati.
Le performance passate non sono indicative dei rendimenti futuri. Tutti i dati dei rendimenti includono sia il reddito che le plusvalenze o le eventuali perdite ma sono al lordo dei costi delle commissioni dovuti al momento dell'emissione.
Le informazioni contenute in questo articolo non devono essere intese come una guida all'investimento.
Non vi è alcuna garanzia che le tendenze passate continuino o che le previsioni si realizzino.
Comunicazione di Marketing.
Informazioni importanti
Si prega di leggere attentamente le seguenti informazioni sui fondi citati in questo articolo.
- Le azioni/quote possono perdere valore rapidamente e di norma implicano rischi più elevati rispetto alle obbligazioni o agli strumenti del mercato monetario. Di conseguenza il valore del proprio investimento potrebbe diminuire.
- Le azioni di società a piccola e media capitalizzazione possono presentare una maggiore volatilità rispetto a quelle di società più ampie e talvolta può essere difficile valutare o vendere tali azioni al momento e al prezzo desiderati, il che aumenta il rischio di perdite.
- Un Fondo che presenta un’esposizione elevata a un determinato paese o regione geografica comporta un livello maggiore di rischio rispetto a un Fondo più diversificato.
- Il Fondo si concentra su determinati settori o temi d’investimento e potrebbe risentire pesantemente di fattori quali eventuali variazioni ai regolamenti governativi, una maggiore competizione nei prezzi, progressi tecnologici ed altri eventi negativi.
- Il Fondo si attiene a un approccio d'investimento sostenibile, il che potrebbe condurlo ad essere sovrappesato e/o sottopesato in alcuni settori e pertanto a realizzare performance diverse da quelle di fondi con obiettivi analoghi, ma che non si avvalgono di criteri d'investimento sostenibile per la selezione dei titoli.
- Il Fondo potrebbe usare derivati al fine di ridurre il rischio o gestire il portafoglio in modo più efficiente. Ciò, tuttavia, comporta rischi aggiuntivi, in particolare il rischio che la controparte del derivato non adempia i suoi obblighi contrattuali.
- Qualora il Fondo detenga attivi in valute diverse da quella di base del Fondo o l'investitore detenga azioni o quote in un'altra valuta (in assenza di "copertura"), il valore dell'investimento potrebbe subire le oscillazioni del tasso di cambio.
- Se il Fondo, o una classe di azioni con copertura, intende attenuare le fluttuazioni del tasso di cambio tra la valuta di denominazione e la valuta di base, la stessa strategia di copertura potrebbe generare un effetto positivo o negativo sul valore del Fondo, a causa delle differenze di tasso d'interesse a breve termine tra le due valute.
- I titoli del Fondo potrebbero diventare difficili da valutare o da vendere al prezzo e con le tempistiche desiderati, specie in condizioni di mercato estreme con il prezzo delle attività in calo, aumentando il rischio di perdite sull'investimento.
- Il Fondo potrebbe perdere denaro se una controparte con la quale il Fondo effettua scambi non fosse più intenzionata ad adempiere ai propri obblighi, o a causa di un errore o di un ritardo nei processi operativi o di una negligenza di un fornitore terzo.
Rischi specifici
- Le azioni/quote possono perdere valore rapidamente e di norma implicano rischi più elevati rispetto alle obbligazioni o agli strumenti del mercato monetario. Di conseguenza il valore del proprio investimento potrebbe diminuire.
- Un Fondo che presenta un’esposizione elevata a un determinato paese o regione geografica comporta un livello maggiore di rischio rispetto a un Fondo più diversificato.
- Il Fondo si concentra su determinati settori o temi d’investimento e potrebbe risentire pesantemente di fattori quali eventuali variazioni ai regolamenti governativi, una maggiore competizione nei prezzi, progressi tecnologici ed altri eventi negativi.
- Questo Fondo può avere un portafoglio particolarmente concentrato rispetto al suo universo di investimento o altri fondi del settore. Un evento sfavorevole riguardante anche un numero ridotto di posizioni potrebbe creare una notevole volatilità o perdite consistenti per il Fondo.
- Il Fondo potrebbe usare derivati al fine di ridurre il rischio o gestire il portafoglio in modo più efficiente. Ciò, tuttavia, comporta rischi aggiuntivi, in particolare il rischio che la controparte del derivato non adempia i suoi obblighi contrattuali.
- Qualora il Fondo detenga attivi in valute diverse da quella di base del Fondo o l'investitore detenga azioni o quote in un'altra valuta (in assenza di "copertura"), il valore dell'investimento potrebbe subire le oscillazioni del tasso di cambio.
- Se il Fondo, o una classe di azioni con copertura, intende attenuare le fluttuazioni del tasso di cambio tra la valuta di denominazione e la valuta di base, la stessa strategia di copertura potrebbe generare un effetto positivo o negativo sul valore del Fondo, a causa delle differenze di tasso d'interesse a breve termine tra le due valute.
- I titoli del Fondo potrebbero diventare difficili da valutare o da vendere al prezzo e con le tempistiche desiderati, specie in condizioni di mercato estreme con il prezzo delle attività in calo, aumentando il rischio di perdite sull'investimento.
- Il Fondo potrebbe perdere denaro se una controparte con la quale il Fondo effettua scambi non fosse più intenzionata ad adempiere ai propri obblighi, o a causa di un errore o di un ritardo nei processi operativi o di una negligenza di un fornitore terzo.