NVIDIA e fondi privati mobilitano 500 miliardi per finanziare infrastrutture AI

NVIDIA e fondi privati mobilitano 500 miliardi per finanziare infrastrutture AI, con partnership con Apollo, BlackRock e altri.

NVIDIA e fondi privati mobilitano 500 miliardi per finanziare infrastrutture AI, con partnership con Apollo, BlackRock e altri
NVIDIA e fondi privati mobilitano 500 miliardi per finanziare infrastrutture AI, con partnership con Apollo, BlackRock e altri

NVIDIA ha annunciato il 10 agosto 2026 di aver firmato memorandini di intesa con sei dei più grandi pool di capitali privati al mondo — Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR — per creare piattaforme di finanziamento indipendenti che mobiliteranno più di 500 miliardi di dollari per l’infrastruttura AI nel tempo. L’obiettivo è offrire a clienti, laboratori e cloud provider accesso a capitali a tasso competitivo, con un modello che mira a rendere i sistemi di calcolo AI investibili come asset. La notizia, pubblicata da Theo Nash, esperto in infrastruttura AI e calcolo, sottolinea un passo significativo nella trasformazione del settore.

Finanziamento come asset

NVIDIA presenta il proprio calcolo come un asset investibile, basandosi su tre elementi chiave: costo dei token più basso, vita utile più lunga e un ecosistema di acquirenti profondamente radicato nella sua piattaforma CUDA. Questi fattori, afferma la società, rendono i sistemi di calcolo AI attraenti per i finanziatori, che possono considerarli come infrastrutture a lungo termine, simili a impianti energetici o strade a pedaggio. La strategia segue un modello di finanziamento basato su debito, come i primi prestiti per centri dati sovranazionali di Global AI e la pipeline di fabbriche AI di Firebird.

La decisione di finanziare i sistemi di calcolo come asset si basa sull’idea che i centri dati AI, con la loro capacità di generare reddito attraverso la vendita di token, possano essere trattati come asset a lungo termine. Questo approccio, spiega Theo Nash, si basa sull’idea che i centri dati AI, con la loro capacità di generare reddito attraverso la vendita di token, possano essere trattati come asset a lungo termine.

Partnership e strumenti di finanziamento

Le partnership con i grandi fondi privati si basano su un’esperienza preesistente. BlackRock, ad esempio, ha già investito in centri dati come il Meta El Paso, finanziandolo attraverso un prestito di 12 miliardi di dollari. KKR, invece, ha sottolineato il ruolo di NVIDIA come investitore fondatore nel suo platform Helix Digital Infrastructure. Goldman Sachs, a sua volta, ha descritto il ruolo del gruppo come la creazione di un “mercato per credito supportato dal calcolo NVIDIA”, suggerendo che le piattaforme potrebbero emettere o distribuire debiti legati al calcolo.

La DSX, piattaforma di design e operazioni per fabbriche AI, è stata menzionata come strumento chiave per la costruzione di tali infrastrutture. Standardizzate, le fabbriche sono più semplici da valutare rispetto a quelle su misura; un modello di finanziamento e uno di progettazione risolvono lo stesso problema da angoli opposti. Le piattaforme di finanziamento, sebbene siano in fase di definizione, mirano a standardizzare i progetti e semplificare l’accesso al credito. Questo approccio, spiega Theo Nash, si basa sull’idea che i centri dati AI, con la loro capacità di generare reddito attraverso la vendita di token, possano essere trattati come asset a lungo termine.

La mobilitazione di 500 miliardi di dollari rappresenta un obiettivo a lungo termine, non un fondo già disponibile, e le partnership restano soggette all’esecuzione di accordi finali. Per i clienti di NVIDIA, l’effetto pratico da monitorare è il costo del credito per i progetti di fabbriche AI. La creazione di pool dedicati, gestiti da sei grandi istituzioni, dovrebbe permettere un finanziamento più economico rispetto a modelli di progetto per progetto. La strategia di NVIDIA mira a rendere il calcolo AI un’opzione finanziabile a lungo termine. Questo potrebbe influenzare direttamente i costi per training e token, determinando chi ha la capacità di costruire infrastrutture AI su larga scala.