Nel mercato delle GPU per intelligenza artificiale sta succedendo qualcosa di anomalo rispetto a qualunque logica classica dell’hardware: invece di perdere valore con il tempo, alcuni acceleratori Nvidia continuano ad apprezzarsi.
Il dato fotografa una pressione ancora molto forte sulla domanda di potenza di calcolo AI. In pratica, chi cerca capacità di inferenza e addestramento è disposto a pagare sull’usato più del listino iniziale, segnale che disponibilità e tempi di accesso restano fattori decisivi quanto, se non più, del prezzo ufficiale.
La svalutazione lineare non regge più nel segmento degli acceleratori AI
Le rilevazioni di Silicon Data mostrano che la B200 basata su architettura Blackwell viene scambiata con un premio di circa il 58% rispetto al MSRP originario. È un comportamento opposto a quello dell’elettronica di consumo e, più in generale, dell’hardware enterprise tradizionale, dove il valore tende a scendere in modo progressivo anno dopo anno.
Lo stesso andamento emerge anche per le generazioni precedenti. Le Nvidia A100 e H100 mantengono valori residui ben superiori a quelli attesi da un classico piano di ammortamento su tre o cinque anni.
Efficienza in inferenza e noleggio in crescita spiegano il premio sul mercato
Una delle ragioni del fenomeno è il rapporto tra prestazioni e costo operativo. Nei benchmark pubblicati da SemiAnalysis, la B200 esegue DeepSeek-R1 con una velocità interattiva di 76 token al secondo per utente e un costo di inferenza di appena 0,20 dollari per milione di token, circa 0,17 euro.
Anche il mercato del noleggio conferma la stessa tensione. A inizio anno il canone orario della B200 era poco sotto i 5 dollari, mentre ad agosto si è mosso in una fascia tra 5,50 e 5,80 dollari l’ora, ciòè circa 4,70-4,95 euro. Nel segmento cloud non hyperscale il prezzo medio si colloca intorno a 5,61 dollari l’ora, circa 4,80 euro.
La richiesta di calcolo AI continua a crescere nonostante gli inviti alla prudenza
Negli ultimi mesi non sono mancati appelli a rallentare il ritmo di sviluppo dei modelli AI, ma il mercato hardware sta raccontando una storia diversa. Il comportamento dei prezzi della B200, insieme alla tenuta di A100 e H100, suggerisce che operatori cloud, laboratori AI e aziende continuano a investire pur di assicurarsi accesso rapido alle GPU più adatte ai carichi moderni.
Per chi osserva il settore, questo è un indicatore più concreto di molte dichiarazioni pubbliche: il valore di un acceleratore oggi non dipende solo dall’età del prodotto, ma dalla sua capacità di generare throughput utile, contenere i costi di inferenza e ridurre i colli di bottiglia.
