Nvidia compra il posto dove vivono i modelli
L'accordo su Hugging Face vale circa 86 volte i ricavi: Nvidia ha ora nel suo ecosistema il principale layer di distribuzione dei modelli
Luciano Cipriano
9/1/20266 min read
Ciao a tutti,
Ben arrivati su WikiLuc.
C'è una riga che compare in quasi tutte le pipeline che ho visto passare in review negli ultimi due anni, e che è divenuta oramai uno standard: quella in cui si scarica un modello da Hugging Face. È diventata infrastruttura invisibile, come un pip install— finché non ti chiedi chi possiede il server dall'altra parte. Il 27 agosto The Information ha riportato, e CNBC e Forbes hanno rilanciato, che Nvidia avrebbe raggiunto un accordo per acquisire Hugging Face per circa 12,9 miliardi di dollari. Nessuna delle due aziende ha confermato pubblicamente, e questo va tenuto presente: stiamo ragionando su un'operazione riportata, non su un comunicato.
Se si chiudesse, sarebbe la maggiore acquisizione nella storia di Nvidia — sopra i 7 miliardi pagati per Mellanox nel 2020. Vale la pena capire cosa si sta comprando, perché non sono i modelli.
Di cosa parliamo oggi:
Cos'è davvero il layer di distribuzione e perché costa 86 volte i ricavi
I 500 milioni che Hugging Face aveva rifiutato, e da chi
Come l'operazione si incastra nella strategia a cinque strati presentata da Nvidia a marzo
I punti di attenzione: neutralità, antitrust, rischio fornitore
Le domande da farsi se hai Hugging Face dentro un processo di produzione
Partiamo dal problema.
Cosa si compra quando si compra un hub di modelli
Cosa intendiamo per "layer di distribuzione"
I numeri di Hugging Face raccontano una piattaforma, non un prodotto. A fine 2025 la comunità contava circa 13 milioni di utenti registrati, oltre 2 milioni di modelli pubblici e più di 500.000 dataset pubblici, con ricavi annualizzati intorno ai 150 milioni di dollari. Fatta la divisione, 12,9 miliardi valgono circa 86 volte il fatturato — un multiplo che non si giustifica con il conto economico e che non prova nemmeno a farlo.
Quello che si compra sta altrove. In una filiera dell'AI dove i pesi dei modelli sono sempre più commodity — Qwen, DeepSeek, Llama, Kimi si rincorrono a ritmo mensile e nessuno di loro tiene un vantaggio per più di un trimestre — la scarsità si è spostata sullo strato che sta sopra: il posto dove i modelli vengono pubblicati, versionati, cercati, scaricati e confrontati. È il registro, non il contenuto. È la stessa ragione per cui npm vale più di qualunque singolo pacchetto JavaScript, e Docker Hub più di qualunque immagine.
Chi controlla quel registro vede prima di tutti cosa sta emergendo, decide cosa è in evidenza e cosa no, e — se lo volesse — decide quale hardware viene raccomandato per far girare cosa.
I 500 milioni rifiutati
Hugging Face aveva già ricevuto una proposta di investimento da Nvidia: 500 milioni di dollari a una valutazione di 7 miliardi. L'ha rifiutata, e la motivazione riportata è esplicita — evitare che un singolo azionista acquisisse un'influenza dominante sulla piattaforma. Non era una questione di prezzo, era una questione di posizionamento: la neutralità era l'asset. Hugging Face ha costruito partnership parallele con AMD, con AWS, con Google, e quella equidistanza è una parte non piccola del motivo per cui 13 milioni di sviluppatori l'hanno adottata come default.
Passare dal rifiutare una quota di minoranza all'accettare l'acquisizione integrale dallo stesso soggetto è un cambio di natura, non di grado. E introduce una tensione che nessun impegno pubblico di indipendenza risolve del tutto: la neutralità di una piattaforma non è una policy che si dichiara, è una proprietà strutturale di chi la possiede. Quando la possiede il principale fornitore di acceleratori del pianeta, la struttura è cambiata anche se il comportamento quotidiano non cambia per un anno.
La strategia a cinque strati
L'operazione non arriva isolata. A GTC 2026, a marzo, Nvidia ha presentato una piattaforma organizzata esplicitamente su cinque livelli: substrato di calcolo (piattaforma Vera Rubin, con la NVL72 dichiarata fino a 35 volte più token al secondo per megawatt rispetto a Blackwell), networking (NVLink 6, Spectrum-X), runtime per agenti (OpenClaw come interfaccia open source, NemoClaw come strato di governance enterprise), ecosistema di modelli aperti (la Nemotron Coalition, sei famiglie di modelli di frontiera su verticali diversi), e design della AI factory (l'architettura di riferimento DSX, adottata da oltre 200 partner infrastrutturali). Jensen Huang ha accompagnato tutto questo con un segnale di domanda da mille miliardi di dollari su Blackwell e Vera Rubin fino al 2027.
Guardata da lì, Hugging Face non è un'acquisizione opportunistica: è il quarto strato che si completa. Nvidia ha già i modelli aperti propri, ha già il runtime agentico, ha già la rete e il silicio. Le mancava il luogo in cui la comunità va a prendere i modelli — che è anche il luogo in cui si formano le abitudini di adozione, ed è quindi il punto in cui la domanda di GPU si genera prima ancora di essere una domanda.
La logica di fondo di Huang su questo è coerente da anni e vale la pena prenderla sul serio invece di leggerla come cinismo: più modelli aperti circolano, più applicazioni vengono costruite, più capacità di calcolo serve. L'open source non è un concorrente del business hardware, ne è il moltiplicatore. Comprare l'hub è il modo più diretto di finanziare quel moltiplicatore e, contemporaneamente, di orientarlo.
Se questa lettura è corretta, la direzione dei prossimi diciotto mesi è prevedibile e conviene tenerla d'occhio: integrazione dell'hub con il runtime agentico, ottimizzazioni per hardware Nvidia proposte per default nel percorso di deployment, e una progressiva saldatura tra "trovare un modello" e "far girare quel modello su questa architettura". Nessuno di questi passaggi richiede di rompere una promessa di apertura. È sufficiente che il percorso più comodo sia sempre quello che passa da casa. Il parallelo che gli analisti stanno usando — la trasformazione di AWS tra il 2008 e il 2016, da fornitore di infrastruttura a proprietario della piattaforma — è calzante proprio per questo: non è mai stata una chiusura, è stata una gravità.
Alcuni punti di attenzione
Il primo è che l'operazione non è confermata. Il numero circola tra 12,9 e 13 miliardi a seconda della testata, e la fonte primaria è una ricostruzione giornalistica; il 24 agosto le stesse fonti riportavano Hugging Face in esplorazione di una vendita a valutazione superiore ai 13 miliardi. Finché non c'è un comunicato, ogni decisione presa su questa base è una scommessa.
Il secondo è regolatorio. Nvidia ha già visto fallire nel 2022 il tentativo di acquisire Arm proprio sul terreno della neutralità di una piattaforma condivisa dai concorrenti. Qui lo schema è simile: Hugging Face ospita e serve modelli usati da AMD, AWS e Google. Un'istruttoria in Europa e nel Regno Unito è uno scenario ragionevole, e allungherebbe i tempi ben oltre l'annuncio.
Il terzo è operativo, e riguarda te. Se hai una pipeline che scarica pesi o dataset da un hub pubblico, quell'hub è a tutti gli effetti un fornitore critico non contrattualizzato. È lo stesso ragionamento che si è fatto con le dipendenze npm dopo i primi incidenti di supply chain — e non è teorico: il 26 agosto anche OpenAI ha pubblicato una nota sull'incidente di sicurezza che ha riguardato Hugging Face e su come intende muoversi.
Le domande su cui concentrarsi
Da dove arrivano, esattamente, i pesi che girano in produzione. Non "da Hugging Face": quale repository, quale revisione, con quale hash. Se la risposta è il nome del modello e basta, il primo lavoro è quello.
Esiste una copia che sopravvive alla scomparsa dell'originale. Un mirror interno o un registry self-hosted per i modelli su cui poggia qualcosa di critico non è paranoia: è la stessa igiene che applichiamo da anni agli artefatti software.
Cosa cambierebbe concretamente nel tuo stack se le ottimizzazioni consigliate fossero sempre orientate a una sola architettura hardware. Vale la pena rispondere adesso, mentre la risposta è ipotetica e costa poco.
Sono domande che oggi sembrano premature, perché l'operazione potrebbe ancora non chiudersi. Ma la direzione che indicano — trattare il layer di distribuzione dei modelli come una dipendenza da governare, non come un servizio pubblico — è quella in cui il settore si sta muovendo comunque, con o senza questa acquisizione, e chi ci arriva preparato eviterà di doverlo fare di corsa.
Notizie da tenere d'occhio
Anthropic apre il Model Hardware Standard
Il 27 agosto Anthropic ha pubblicato in research preview una specifica perché gli agenti operino dispositivi fisici — microscopi, liquid handler, bracci robotici. Nei primi casi, Carnegie Mellon riporta il setup di uno strumento sceso da settimane a circa 8 ore.
Perché importa: dopo MCP per i dati e A2A per gli agenti, lo strato fisico è il terzo pezzo della stessa pila — e chi la scrive orienta l'ecosistema.
Instinct raccoglie 350 milioni a valutazione 2,5 miliardi
Il 26 agosto TechCrunch e Forbes riportano il round dell'assistente AI personale, con una valutazione quintuplicata in poche settimane. Due settimane prima General Catalyst aveva guidato 1,1 miliardi su River AI, società attiva da due mesi.
Perché importa: dà la misura di quanto capitale si sta concentrando su categorie prive, per ora, di un modello di ricavo dimostrato.
SpaceX chiude l'acquisizione di Cursor
Perfezionata ad agosto l'operazione da 60 miliardi su Anysphere annunciata a giugno, il maggiore exit di una startup mai registrato. Il 28 agosto OpenAI ha pubblicato una posizione formale sul proprio rapporto con Cursor dopo il passaggio di proprietà.
Perché importa: gli strumenti di sviluppo sono diventati asset strategici di gruppi industriali, con le implicazioni di dipendenza che questo comporta per chi li usa ogni giorno.
Una cosa da provare
🔧 Mettere in piedi un mirror interno dei modelli che usi in produzione — bastano un registry OCI e uno script di sync notturno, e il pomeriggio che ci si mette è probabilmente il miglior rapporto tra tempo speso e rischio rimosso di tutto il trimestre. Il beneficio non dipende da come finisce questa acquisizione: dipende dal fatto che una dipendenza esterna non versionata localmente è una dipendenza che non controlli.
Quello che rende questa operazione significativa non è il prezzo ma il punto della filiera in cui cade: dopo tre anni passati a chiedersi chi addestra il modello migliore, 86 volte i ricavi dicono che qualcuno ha valutato più preziosa la posizione di chi il modello lo distribuisce. È una scommessa coerente con la strategia a cinque strati che Nvidia ha già messo per iscritto a marzo — e per chi costruisce sopra quello stack significa che la scelta dell'hub da cui si scarica ha smesso di essere una decisione tecnica di poco conto.
Grazie per aver letto questo articolo fammi sapere cosa ne pensi!
Ci vediamo presto qui su WikiLuc!
