Nvidia entra nel capitale di Marvell e punta sul controllo dei fabric AI

L'investimento da 2 miliardi di dollari con cui Nvidia entra nel capitale di Marvell Technology, annunciato il 31 marzo 2026, non riguarda semplicemente l'acquisizione di una quota azionaria. È una mossa che sposta la competizione nell'intelligenza artificiale su un terreno fino a poco tempo fa rimasto sullo sfondo: l'interconnessione, ovvero il modo in cui i chip di un grande sistema informatico comunicano tra loro. Al centro dell'accordo c'è NVLink Fusion, un'estensione della tecnologia proprietaria di Nvidia che permette a chip prodotti da altre aziende di integrarsi nell'infrastruttura ad alta velocità con cui Nvidia collega GPU, CPU e componenti di rete nei propri sistemi.

Chi fa cosa nell'accordo

La divisione dei ruoli tra le due aziende è abbastanza netta. Marvell porta in dote due competenze sempre più decisive nei grandi sistemi per l'AI: la progettazione di chip personalizzati — chiamati ASIC o XPU, cioè acceleratori costruiti su misura per un cliente o per un tipo specifico di elaborazione — e le connessioni ad alta velocità basate su fibra ottica e silicon photonics, una tecnologia che integra componenti ottici direttamente nel silicio per trasmettere dati con minor consumo energetico. Nvidia mette invece a disposizione la parte più sistemica della piattaforma: CPU della famiglia Vera, schede di rete ConnectX, unità di elaborazione BlueField per gestire funzioni di rete e sicurezza, switch Spectrum‑X e, naturalmente, NVLink come dorsale di comunicazione interna ai rack di server.

Il vincolo più rilevante — e più politico — dell'accordo è che qualsiasi piattaforma costruita attorno a NVLink Fusion deve includere almeno un prodotto Nvidia, che sia una CPU, una GPU o uno switch. Questo dettaglio apparentemente tecnico ha implicazioni strategiche profonde per chiunque voglia costruire infrastrutture AI senza dipendere totalmente da un singolo fornitore.

Perché il silicio personalizzato fa paura a Nvidia

Per capire il peso di questa condizione, bisogna guardare a cosa sta succedendo tra i grandi clienti di Nvidia: i cosiddetti hyperscaler, cioè le aziende che gestiscono infrastrutture cloud su scala planetaria come Amazon, Google e Microsoft. Da due anni a questa parte, la priorità non è più soltanto avere più potenza di calcolo, ma avere un calcolo sostenibile in termini di costi, consumi energetici e disponibilità di componenti. Progettare un chip acceleratore proprietario permette di ottimizzare le prestazioni per le proprie applicazioni specifiche, ridurre la dipendenza da un singolo fornitore e limitare i rischi legati alle catene di approvvigionamento.

Marvell è uno degli attori più esposti a questa tendenza. Nei risultati dell'anno fiscale chiuso il 31 gennaio 2026, il data center rappresenta circa il 74% del fatturato, con ricavi annui attorno a 8,2 miliardi di dollari, trainati dalla domanda legata a cloud e AI. Insieme a Broadcom, Marvell ha costruito un ruolo quasi industriale nella progettazione di chip su misura per i grandi operatori del cloud — gli stessi clienti che Nvidia vuole mantenere legati al proprio ecosistema.

Il vero rischio per Nvidia non è vendere meno GPU, ma perdere il controllo del sistema che le circonda

Il rischio che Nvidia vuole contenere non è che il mercato smetta di comprare acceleratori grafici. È che una parte crescente di quell'accelerazione prenda la forma di chip proprietari progettati dagli hyperscaler stessi, riducendo la dipendenza dalla GPU generalista. NVLink Fusion è una risposta a questo scenario: se i clienti vogliono chip diversi, Nvidia punta a diventare il punto di coordinamento che li fa funzionare insieme. Anche quando il calcolo non è firmato Nvidia, la piattaforma resta comunque ancorata ad almeno un componente dell'azienda.

L'interconnessione come campo di battaglia

Fino a pochi anni fa, NVLink era semplicemente il collegamento veloce tra GPU all'interno di un singolo server. Oggi l'interconnect — il sistema che permette a decine o centinaia di chip di lavorare come se fossero una macchina unica — è diventato la metrica che definisce le prestazioni di un intero rack. Oggi l'interconnect è diventato la metrica che definisce cosa sia un sistema rack-scale moderno: nella documentazione della piattaforma Rubin, Nvidia attribuisce alla sesta generazione di NVLink una larghezza di banda di 3,6 terabyte al secondo per GPU. Un numero che serve meno come scheda tecnica e più come indicatore di dove si sta spostando la competizione. Quando un modello di intelligenza artificiale richiede decine di chip che lavorano in parallelo, la qualità dell'interconnessione non è un dettaglio: è ciò che decide quanta potenza si trasforma in lavoro utile e quanta si perde in attese e trasferimenti di dati.

NVLink Fusion si presenta come una proposta di interoperabilità — puoi usare acceleratori non Nvidia e comunicare comunque con il fabric Nvidia — ma è anche una forma di apertura selettiva. L'accesso al fabric passa attraverso regole, validazioni e il già citato requisito di presenza minima di hardware Nvidia. Questa combinazione è strategicamente potente: rende più semplice adottare chip personalizzati senza rinunciare all'infrastruttura che oggi garantisce prestazioni e prevedibilità, ma mantiene Nvidia nella posizione di controllare l'elemento che coordina l'intero sistema.

Il dilemma degli hyperscaler

Per i grandi operatori cloud, la questione si traduce in un compromesso pratico. Adottare NVLink Fusion può accelerare la messa in produzione di un cluster ibrido, perché si eredita un ecosistema di hardware e strumenti già collaudato: schede di rete, unità di elaborazione per l'offload, telemetria, stack software, un percorso di integrazione che Nvidia ha già industrializzato. Ma quel vantaggio va pesato contro la governance futura: quanto è semplice cambiare fabric tra una generazione e l'altra? Quali vincoli di licenza e certificazione restano nel tempo? L'eterogeneità è reale solo se non introduce una nuova dipendenza più profonda di quella che si voleva evitare.

Marvell entra in una zona ambigua ma potenzialmente molto redditizia. Essere un abilitatore dentro l'ecosistema Nvidia può aumentare le probabilità di essere scelti nei progetti dove i clienti vogliono chip personalizzati ma non vogliono costruire da zero l'intera piattaforma. Al tempo stesso, l'integrazione in NVLink Fusion rischia di spostare Marvell da fornitore indipendente a componente di un sistema in cui la leva contrattuale resta prevalentemente nelle mani di Nvidia, che controlla non solo l'interconnect ma anche gran parte degli altri elementi della piattaforma, dal networking software alle unità di elaborazione specializzate.

Chi controlla il fabric decide quanto vale ogni watt e ogni rack in un sistema AI

Ottica e reti mobili, la scommessa lunga

L'elemento ottico è quello che allarga l'orizzonte della partnership oltre il singolo ciclo tecnologico. I sistemi AI di nuova generazione si scontrano con limiti sempre più fisici: consumo energetico per ogni bit trasmesso, calore, complessità del cablaggio ad altissima velocità. Da anni l'industria discute di co-packaged optics, cioè l'idea di integrare i componenti ottici direttamente vicino allo switch o al chip di calcolo, per ridurre le perdite e i consumi dei collegamenti elettrici tradizionali. Marvell è tra i player più aggressivi su questa frontiera; Nvidia, parallelamente, sta costruendo una narrativa in cui la metrica chiave non è solo la velocità, ma il costo energetico complessivo dell'addestramento e dell'esecuzione dei modelli AI. Unire questi due filoni dentro NVLink Fusion significa trattare l'ottica come parte integrante del fabric, non come accessorio di rete.

C'è poi il capitolo delle telecomunicazioni, che spesso appare marginale nelle notizie sui chip ma qui torna centrale attraverso il concetto di AI-RAN. L'idea di fondo è usare la stessa infrastruttura accelerata per far convivere le funzioni di rete radio — quelle che gestiscono la connessione dei dispositivi mobili nelle reti 5G — e i carichi di lavoro dell'intelligenza artificiale, con requisiti rigidi di latenza e sincronizzazione. Nvidia sta sviluppando architetture che combinano server, schede di rete, unità di elaborazione specializzate e switch per portare accelerazione e programmabilità nelle reti 5G e preparare il terreno al 6G. In questo contesto, avere un partner con competenze profonde su interconnessione e ottica non è un dettaglio: la rete radio è un sistema distribuito in cui la qualità della connessione tra elementi determina la possibilità stessa di consolidare risorse e carichi.

La posta in gioco è il controllo del fabric

Sul mercato, l'accordo contribuisce a rendere più netta una biforcazione già visibile da tempo: da un lato i fabric proprietari ad altissime prestazioni, dall'altro gli standard aperti che puntano a evitare il lock-in, cioè la dipendenza tecnologica da un singolo fornitore. Se il fabric determina la scalabilità di un cluster e il cluster determina la competitività di un servizio, la dipendenza da un solo vendor smette di essere una questione di acquisti e diventa un tema di strategia industriale.

In questo quadro, l'investimento di Nvidia in Marvell appare meno come un gesto finanziario e più come una mossa di architettura di mercato. Nvidia non sta semplicemente acquistando una partnership: sta cercando di rendere NVLink Fusion abbastanza attraente da intercettare la domanda di chip personalizzati, senza cedere il controllo del proprio fabric. Marvell, dal canto suo, prova a valorizzare la propria posizione nel custom silicon e nell'ottica entrando nel perimetro dove oggi si decide il valore per rack e per watt.

La variabile che resta aperta è quanto questa apertura selettiva saprà reggere la pressione dei clienti più grandi, che hanno mezzi e incentivi per negoziare condizioni, pretendere prevedibilità e, se necessario, spingere verso alternative. Se l'interconnessione è il collo di bottiglia, il controllo dell'interconnessione è anche il punto dove si concentra il potere contrattuale. E raramente, in questa industria, quel potere rimane stabile a lungo senza che qualcuno provi a ridistribuirlo.