Il modello di business del cluster GPU: ricavi vs. realta
Gestire un cluster GPU per reddito da noleggio sembra attraente sulla carta. Le H100 si noleggiano a $1,50-$3,50/ora sui marketplace. Moltiplicando per le 8.760 ore in un anno, un nodo a 8 GPU sembra generare $100K-$240K annualmente. I numeri dei ricavi sono reali — ma lo sono anche i costi che la maggior parte delle analisi sottovaluta.
Disclaimer: Questo articolo ha finalita esclusivamente educative e informative. Non costituisce consulenza finanziaria, di investimento o legale. I valori dell’hardware GPU e l’economia del calcolo fluttuano — condurre sempre le proprie verifiche prima di prendere decisioni di investimento.
L’analisi di McKinsey del settore neocloud ha rilevato che i margini lordi sono solo del 14-16% dopo aver contabilizzato manodopera, energia e ammortamento. Quel margine e cosi sottile che piccoli cambiamenti nell’utilizzo o nei costi energetici possono trasformare un’operazione profittevole in una in perdita.
Questo articolo analizza l’intera struttura dei costi di un’operazione cluster GPU — i numeri che Wall Street non mette nei titoli.
Costi hardware: quanto costa realmente un cluster di produzione
L’investimento hardware di base per un singolo nodo 8x H100 SXM:
| Componente | Range di costo | Note |
|---|---|---|
| 8x GPU H100 80GB SXM | $200.000-$280.000 | ~$25K-$35K per GPU |
| Chassis server + CPU + RAM | $15.000-$30.000 | Dual Xeon o EPYC, 512GB-1TB RAM |
| Interconnessione NVLink/NVSwitch | Inclusa nel SXM | Il fattore di forma SXM include NVLink |
| Rete (100GbE+) | $3.000-$8.000 | NIC, cavi, porta switch |
| Storage (NVMe) | $2.000-$15.000 | 2-8TB storage locale veloce |
| Hardware rack + PDU | $2.000-$5.000 | Guide, distribuzione dell’alimentazione |
| Totale per nodo 8-GPU | $222.000-$383.000 |
Per un confronto tra acquisto e noleggio di questo hardware, consultare la nostra analisi noleggio vs. acquisto.
La scala conta. Un singolo nodo e l’unita minima viabile. La maggior parte degli operatori commerciali gestisce 4-20+ nodi per raggiungere efficienza di utilizzo e servire carichi di lavoro diversificati. Questo significa $1M-$7M+ in capitale hardware prima di generare un singolo dollaro di ricavi.
Spese operative: il tasso di consumo mensile
L’hardware e la spesa in conto capitale. I costi operativi determinano la redditivita continua:
| Categoria di spesa | Costo mensile (per nodo 8-GPU) | % delle OpEx totali |
|---|---|---|
| Elettricita | $2.400-$5.600 | 25-40% |
| Colocation / Data center | $2.000-$6.000 | 20-30% |
| Larghezza di banda di rete | $500-$2.000 | 5-10% |
| Personale tecnico (pro rata) | $1.500-$4.000 | 15-25% |
| Licenze software + monitoraggio | $200-$800 | 2-5% |
| Assicurazione + varie | $200-$500 | 2-3% |
| Totale OpEx mensili | $6.800-$18.900 | |
| OpEx annuali | $81.600-$226.800 |
L’energia e il costo variabile piu grande. Un nodo 8x H100 assorbe circa 5,5-6,5 kW sotto carico sostenuto. A $0,10/kWh, cio costa ~$4.000/mese. A $0,06/kWh (energia industriale economica nel Midwest USA o nei paesi nordici), scende a ~$2.400. A $0,20/kWh (parti d’Europa o California), sale a ~$8.000. Quella singola variabile — il prezzo dell’elettricita — puo far oscillare la redditivita annuale di $40K-$60K per nodo.
Per un approfondimento sul perche l’energia sta diventando il vincolo determinante per le operazioni GPU, consultare la nostra analisi della crisi energetica.
L’equazione dell’utilizzo: perche il 60% e la soglia di sopravvivenza
I ricavi non dipendono solo dalla tariffa oraria — dipendono da quante ore al mese l’hardware e effettivamente noleggiato. Questo e il tasso di utilizzo, e la variabile piu importante nel modello di business.
Esempio: nodo 8x H100 a $2,00/ora di tariffa media marketplace
| Utilizzo | Ricavi mensili | OpEx mensili | Profitto/perdita mensile |
|---|---|---|---|
| 30% | $3.504 | $10.000 | -$6.496 |
| 50% | $5.840 | $10.000 | -$4.160 |
| 60% | $7.008 | $10.000 | -$2.992 * |
| 70% | $8.176 | $10.500 | -$2.324 |
| 80% | $9.344 | $11.000 | -$1.656 |
| 90% | $10.512 | $11.500 | -$988 |
Nota: questi numeri includono solo le OpEx — non l’ammortamento. Con un ammortamento hardware su 3 anni di ~$7.000-$10.000/mese, il pareggio effettivo e significativamente piu alto.
L’utilizzo di pareggio per un cluster GPU a costo pieno (incluso l’ammortamento) cade tipicamente tra il 55-65%. Sopra l’80% di utilizzo, i margini si espandono rapidamente perche le OpEx aumentano solo marginalmente (maggiore consumo energetico) mentre i ricavi scalano linearmente.
Punto chiave: La differenza tra un cluster GPU profittevole e uno in perdita non e la tariffa oraria — e la percentuale di ore in cui l’hardware sta effettivamente generando ricavi. Un nodo che guadagna $2,00/ora al 90% di utilizzo genera $13.140/mese. Lo stesso nodo al 40% genera $5.840. Stesso hardware, stessa tariffa, economia completamente diversa.
Analisi dei margini: dal profitto lordo al netto
Tracciamo l’intera cascata dei margini per un cluster che opera al 75% di utilizzo con una tariffa media di $2,00/ora per GPU:
Su ogni $100 di ricavi da noleggio GPU, un operatore tipico trattiene circa $14 di profitto netto. Le due categorie di costo piu grandi — energia e ammortamento — insieme consumano oltre la meta dei ricavi lordi.
Questo spiega perche l’utilizzo conta cosi tanto. I costi fissi (ammortamento, colocation, personale, software) sono grossomodo costanti sia che l’utilizzo sia al 50% o al 90%. Il costo marginale per servire un’ora aggiuntiva di noleggio e principalmente l’energia — circa $0,07-$0,14/ora per GPU. Ogni ora aggiuntiva di utilizzo sopra il pareggio si trasferisce quasi interamente all’ultima riga.
Economia di scala: quando piu GPU significano meno profitto
L’intuizione suggerisce che piu GPU dovrebbero significare piu profitto. La realta e piu sfumata:
Cosa scala bene:
- Diversificazione della domanda — Piu GPU servono piu tipi di carico, riducendo i tempi di inattivita
- Efficienza del personale — Un ingegnere puo gestire 10 nodi quasi con la stessa facilita di 2
- Potere negoziale — Contratti energetici all’ingrosso, sconti sulla colocation, migliori condizioni sui marketplace
Cosa non scala bene:
- Requisiti di capitale — Ogni nodo aggiunge $222K-$383K in investimento hardware
- Pressione sull’utilizzo — Piu capacita da riempire significa piu esposizione commerciale/marketplace necessaria
- Costi di finanziamento — Il servizio del debito su deployment piu grandi amplifica il rischio al ribasso
- Complessita — Rete, monitoraggio e gestione dei guasti crescono in modo non lineare
La scala ottimale dipende dall’accesso dell’operatore a capitale, energia e domanda. Per i singoli operatori, 1-4 nodi spesso raggiunge il punto ideale di complessita gestibile con sufficiente diversificazione. Per gli operatori commerciali sostenuti da finanziamenti istituzionali, 20-100+ nodi sblocca l’economia dei volumi — ma con un rischio operativo significativamente superiore.
Il caso CoreWeave: leva finanziaria, debito e crescita
CoreWeave e l’esempio piu noto di economia dei cluster GPU su scala — e un monito sulla leva finanziaria:
La storia di crescita: CoreWeave e passata da una piccola operazione di mining di criptovalute a un fornitore cloud GPU con una valutazione superiore a $35 miliardi. Ha ottenuto contratti con Microsoft, Meta e altri hyperscaler, diventando una delle piu grandi aziende indipendenti di infrastruttura GPU.
La storia del finanziamento: Per finanziare questa crescita, CoreWeave ha accumulato oltre $21 miliardi di debito garantito da GPU. Nel solo Q1 2025, i pagamenti di interessi hanno raggiunto $264 milioni. Le GPU dell’azienda servono come garanzia — se il reddito da noleggio scende sotto i livelli di servizio del debito, l’intero modello di business si disfa.
Cosa illustra CoreWeave:
| Metrica | CoreWeave | Piccolo operatore tipico |
|---|---|---|
| Scala | 10.000+ GPU | 8-64 GPU |
| Finanziamento | $21B+ di debito | $200K-$3M equity/leasing |
| Peso degli interessi | $264M/trimestre | $0-$50K/anno |
| Margine d’errore | Molto sottile su scala | Moderato |
| Rialzo se la domanda tiene | Massiccio | Moderato |
| Ribasso se la domanda cala | Esistenziale | Doloroso ma sopravvivibile |
La lezione: la leva amplifica entrambi i risultati. Il modello di CoreWeave funziona spettacolarmente in un ambiente di domanda crescente e fallisce spettacolarmente se la domanda si contrae. I piccoli operatori con meno leva hanno piu margine d’errore — ma anche meno rialzo.
Per maggior contesto su come funzionano le strutture di finanziamento GPU, consultare la nostra guida al finanziamento GPU. Per la prospettiva di investimento piu ampia, consultare la nostra analisi delle GPU come classe di asset.
Domande frequenti
Qual e un margine di profitto realistico per un cluster GPU?
L’analisi di McKinsey pone i margini lordi al 14-16% per il settore neocloud. I singoli operatori possono raggiungere il 10-25% a seconda dei costi energetici, dell’utilizzo e della struttura di finanziamento. Margini superiori al 20% richiedono tipicamente energia economica ($0,06/kWh o meno), alto utilizzo (80%+) e bassa leva.
Quante GPU servono per rendere tutto questo viabile?
Un’operazione minima viabile e 1 nodo (8 GPU). Questo fornisce capacita sufficiente per una presenza significativa sui marketplace e ricavi. Tuttavia, le operazioni a singolo nodo hanno meno diversificazione della domanda e un overhead operativo per GPU superiore. 2-4 nodi offre un miglior equilibrio tra diversificazione e complessita gestibile. Per i prezzi attuali dei marketplace GPU, consultare il nostro confronto prezzi.
Dovrei usare GPU consumer o enterprise per un cluster?
Le GPU enterprise (H100, A100) comandano tariffe orarie piu alte e domanda piu costante dai carichi di lavoro AI. Le GPU consumer (RTX 4090) hanno costi di capitale inferiori ma anche tariffe inferiori e utilizzo meno costante. Le GPU enterprise generano tipicamente rendimenti totali migliori nel loro ciclo di vita nonostante il costo iniziale superiore. Consultare la nostra guida alle migliori GPU per AI per l’economia dettagliata per GPU.
Qual e il rischio operativo piu grande?
Utilizzo basso prolungato. L’ammortamento hardware e i costi di colocation continuano indipendentemente dal fatto che le GPU siano noleggiate o meno. Due mesi di utilizzo al 30% su un nodo 8x H100 possono cancellare un intero trimestre di profitti guadagnati all’80% di utilizzo. Il secondo rischio piu grande sono aumenti imprevisti dei costi energetici, che comprimono direttamente i margini.
Si puo gestire un cluster GPU da casa?
Tecnicamente si per 1-2 GPU consumer. In pratica, scalare oltre e limitato dalla capacita elettrica residenziale (la maggior parte dei circuiti arriva a 15-20A), vincoli di raffreddamento, rumore e larghezza di banda di upload internet. Le operazioni su scala enterprise richiedono colocation o strutture dedicate con alimentazione industriale, raffreddamento e rete. Per iniziare in piccolo con una singola GPU a casa, consultare la nostra guida al noleggio GPU.
Quanto tempo ci vuole perche un cluster GPU raggiunga il pareggio?
Al 75% di utilizzo con tariffe marketplace medie e costi energetici moderati: 18-30 mesi per l’investimento in capitale hardware. I costi operativi sono continuativi e dovrebbero essere coperti mensilmente dai ricavi. Se l’utilizzo e sotto il 60%, il cluster potrebbe non raggiungere mai il pareggio prima che l’hardware richieda la sostituzione.