I hyperscaler vendono GPU a quasi il doppio del prezzo dei cloud GPU, secondo una ricerca di Fluence

La gara al calcolo AI il rapporto valuta il prezzo del calcolo GPU al di fuori dei maggiori acquirenti: un impegno triennale riduce il prezzo mediano del 48%, mentre 17 dei 22 modelli GPU tracciati hanno registrato un aumento di prezzo nell'ultimo anno

DALLAS, Texas – Novembre 13, 2026 — Fluence ha pubblicato La gara al calcolo AI, un rapporto che determina il prezzo del calcolo cloud GPU per ogni azienda che non sia un laboratorio di frontiera o un iperscalatore. È stato prodotto in collaborazione con i partner di ricerca NEAR AI, io.net, Boundless, Phala, Gensyn, Fortytwo, Theta, Compute Labs e GAIB. La sua conclusione centrale: dove un'azienda acquista un'ora-GPU determina il prezzo. Tra i modelli H100, H200 e B200, gli iperscalatori quotano le GPU a 1,98 volte la mediana del cloud GPU, da 1,4 volte sul B200 a 2,8 volte sull'H100. La stessa H200 viene quotata da $4,08 a $10,60 all'ora.

La durata dell’impegno è importante quasi quanto la scelta del provider. Rispetto al prezzo on-demand di ciascun fornitore, una prenotazione annuale riduce il prezzo mediano del 21% e un contratto triennale del 48%. La capacità spot è quotata al 53% del prezzo on-demand, per carichi di lavoro che possono essere interrotti.

Gli acquirenti che si aspettano una diminuzione dei prezzi delle GPU potrebbero dover rivedere i propri budget. Diciassette dei 22 modelli di GPU monitorati da GetDeploying costano più di un anno fa, e l'affitto mediano per le H100 è aumentato dal 13% al 30%, a seconda del periodo considerato.

Il report traccia inoltre le ragioni della rapida crescita dei prezzi:

• La domanda si è spostata verso i modelli open. La quota dei token cinesi su OpenRouter tra le aziende negli Stati Uniti, in Europa e nel Global South è passata dal 6–13% al 57–67% in meno di otto mesi, secondo CNBC. I pesi aperti permettono a qualsiasi azienda con GPU di servire un modello quasi all'avanguardia sull'hardware che controlla.
• I maggiori acquirenti hanno bloccato la nuova offerta. I quattro iperscaler principali prevedono investimenti in capitale per il 2026 pari a 720–740 miliardi di dollari, e i quattro accordi più grandi annunciati dai laboratori AI e da Meta con neocloud ammontano a circa 233 miliardi di dollari, tre dei quali sono importi "fino a" e gran parte riguarda capacità non ancora consegnata.
• L'ora-GPU sta diventando un asset finanziario. CME, ICE e Nodal Exchange hanno annunciato futures sulle GPU, ciascuno basato su un diverso indice di prezzo, mentre gli istituti di credito stanno già concedendo prestiti garantiti da GPU: il prestito di Lambda, classificato investment-grade, ha un tasso del 6,78%, mentre quello di Sharon AI, senza rating divulgato, è al 9,95%.

“I modelli open-weight sono ormai vicini ai migliori modelli chiusi e le aziende stanno migrando verso di essi. Qualsiasi azienda con GPU può ora servire un modello quasi all’avanguardia su hardware di propria proprietà. Le GPU sono l’elemento più complesso”, ha dichiarato Evgeny Ponomarev, co-fondatore di Fluence.

Il report si conclude con quattro modi per pagare meno lo stesso calcolo: confrontare lo stesso chip tra diversi tipi di provider, impegnarsi quando il carico di lavoro è stabile, abbinare la generazione della GPU al modello e guardare oltre i grandi cloud provider, poiché gran parte della nuova capacità neocloud è già stata contrattata dai laboratori anni fa.

Il rapporto completo è disponibile su fluence.ai/compute-race-2026.

Su Fluence

Fluence Cloud è un provider di cloud GPU con capacità proveniente da data center indipendenti (fluence.ai). Fondata nel 2017 da Dmitry Kurinskiy, Evgeny Ponomarev e Tom Trowbridge, l'azienda ha raccolto 14 milioni di dollari da investitori tra cui 1KX, Multicoin, Distributed Global, Blockchange, Tiger Global e Protocol Labs.