Amazon Web Services ha aggiornato il listino dei Capacity Blocks per le GPU NVIDIA H100 nelle regioni statunitensi: dal 7 ottobre 2026 il prezzo orario passerà da 5,191 a 5,970 dollari. Un rincaro del 15% che accende i riflettori sul dilemma sempre più urgente per le aziende che addestrano modelli di intelligenza artificiale: conviene noleggiare potenza di calcolo nel cloud o acquistare hardware on-premise?
Il calcolo a 36 mesi
Per rispondere, bisogna confrontare i costi totali su un orizzonte triennale. Nel cloud, una singola H100 prenotata con Capacity Blocks costa oggi circa 5,97 dollari l'ora, ovvero oltre 52.000 dollari in un anno di utilizzo continuativo. Su 36 mesi si superano i 157.000 dollari per GPU, senza contare storage, rete e costi di uscita. Dall'altro lato, l'acquisto di un server con otto H100 ha un prezzo di listino intorno ai 300.000-350.000 dollari, a cui aggiungere alimentazione, raffreddamento, manutenzione e personale specializzato.
La chiave è il tasso di utilizzo. Se la GPU resta attiva per più del 60-70% del tempo, l'on-premise diventa conveniente già dopo i primi 18-24 mesi. Se invece i carichi sono intermittenti o sperimentali, il cloud resta più flessibile e senza capex iniziale. Il metodo corretto consiste nel mappare le ore effettive di calcolo, applicare i prezzi aggiornati e simulare scenari a 36 mesi, includendo anche il costo del denaro e l'obsolescenza delle GPU.
Perché i prezzi salgono
L'aumento di AWS riflette la crescente domanda di AI generativa e la scarsità di GPU H100, che spinge i provider a rivedere le tariffe. Per le imprese, ignorare questo trend significa rischiare bollette cloud fuori controllo. La scelta tra cloud e on-premise non è ideologica, ma va basata su numeri concreti: solo un'analisi rigorosa a 36 mesi può indicare la strada più sostenibile.
