NVIDIA spinge Perplexity verso i 30 miliardi: l'era degli Agenti AI tra crescita record e speculazione

NVIDIA sarebbe in trattative per investire in Perplexity in un round che porterebbe la valutazione oltre 30 miliardi di dollari, spinta dalla crescita degli agenti AI e dal prodotto Perplexity Computer. Al momento si tratta di una notizia riportata da fonti giornalistiche e non confermata ufficialmente. Il punto centrale è il passaggio dall’AI “che risponde” all’AI “che esegue task”.

Che cosa sta succedendo tra NVIDIA, Perplexity e gli agenti AI

NVIDIA (azienda di semiconduttori e GPU per AI) sarebbe in discussione per partecipare a un nuovo round di finanziamento in equity per Perplexity (startup di AI search guidata da Aravind Srinivas) con una valutazione superiore a 30 miliardi di dollari. Reuters, rilanciando un report di The Information, segnala che i colloqui non risultano confermati pubblicamente e che le informazioni provengono da persone a conoscenza delle trattative (24 agosto 2026): Reuters (citing The Information).

Il confronto che rende la notizia “citable” è semplice: la valutazione discussa sarebbe oltre il 50% sopra la soglia di circa 20 miliardi di dollari associata al round precedente (settembre 2025), secondo lo stesso filone di reporting citato da Reuters (24 agosto 2026). In parallelo, diverse sintesi di mercato indicano un revenue run rate in forte accelerazione nel 2026, spesso attribuito all’evoluzione agentica del prodotto. Yahoo Finance riassume la stessa trama (e ribadisce l’assenza di conferme ufficiali): Yahoo Finance.

Che cosa sono gli agenti AI e perché Perplexity Computer conta più della sola ricerca

Gli agenti AI (sistemi software che pianificano ed eseguono azioni) sono applicazioni che non si limitano a generare testo: scompongono un obiettivo, scelgono strumenti e compiono passi operativi su browser, app o workflow. Un Large Language Model (LLM, modello fondazionale come GPT o Claude) è il “motore linguistico”; un motore di AI search (ricerca assistita) ottimizza recupero e sintesi; un agente operativo aggiunge esecuzione e verifica.

Perplexity Computer (agente cloud di Perplexity) rientra in questa terza categoria: è progettato per navigare, compilare form, orchestrare attività e completare task end-to-end. La stessa Perplexity descrive “Computer” come un orchestratore general-purpose per obiettivi su orizzonti lunghi (2026): Perplexity Research.

Il motivo per cui NVIDIA osserva gli agenti è economico: più esecuzione significa più inferenza (calcolo runtime su GPU), quindi più domanda di compute nel tempo.

Approfondimento: come gli agenti AI accelerano lo sviluppo nei microservizi.

Dalla semplice ricerca all'azione: il boom di Perplexity Computer

La crescita di Perplexity nel 2026 è raccontata soprattutto come passaggio da “ricerca assistita” a “azione automatizzata”. Nel 2026 il revenue run rate annualizzato sarebbe salito a oltre 750 milioni di dollari, partendo da sotto 250 milioni a inizio anno, cioè più di triplicato in pochi mesi (FourWeekMBA, 2026): FourWeekMBA.

Secondo le ricostruzioni di settore, la spinta non arriverebbe solo dal prodotto “AI search”, ma dall’introduzione di Perplexity Computer, un agente AI basato su cloud pensato per professionisti ed enterprise. L’agente esegue attività informatiche e workflow articolati, andando oltre la generazione di testo e il semplice recupero di informazioni.

Questo cambio di prodotto è anche un cambio di business: da crescita guidata dall’uso (usage-based) a monetizzazione enterprise (seat-based o contratti B2B). Per sostenere l’intensità di inferenza, Perplexity avrebbe inoltre siglato un accordo cloud da 750 milioni di dollari con Microsoft Azure (riportato nelle sintesi di mercato del 2026), rafforzando la tesi che l’AI agentica “consuma” molta infrastruttura.

Perché NVIDIA investe a valle: la strategia di Jensen Huang

NVIDIA investe in Perplexity per presidiare il livello applicativo che consuma inferenza, non solo il layer hardware. In altre parole, la tesi è da “compute landlord”: se gli agenti AI diventano il nuovo modo di lavorare, la domanda di GPU (e di stack ottimizzati per GPU) cresce insieme alle applicazioni che eseguono task.

"The Information, with Reuters echoing the report, says Nvidia is in discussions to invest multiple billions of dollars in Perplexity as part of an equity round that would value the company at more than $30 billion. That figure is a discussed target, not a finalized valuation — the reporting is sourced to people familiar with the talks, Perplexity declined to comment, and Nvidia did not respond."

— Gennaro Cuofano, Founder, FourWeekMBA

La catena del valore resta il punto chiave:

[ Hardware & Chip ] ---> [ Infrastruttura Cloud ] ---> [ Agenti & Applicazioni ]
(NVIDIA GPUs) (Microsoft Azure) (Perplexity Computer)

Per leggere questa strategia nell’ecosistema più ampio NVIDIA: NVIDIA e l'acquisizione di Gretel per dati sintetici nell'addestramento AI.

Perplexity contro OpenAI, Anthropic e Google: tecnologia, go-to-market e pricing degli agenti

Perplexity compete meno sul “frontier training” rispetto a OpenAI e Anthropic e più sulla combinazione tra AI search, esecuzione agentica e distribuzione. Google (Google AI Overviews, funzionalità di risposta in SERP) punta sull’integrazione con Search; OpenAI (ChatGPT) e Anthropic (Claude) puntano su modelli e piattaforme; Perplexity punta su un prodotto “search-to-action”.

Sui prezzi degli agenti: se i dettagli di Perplexity Computer non sono pubblici o sono variabili, va detto apertamente. In generale, gli agenti si vendono con modelli seat-based (per utente) o usage-based (per task/tokens), ma il nodo vero è il cost-to-serve (costo infrastrutturale per task) che dipende da GPU, latenza e toolchain. Per contesto competitivo: il futuro degli LLM con Amazon Olympus e il confronto con Claude e l'impatto del blocco USA sui modelli Anthropic e la strategia AI aziendale.

La valutazione oltre 30 miliardi è sostenibile o segnala una nuova bolla AI?

La valutazione oltre 30 miliardi può essere difendibile solo se Perplexity converte la crescita di usage in ricavi ricorrenti enterprise e margini sostenibili; altrimenti il rischio speculativo resta alto. Una bolla AI (squilibrio tra aspettative e fondamentali) nasce quando i multipli non sono sostenuti da flussi di cassa prevedibili. Un revenue run rate (annualizzazione di ricavi recenti) non equivale a ricavi GAAP consolidati né garantisce retention.

Perché il multiplo può essere razionale. Se il run rate 2026 superasse 750 milioni di dollari (FourWeekMBA, 2026), una valutazione a 30 miliardi implicherebbe circa 40x sales, un livello che alcuni osservatori ritengono più “tollerabile” nei mercati privati che in quelli pubblici (Tech Funding News, 2026): Tech Funding News. In più, l’agentic execution può aumentare l’ARPA (ricavo per account) rispetto alla sola search.

Quali segnali di eccesso guardare. Il rischio è la vendor-financed AI (ecosistema che si finanzia “a catena” tra chip, cloud e app): NVIDIA investe nel software, il software compra cloud, il cloud compra GPU. Inoltre, la Banca Centrale Europea (BCE, autorità di politica monetaria e supervisione) ha ripetutamente richiamato l’attenzione su concentrazione e valutazioni tirate nei segmenti tech e AI nei suoi interventi sulla stabilità finanziaria. In pratica: la tesi regge solo se gli agenti diventano workflow monetizzabili, non demo che bruciano GPU.

Per un framework operativo su metriche e sostenibilità dei deployment: analisi completa del deployment LLMOps e metriche di crescita AI.

Quando può arrivare l'IPO di Perplexity e quali ostacoli restano

Un’IPO di Perplexity è plausibile solo dopo maggiore visibilità su ricavi, margini e sostenibilità dell’uso degli agenti AI. Senza disclosure più simile agli standard di Wall Street (ARR, net revenue retention, gross margin, mix enterprise), la narrativa da 30 miliardi resta fragile. Inoltre, non esiste una conferma ufficiale di una data di IPO imminente: le indicazioni disponibili sono per lo più dichiarazioni strategiche e ricostruzioni di stampa.

Ostacoli principali: pressione sui margini per costi GPU, concorrenza di Google e OpenAI, qualità dei ricavi enterprise (contratti pluriennali vs usage volatile), e governance. Per una fotografia “enciclopedica” (con stime che non coincidono tra fonti): jimmy·research.

Che cosa insegna il caso Perplexity alle imprese che vogliono adottare agenti AI

Le aziende dovrebbero trattare gli agenti AI come workflow operativi da misurare, non come semplici chatbot. In settori come banking e università, il valore arriva quando l’agente esegue task ripetitivi in sicurezza, con auditabilità e supervisione. Per implementazioni su cloud e integrazioni, i pattern tipici passano da API e piattaforme come Microsoft Azure (hyperscaler enterprise) e strumenti di MLOps (pipeline di rilascio e monitoraggio).

1) Use case ad alto ROI (banking e accademia)

• Ricerca documentale su policy, procedure, regolamenti e knowledge base interne.
• Onboarding di nuovi dipendenti o studenti con check-list e compilazione guidata.
• Supporto interno (IT/HR) con triage e apertura ticket con dati completi.
• Compilazione task (form, report, richieste) con validazioni e approvazioni.

2) KPI da monitorare (prima del “wow effect”)

• Tempo risparmiato per processo (minuti/task) e tasso di completamento.
• Costo per task (compute + licenze) e error rate (correzioni umane).
• Adozione utenti (utenti attivi) e retention per team.

3) Problemi comuni e come evitarli

• Allucinazioni: usare human-in-the-loop (supervisione umana) e fonti verificabili.
• Accessi ai sistemi: policy IAM, principi di least privilege e logging.
• Qualità dati: data catalog e test su dataset rappresentativi.
• Costi di inferenza: limiti per task, caching e valutazione del cost-to-serve.
• Compliance: classificare i rischi e definire controlli (EU AI Act).

Per un percorso pragmatico di adozione: strumenti per l'adozione degli agenti AI nelle PMI e gestione della governance AI e compliance con l'EU AI Act nelle imprese.

FAQ

L’investimento di NVIDIA in Perplexity a 30 miliardi è confermato?

No: al 24 agosto 2026 è riportato da fonti giornalistiche e attribuito a persone informate sui colloqui, ma non è stato confermato ufficialmente da NVIDIA o Perplexity. Per questo la valutazione “oltre 30 miliardi” va letta come target discusso, non come dato definitivo.

Che cosa fa concretamente un agente AI rispetto a un chatbot?

Un agente AI completa un obiettivo eseguendo azioni su strumenti (browser, app, API), non solo scrivendo testo. Tipicamente pianifica passi, raccoglie dati, compila form e produce un risultato verificabile. Un chatbot, invece, fornisce risposte e bozze senza esecuzione operativa nativa.

Perché gli agenti AI aumentano i costi di infrastruttura?

Gli agenti AI usano più inferenza perché iterano: pianificano, eseguono, controllano e ripetono. Ogni ciclo consuma token, chiamate a tool e tempo GPU, soprattutto su task lunghi. Questo rende critico misurare costo per task e impostare limiti, caching e policy di utilizzo.

Quanto è “cara” una valutazione da 30 miliardi per Perplexity?

Se il revenue run rate fosse circa 750 milioni di dollari nel 2026, una valutazione di 30 miliardi implicherebbe un multiplo vicino a 40 volte le vendite. Tech Funding News (2026) osserva che multipli così alti sono più frequenti nei mercati privati che nei mercati pubblici, dove i margini sono scrutinati di più.

Qual è l’errore più comune quando si adottano agenti AI in azienda?

Trattarli come “chatbot più bravi” invece che come workflow con responsabilità. Senza human-in-the-loop, logging e controlli di accesso, l’agente può compiere azioni non conformi o basate su dati incompleti. La soluzione è definire processi, KPI e governance prima di scalare.