Le imprese dell’intelligenza artificiale promettono una crescita rapidissima, ma per mantenerla devono convincere investitori impazienti a finanziare una corsa ancora più costosa: servono capitali, elettricità e data center pieni di chip avanzati, e non tutti i progetti potranno ottenere abbastanza denaro alle condizioni sperate. La tecnologia più celebrata del momento sta diventando una delle più pesanti da sostenere. La soglia psicologica dei mille miliardi, di cui si è parlato a lungo, sarà già superata quest’anno secondo la Bank for International Settlements. McKinsey ha spinto il conto fino al 2030 sostenendo che serviranno 5.200 miliardi per i centri dedicati all’intelligenza artificiale. Sono investimenti enormi per un settore ancora giovane, abituato a essere valutato con le aspettative del software e ora costretto a muoversi con le logiche dell’industria pesante.
Per anni le grandi piattaforme digitali hanno abituato gli investitori a un rapporto favorevole tra spesa e rendimento. Una volta costruito il prodotto, servire altri utenti costava relativamente poco. La pubblicità online, il software in abbonamento e il cloud maturo hanno generato margini che sembravano quasi naturali. L’IA ha rotto questa piacevole abitudine. Per continuare a migliorare, i modelli devono essere addestrati su infrastrutture sempre più grandi. E per essere usati da milioni di persone e aziende, devono restare accesi ogni giorno, con tempi di risposta rapidi e costi sostenibili.
Ogni nuovo servizio di IA impone costi prima ancora di generare ricavi. I modelli devono essere addestrati su server sempre più potenti e poi restare disponibili in modo continuo per utenti e aziende. Per questo le società devono impegnare capitale con largo anticipo, spesso senza sapere quanto quei servizi verranno usati davvero e quanto i clienti saranno disposti a pagarli. Questo rende particolarmente fragile l’economia del settore. Se il costo di ogni risposta scende, i prodotti potranno diffondersi più facilmente nei software aziendali, ma i ricavi per singola operazione tenderanno a comprimersi. Se resta alto, molte funzioni appariranno utili nei test e meno sostenibili quando dovranno essere pagate ogni mese da migliaia di dipendenti.
Anche i clienti aziendali dovranno fare i conti con questa struttura. Nei prossimi anni molte imprese scopriranno che l’IA non è una funzione da aggiungere al software esistente senza conseguenze sui costi. Le tariffe potranno essere integrate negli abbonamenti, mascherate dentro pacchetti premium o trasferite nei prezzi del cloud. Prima o poi qualcuno dovrà pagare il consumo di calcolo. Se la produttività generata sarà alta, la spesa verrà assorbita. Se i benefici resteranno frammentati, molte aziende ridurranno l’uso ai casi più redditizi.
La domanda per l’intelligenza artificiale può crescere e al tempo stesso diventare più selettiva. Qualcuno lo ha già capito. Il quotidiano Axios ha riportato il curioso caso di una società, rimasta anonima, che avrebbe speso cinquecento milioni di dollari in un solo mese su Claude, il chatbot sviluppato da Anthropic, dopo aver distribuito licenze senza imporre limiti d’uso ai dipendenti. Il finanziamento dell’intelligenza artificiale è un bel dilemma finanziario perché al momento i ricavi non riescono a sostenere la scala degli investimenti.
Finché il settore poteva essere raccontato come una gara tra laboratori, il vantaggio sembrava dipendere dalla qualità dei ricercatori e dalla capacità di sviluppare modelli migliori. Ora quella competizione si è spostata su un terreno molto più costoso: chi non riesce a procurarsi capitale, server ed energia rischia di non poter trasformare nemmeno il modello più promettente in un prodotto usato su larga scala. Un nuovo modello può impressionare gli utenti, ma se l’azienda che lo sviluppa non ha abbastanza server per servirli, il successo diventa un problema operativo. La scarsità si vede già nel modo in cui i prodotti vengono distribuiti. Anthropic, la società di Dario e Daniela Amodei, ha introdotto nei mesi scorsi limiti più severi all’uso di Claude nelle ore di maggiore domanda: tra le 5 e le 11 del mattino sulla costa pacifica americana, gli utenti potevano consumare più rapidamente la propria finestra di utilizzo. La misura riguardava soprattutto Claude Code, lo strumento usato dagli sviluppatori per scrivere e modificare software, ed era una forma di razionamento del calcolo.
A maggio, dopo un accordo per nuova capacità con SpaceX, Anthropic ha rimosso parte di quelle restrizioni e alzato i limiti per gli utenti paganti. Il sollievo, però, conferma il problema: quando arriva nuovo calcolo, viene assorbito quasi subito dalla domanda. Anche OpenAI ha cominciato a vendere la scarsità come garanzia. Alle aziende che non possono permettersi interruzioni o rallentamenti offre contratti di capacità garantita, con impegni che possono arrivare fino a tre anni. In pratica, un cliente paga per avere accesso stabile ai modelli anche quando la domanda generale aumenta e l’infrastruttura è sotto pressione. Si compra la certezza che il servizio sarà disponibile quando serve.
Le Big Tech partono da una posizione più forte dei laboratori indipendenti perché hanno bilanci enormi e rapporti privilegiati con i fornitori di chip. Ma la corsa all’intelligenza artificiale è diventata così costosa che anche loro stanno facendo maggiore ricorso al debito e a capitali esterni. Dopo i risultati del secondo trimestre, Amazon ha portato a 220 miliardi di dollari gli investimenti previsti per il resto del 2026, Alphabet a 195-205 miliardi e Meta a 130-145 miliardi; Microsoft indica circa 175 miliardi per l’anno solare. Insieme significa una spesa compresa tra 720 e 745 miliardi di dollari, destinata in larga parte all’IA e al cloud e superiore ai 650 miliardi stimati da Bridgewater a febbraio.
È una scelta rischiosa perché questi investimenti stanno assorbendo una quota crescente della liquidità prodotta dalle aziende e le stanno spingendo a finanziarsi di più sul mercato, proprio dopo anni in cui avevano potuto sostenere gran parte della loro espansione con i propri profitti. Ma nessuno vuole essere ricordato come l’azienda che non ha cavalcato la rivoluzione industriale. Poi le Big Tech non hanno un vero incentivo a fermarsi. Se una rallenta, rischia di cedere clienti cloud e sviluppatori a chi continua a investire. Se un laboratorio perde accesso al calcolo, perde ritmo nella ricerca. La paura di arrivare scoperti alimenta la spesa quasi quanto la domanda reale e questo tiene in piedi il sistema. Per ora.
Le grandi aziende tecnologiche preferiscono rischiare un eccesso di capacità piuttosto che trovarsi senza server quando il mercato accelererà. È una dinamica che ricorda la teoria dei giochi: per ciascuna azienda continuare a investire è la scelta più prudente, anche se il risultato collettivo può essere una costruzione di capacità superiore alla domanda effettiva. In alcune aree quell’eccesso sarà necessario, in altre potrebbe trasformarsi in capitale immobilizzato male.
A guardarla così, questa fase assomiglia al boom della fibra ottica. Anche allora una tecnologia destinata a diventare essenziale richiese investimenti enormi prima che la domanda fosse abbastanza matura da ripagarli. Molte società costruirono reti in eccesso, finanziandole con debito e aspettative troppo ottimistiche. Quando la bolla scoppiò, una parte di quelle infrastrutture passò di mano a prezzi molto più bassi, spesso a vantaggio dei concorrenti che avevano conservato capitale e si erano mossi con più disciplina. Allo stesso modo è certo che la domanda di calcolo continuerà a crescere, ma non tutti i progetti saranno redditizi. La quantità di debito è diventata abbastanza grande da preoccupare anche le autorità finanziarie: Alphabet, Amazon, Meta, Microsoft e Oracle hanno emesso circa 220 miliardi di dollari di obbligazioni nell’ultimo anno. Ma la finanza sta ancora guardando ai data center per l’IA come a qualcosa su cui si può prestare denaro con una certa sicurezza.
Il ragionamento non è lunare: se un impianto ha già un contratto pluriennale con Microsoft, OpenAI, Amazon o un altro grande cliente, quel contratto può essere usato per convincere banche e fondi a finanziarlo. Il data center diventa così una garanzia materiale e non solo il terminale dell’investimento. I ricavi futuri diventano la base su cui costruire il prestito. La Bank for International Settlements ha segnalato un rischio crescente: il boom dell’intelligenza artificiale viene finanziato sempre meno soltanto con i profitti delle grandi aziende tecnologiche e sempre più con prestiti, obbligazioni e capitali forniti da fondi privati. Una parte di questi finanziamenti passa inoltre attraverso società create apposta e tenute separate dai bilanci principali, rendendo più difficile capire dove si concentrino davvero i rischi.
CoreWeave è uno dei casi più evidenti di questo nuovo modello perché a differenza delle Big Tech non può finanziare la costruzione di enormi infrastrutture per l’IA con i profitti di altre attività e deve quindi raccogliere grandi quantità di denaro all’esterno. La società, specializzata nella vendita di capacità di calcolo, ha ottenuto a marzo una linea di credito da 8,5 miliardi di dollari, poi altri 3,1 miliardi a maggio e 2,6 miliardi ad agosto. Al 10 agosto dichiarava di aver raccolto dall’inizio dell’anno più di trenta miliardi di dollari tra debito e nuovi capitali.
Questa trasformazione porta con sé un equivoco pericoloso. Un data center ha un ritmo di obsolescenza molto più rapido di una normale infrastruttura. Una rete elettrica può produrre ricavi per decenni, ma un campus pieno di acceleratori può perdere efficienza economica nel giro di pochi cicli tecnologici. Se il mercato si sposta verso chip più potenti o modelli meno affamati di calcolo, una parte del valore atteso si riduce. E il debito resta. Ma la corsa al finanziamento dell’intelligenza artificiale sta già restringendo il campo. Le startup potranno ancora costruire prodotti appoggiandosi ai modelli di OpenAI, Anthropic o Google attraverso API, cioè accessi a pagamento che permettono di usare quella tecnologia dentro un proprio servizio senza possedere i server né addestrare un modello da zero. Il problema arriverà quando vorranno ridurre la dipendenza o sviluppare una tecnologia davvero propria. A quel punto la barriera d’ingresso sarà altissima e forse irraggiungibile. La prossima fase è già cominciata, ma non tutti partiranno dalla stessa linea. Chi controlla l’infrastruttura correrà davanti; gli altri dovranno pagare il pedaggio.
Questo è un articolo del numero di Linkiesta Magazine 03/26 – “Inciviltà delle macchine”, ordinabile qui.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
