J.P. Morgan avverte l'aumento dei segnali di allarme nel mercato dell'IA

Mentre l'intelligenza artificiale continua a guidare salti tecnologici senza precedenti, gli analisti finanziari stanno lanciando l'allarme su una potenziale instabilità del mercato. Un recente rapporto di J.P. Morgan suggerisce che l' "esuberanza degli investitori" stia creando livelli pericolosi di concentrazione e volatilità all'interno del settore dell'IA.

Concentrazione estrema e il parallelo con la bolla dotcom

La preoccupazione più sorprendente sollevata da J.P. Morgan è l'estrema concentrazione di ricchezza e crescita all'interno dell'S&P 500. Dallo lancio di ChatGPT nel 2022, solo 42 aziende legate all'IA sono state responsabili di circa il 65% - 80% degli utili, dei ricavi e degli investimenti dell'intero indice. Questa concentrazione è più visibile nella capitalizzazione di mercato, dove i dieci titoli statunitensi più grandi rappresentano ora circa il 40% dell'S&P 500, un salto enorme rispetto al solo 17% del 2015.

Inoltre, gli schemi tecnici nel settore dei semiconduttori stanno rispecchiando l'infame bolla dotcom. J.P. Morgan identifica quattro specifici segnali di allarme:

• I titoli dei semiconduttori si stanno discostando dalla loro media mobile a 200 giorni con la stessa intensità di quanto avvenne alla fine degli anni '90.
• Gli hedge fund sono più pesantemente investiti nei titoli dei chip rispetto a qualsiasi altro momento precedente.
• I prestiti su margine nella borsa coreana sono triplicati dal 2020.
• Il trading di opzioni sui titoli dei semiconduttori è aumentato fino a cinque volte i livelli del 2020.

Il panorama in evoluzione dell'hardware per l'IA

Sebbene Nvidia rimanga il titano del mercato degli acceleratori per l'IA, la sua dominanza sta affrontando un'erosione strategica. J.P. Morgan stima che la quota di mercato di Nvidia scenderà probabilmente dall'85% nel 2023 a circa il 75% entro il 2026. Questo cambiamento è guidato dai principali fornitori di servizi cloud che sviluppano silicio proprietario per ottimizzare i costi.

Ad esempio, le TPU di Google e i chip Trainium di Amazon stanno diventando alternative critiche. L'uso di silicio personalizzato può ridurre i costi operativi del 30% - 40% rispetto alle tradizionali GPU di Nvidia. Un cambiamento industriale degno di nota è già in corso: Anthropic si è impegnata a eseguire i suoi modelli Claude sull'infrastruttura Trainium di Amazon per il prossimo decennio, segnalando un allontanamento dalla totale dipendenza dalle GPU.

Pressioni sui margini e l'ascesa dell'open source

La sostenibilità economica dei principali laboratori di IA come OpenAI e Anthropic rimane un grande punto interrogativo. Nonostante la rapida crescita dei ricavi, gli astronomici costi di calcolo stanno comprimendo i margini. Ciò crea una vulnerabilità che i concorrenti sono pronti a sfruttare.

Con la fluttuazione dei prezzi dei token, le imprese cercano sempre più di ottimizzare la spesa spostando i compiti verso modelli open source più economici e ad alte prestazioni. Il panorama è ulteriormente complicato dai modelli open source cinesi, che si stanno rapidamente avvicinando alle prestazioni di alto livello a una frazione del costo dei modelli proprietari occidentali. Questa pressione al ribasso sui prezzi dei token, combinata con la riduzione dei margini di flusso di cassa libero presso i principali fornitori di cloud, suggerisce che la "corsa all'oro dell'IA" potrebbe presto scontrarsi con una dura realtà per quanto riguarda la redditività.

Punti chiave

• Volatilità del mercato: Gli schemi dei titoli dei semiconduttori e l'aumento del trading di opzioni mostrano somiglianze tecniche con la bolla dotcom.
• Diversificazione dell'hardware: Si prevede che la quota di mercato di Nvidia diminuirà man mano che i fornitori di cloud come Amazon e Google implementeranno chip personalizzati per ridurre i costi fino al 40%.
• Rischi di redditività: Gli elevati costi di calcolo e la crescente efficienza dei modelli open source a basso costo (inclusi quelli cinesi) stanno minacciando i margini dei principali laboratori di IA.