La questione da 3 trilioni di dollari dell'IA: i ricavi potranno eguagliare la spesa per le infrastrutture?
L'industria dell'intelligenza artificiale è attualmente impegnata in una corsa ad alta posta in gioco tra massicce spese in conto capitale (CapEx) e l'urgente necessità di generare ricavi. Mentre gli hyperscaler investono trilioni in hardware, emerge una domanda critica: lo strato software potrà generare valore sufficiente a giustificare l'immenso costo del silicio?
Il crescente divario tra CapEx e ricavi
La portata degli investimenti nelle infrastrutture IA è sbalorditiva. David Cahn, partner di Sequoia, che in precedenza aveva stimato un fabbisogno di ricavi di 200 miliardi di dollari basandosi sui 50 miliardi di dollari di ricavi delle GPU di Nvidia, ha rivisto significativamente le sue proiezioni. A causa di tre anni di inarrestabile hyperscaling, Cahn stima ora che la spesa per le infrastrutture IA raggiungerà 1,5 trilioni di dollari entro il 2026.
Per recuperare questi costi, l'industria deve generare una stima di 3 trilioni di dollari in ricavi. Questa cifra è probabilmente una base prudente. L'aumento dei costi della memoria, l'impiego di chip esotici specifici per l'inferenza e l'incremento dei costi di costruzione dei data center stanno spingendo verso l'alto i ricavi necessari per ogni gigawatt (GW) di CapEx. Sebbene i frontier labs stiano registrando una crescita — con Anthropic che avrebbe raggiunto i 60 miliardi di dollari di ARR e OpenAI che ha raggiunto i 20 miliardi di dollari di ARR — rimane un enorme divario tra gli attuali guadagni e la soglia dei 3 trilioni di dollari.
La scommessa degli hyperscaler e il rischio di deflazione
Gli hyperscaler in stile "Magnificent Seven" — Google, Meta, Microsoft e Amazon — sono i principali motori di questa spesa. Questi giganti stanno scommettendo su un massiccio aumento del flusso di cassa libero entro il 2028, basandosi sull'idea che i servizi di IA diventeranno utility essenziali ad alto margine.
Tuttavia, l'economista capo di Apollo, Torsten Slok, avverte di significativi ostacoli che potrebbero far fallire questi calcoli. Due tendenze specifiche rappresentano una minaccia per il modello di business della "token factory":
- L'ascesa dei modelli open-weight: Le organizzazioni si stanno spostando sempre più verso modelli open-weight più economici, inclusi quelli provenienti dalla Cina, piuttosto che fare affidamento esclusivamente su costosi modelli frontier.
- Deflazione dei token: Man mano che i modelli diventano più efficienti, il prezzo per token sta crollando. Ad esempio, gli ultimi modelli di OpenAI hanno ottenuto un aumento del 54% dell'efficienza dei token per i compiti di coding. Sebbene questo sia un vantaggio per sviluppatori e utenti finali, crea una "corsa al ribasso" per i fornitori che fanno affidamento su un alto volume di token per compensare i massicci costi infrastrutturali.
Implicazioni macroeconomiche di un mancato ritorno sull'investimento IA
La posta in gioco va ben oltre i bilanci dei giganti tecnologici. Poiché la leadership attuale del mercato è così concentrata in pochi nomi, l'intero S&P 500 è legato al successo di questo ciclo di investimenti nell'IA.
Se gli hyperscaler non dovessero raggiungere i loro obiettivi di flusso di cassa previsti entro il 2028, la reazione del mercato potrebbe essere sistemica. Slok suggerisce che un ritorno più lento del previsto non comporterebbe solo una correzione di settore; potrebbe potenzialmente spingere l'intera economia verso una recessione. Per l'ecosistema dell'IA, i prossimi anni saranno un test decisivo per capire se l'intelligenza potrà essere monetizzata abbastanza velocemente da superare l'accelerazione dei costi dell'hardware che la produce.
Punti chiave
- Fabbisogno massiccio di ricavi: L'industria dell'IA deve generare circa 3 trilioni di dollari in ricavi per giustificare i 1,5 trilioni di dollari di spesa infrastrutturale prevista entro il 2026.
- Paradosso dell'efficienza: Il miglioramento dell'efficienza dei modelli (come il guadagno del 54% di OpenAI nei compiti di coding) riduce i costi per gli utenti ma crea pressioni sui prezzi per le aziende che finanziano l'hardware.
- Rischio economico sistemico: Poiché la crescita degli hyperscaler è un motore primario dell'S&P 500, un mancato raggiungimento dei rendimenti dell'IA potrebbe innescare una correzione di mercato più ampia o una recessione.