Perché il cattivo investimento, e non l'eccesso di offerta di chip, potrebbe porre fine al boom dell'IA

La corsa all'oro dell'intelligenza artificiale è attualmente guidata da un ciclo di spese in conto capitale (capex) senza precedenti, ma è emerso un importante avvertimento riguardo alla sua sostenibilità a lungo termine. Chris Wood, Global Head of Equity Strategy di Jefferies, suggerisce che il trend dell'IA potrebbe non concludersi per una mancanza di domanda, quanto piuttosto per una crisi di redditività.

Il rischio di cattivo investimento e di finanziamenti circolari

A differenza dei tradizionali cicli dei semiconduttori, che tipicamente terminano a causa di improvvisi eccessi di inventario o shock dell'offerta, Wood identifica il "malinvestment" (cattivo investimento) come il rischio principale per il settore dell'IA. La preoccupazione centrale è che gli hyperscaler e i principali laboratori di IA potrebbero non riuscire a generare un rendimento adeguato rispetto alle massicce spese in conto capitale (capex) che stanno intraprendendo.

Wood evidenzia un ciclo di feedback potenzialmente precario all'interno dell'ecosistema: accordi di finanziamento circolari in cui aziende come Nvidia forniscono finanziamenti a laboratori di IA come OpenAI, i quali utilizzano poi quel capitale per acquistare altri chip Nvidia. Sebbene ciò stimoli la crescita a breve termine, crea una vulnerabilità. Se gli investitori iniziassero a dubitare della capacità di monetizzazione a lungo termine di questi investimenti nell'IA, questo ciclo di feedback potrebbe interrompersi bruscamente, innescando una dolorosa pausa nel mercato.

Capex massicci e il paradosso di Jevons

La scala degli investimenti attualmente in corso è storica. TSMC ha alzato le sue previsioni di capex per il 2026 a circa 56 miliardi di dollari, rispetto ai 41 miliardi dell'anno scorso, con alcune proiezioni che suggeriscono che la spesa potrebbe raggiungere i 65–70 miliardi di dollari entro il 2027. Questa impennata ha già sostenuto significativamente l'economia taiwanese, con una crescita del PIL reale del 14,55% su base annua nel primo trimestre del 2026.

Wood osserva questo fenomeno attraverso la lente del "paradosso di Jevons": l'idea che, al diminuire del costo di una risorsa (in questo caso, i token di calcolo) grazie all'aumento dell'efficienza, il consumo totale di tale risorsa aumenti effettivamente. Questo paradosso avvantaggia i player del settore "picks and shovels" (strumenti e forniture), in particolare i fornitori di memorie e DRAM. Aziende come Micron stanno già riscontrando questo cambiamento strutturale; Micron ha infatti siglato 16 accordi strategici con i clienti che coprono il 20% del suo volume di DRAM e un terzo del suo volume di NAND, spesso con scadenze quinquennali.

La commoditizzazione dei modelli di IA

Un'altra pressione crescente sull'economia dei principali fornitori occidentali di IA è la rapida commoditizzazione dei Large Language Models (LLM). L'ascesa di modelli di alta qualità e a basso costo — in particolare quelli provenienti dalla Cina — sta sfidando il dominio delle aziende con sede negli Stati Uniti.

Ad esempio, il lancio di GLM-5.2 di Z.ai è stato descritto come quasi equivalente ad Anthropic per l'uso aziendale, ma a solo un quarto del costo per token. I dati di OpenRouter mostrano un significativo spostamento nei volumi: alla fine di giugno, i principali modelli di IA cinesi hanno elaborato 21,37 trilioni di token, superando significativamente i 5,76 trilioni di token elaborati dai principali modelli statunitensi. Questo afflusso di alternative economiche e capaci esercita un'immensa pressione sui margini di profitto delle aziende che guidano la corsa all'IA.

Punti chiave

• Il rischio principale: La fine del trend dell'IA sarà più probabilmente innescata dalla consapevolezza di un "malinvestment" e di scarsi rendimenti sulle capex, piuttosto che da un tradizionale eccesso di offerta di semiconduttori.
• Spostamento strutturale nelle memorie: I fornitori di DRAM e memorie sono attualmente i beneficiari "picks and shovels" più protetti, sfruttando accordi strategici a lungo termine per mantenere il potere di determinazione dei prezzi.
• Minaccia della commoditizzazione: La rapida comparsa di modelli di IA a basso costo e ad alte prestazioni (in particolare dalla Cina) sta trasformando il panorama degli LLM in una commodity, minacciando i modelli ad alto margine dei leader occidentali dell'IA.