Gli hyperscaler dell’intelligenza artificiale potrebbero dover aumentare la produttività di 2,7 volte entro il 2030 per giustificare quasi 1.100 miliardi di dollari di investimenti infrastrutturali fino al 2027, secondo nuove analisi.
Punti chiave:
- Gli hyperscaler AI devono superare una soglia di produttività pari a 2,7 volte entro il 2030 per rendere sostenibili gli impegni infrastrutturali attuali.
- Morgan Stanley stima circa 2.900 miliardi di dollari di spesa globale in data center fino al 2028, di cui circa 1.500 miliardi finanziati con capitale esterno.
- Il crescente ricorso a debito e private credit rischia di diffondere l’esposizione sull’infrastruttura AI oltre le big tech, coinvolgendo l’intero sistema del credito.
La matematica dell’AI secondo Wachter
MIT Technology Review ha analizzato lo studio della professoressa di finanza Jessica Wachter (Wharton) e del co‑autore Jonathan Wachter, basato sui piani di spesa di Alphabet, Microsoft, Amazon, Meta e Oracle.
Secondo la loro analisi, riportata anche da BeInCrypto qui, il settore dovrà ottenere un incremento di produttività pari a 2,7 volte entro il 2030, al netto dei costi del capitale, degli ammortamenti e di un rendimento atteso del 15%. Lo studio avverte che, se il boom di produttività non dovesse materializzarsi, l’attuale corsa alle infrastrutture rischia di trasformarsi nella “più grande allocazione errata di capitale della storia”.
La pressione è già visibile nei flussi di cassa aziendali. Alphabet ha registrato un free cash flow negativo di 5,9 miliardi di dollari nel secondo trimestre del 2026, il primo trimestre in rosso da quando Google è sbarcata in Borsa nel 2004, complice un forte balzo degli investimenti in conto capitale.
Da leggere anche: Wallet Bitcoin silente dal 2012 si riattiva e sposta l’intero tesoro
Il rischio di credito secondo Gensler
Morgan Stanley stima che tra il 2025 e il 2028 verranno destinati circa 2.900 miliardi di dollari alla costruzione di data center a livello globale, di cui pressappoco 1.500 miliardi dovranno arrivare da capitale esterno. Questo spostamento trasferisce una quota crescente del rischio legato alle infrastrutture AI verso il debito societario, il credito cartolarizzato e il mercato del private credit.
Il progetto Hyperion di Meta in Louisiana mostra come può funzionare questo schema di finanziamento. Fondi gestiti da Blue Owl Capital controllano l’80% di una joint venture che sta sviluppando un campus dal valore di circa 27 miliardi di dollari, mentre Meta mantiene il restante 20%.
Il professor Stijn Van Nieuwerburgh della Columbia Business School ha analizzato come la leva finanziaria venga distribuita lungo la catena che va dagli sviluppatori ai finanziatori, fino ai veicoli di finanza strutturata.
L’ex presidente della SEC ed economista del MIT Sloan Gary Gensler ha descritto il ciclo di investimento nell’AI come “una scommessa multipla da parte dei mercati dei capitali e dell’economia”.
Lo strategist crypto Arthur Hayes sostiene che un eventuale shock sul credito legato all’AI potrebbe spingere la Federal Reserve verso una politica monetaria più espansiva e, in ultima analisi, portare Bitcoin (BTC) verso quota 1 milione di dollari. Si tratta però di uno scenario altamente speculativo, non di una previsione supportata dalle ricerche di Wharton.
L’ondata di spesa è in costruzione da anni, mentre gli hyperscaler si contendono chip, energia e capacità di calcolo nei data center. Il nodo irrisolto è se produttività e ricavi riusciranno a crescere abbastanza in fretta da tenere il passo con impegni infrastrutturali sempre più dipendenti da finanziamenti esterni.
Prossimo articolo: XRP supera 1,544 dollari mentre aumentano leva e movimenti delle whale
