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 in infrastrutture previsti fino al 2027, secondo una nuova analisi accademica.
Punti chiave
- Gli hyperscaler dell’AI devono superare un “ostacolo” 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 credito privato può diffondere il rischio dell’infrastruttura AI ben oltre le big tech.
La formula di Wachter sull’AI
MIT Technology Review ha analizzato lo studio di Jessica Wachter, professoressa di finanza alla Wharton School, e del coautore Jonathan Wachter, costruito sugli investimenti di Alphabet, Microsoft, Amazon, Meta e Oracle.
Secondo le loro stime, il settore dovrebbe ottenere un incremento di produttività pari a 2,7 volte entro il 2030, dopo aver tenuto conto di costi del capitale, ammortamenti e di un rendimento obiettivo del 15%. Il paper avverte che, se il boom atteso non dovesse materializzarsi, questa ondata di spesa rischia di trasformarsi nella “più grande allocazione errata di capitale della storia”.
Le tensioni sono già visibili nei flussi di cassa aziendali. Alphabet ha registrato un free cash flow negativo per 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 aumento degli investimenti in capitale fisso.
Da leggere anche: Wallet Bitcoin muto dal 2012 si riattiva e sposta l’intera riserva
Il rischio di credito secondo Gensler
Morgan Stanley calcola che tra il 2025 e il 2028 verranno spesi circa 2.900 miliardi di dollari per costruire data center nel mondo, con circa 1.500 miliardi attesi da capitali esterni. Questo spostamento trasferisce sempre più rischio legato all’infrastruttura AI su debito societario, credito cartolarizzato e mercati del private credit.
Il progetto Hyperion di Meta in Louisiana mostra come può funzionare questo tipo di finanziamento. Fondi gestiti da Blue Owl Capital detengono l’80% di una joint venture incaricata di sviluppare un campus da circa 27 miliardi di dollari, mentre Meta conserva il 20%.
Stijn Van Nieuwerburgh, professore alla Columbia Business School, ha studiato come questa espansione infrastrutturale diffonda la leva finanziaria tra sviluppatori, finanziatori e veicoli di finanza strutturata.
L’ex presidente della SEC ed economista del MIT Sloan, Gary Gensler, ha descritto il ciclo d’investimenti nell’AI come “una scommessa a più livelli da parte dei mercati dei capitali e dell’economia”.
Lo strategist crypto Arthur Hayes sostiene che un eventuale shock di credito legato all’AI potrebbe alla fine costringere la Federal Reserve ad allentare la politica monetaria e spingere Bitcoin (BTC) verso 1 milione di dollari, anche se si tratta di uno scenario fortemente speculativo e non di una previsione riconducibile allo studio della Wharton.
L’ondata di spesa è in costruzione da anni, mentre gli hyperscaler corrono per assicurarsi chip, energia e capacità di data center. Il nodo irrisolto è se produttività e ricavi riusciranno a crescere abbastanza in fretta da sostenere impegni infrastrutturali che fanno sempre più affidamento su finanziamenti esterni.
Prossimo articolo: XRP supera 1,544 dollari mentre aumentano leva e attività delle whale
