Goldman Sachs Research prevede investimenti globali in AI per circa 1.000 miliardi di dollari nel 2026, con un ammontare cumulato dal 2022 di circa 1.800 miliardi. Il nucleo di questa cifra è la spesa in conto capitale (capex) degli hyperscaler: i cinque principali (Amazon, Microsoft, Alphabet, Meta, Oracle) dovrebbero spendere circa 600 miliardi di dollari nel 2026 (+36% sul 2025), di cui circa il 75% destinato alle infrastrutture. Alcune stime più ampie arrivano fino a 775 – 800 miliardi per il gruppo Big 5, e McKinsey proietta 6.700 miliardi di dollari di capex globale nei data center fino al 2030, per il 70% legato all’AI[1].
Le aziende confermano il ritmo: Meta ha alzato la guidance 2026 a 125 – 145 miliardi di dollari (da 115 – 135), definendola – nelle parole di Zuckerberg – un investimento per la “superintelligenza personale”[2].
Indice degli argomenti
Investimenti AI tra capex e stime che si sovrappongono
Gartner stima la spesa mondiale totale in AI a 2.590 miliardi di dollari nel 2026 (+47% sul 2025), di cui circa il 55% – circa 1.430 miliardi – costituito da infrastrutture AI (server, chip AI, networking, cloud IaaS). Ma questa componente infrastrutturale è, in sostanza, la stessa spesa in conto capitale degli hyperscaler già contabilizzata. Sommare le due cifre come se fossero addizionali equivale a contare due volte lo stesso valore, errore che commette anche Goldman Sachs Research: da un lato le spese delle aziende che “offrono i servizi AI”, dall’altro quelle degli “utenti finali aziendali che pagano per quei software e servizi di infrastruttura cloud” si mescolano rendendo impossibile una stima aggregata pulita della redditività[3].
Se le fonti principali (Goldman Sachs, Gartner, IDC, McKinsey) non rendono esplicito e separato il perimetro tra produttori e consumatori, le cifre aggregate del mercato AI totale risultano fuorvianti. Ciò è particolarmente grave per soggetti che hanno nella loro ragione sociale il dovere di orientare gli operatori in modo corretto ed è ancor più grave in ragione delle criticità e delle incertezze che attraversano il mercato AI in questa fase, come sosteniamo in questa nota.
Restano più affidabili i dati settoriali e disaggregati.
Il ROI dell’AI e il divario tra spesa e ritorni
Gli studi sponsorizzati dai fornitori dipingono un quadro ottimistico dei rendimenti attesi: IDC e Microsoft misurano un ritorno medio di 3,7 dollari per ogni dollaro investito in AI generativa. Ma i sondaggi indipendenti raccontano una storia assai diversa: solo il 5 – 8% delle imprese riporta un ROI misurabile nel 2026, secondo BCG e KPMG con interviste di oltre 2.000 dirigenti. Eppure il budget AI medio ha raggiunto 186 milioni di dollari e l’adozione è all’88%[4].
Il sondaggio McKinsey su circa 1.993 organizzazioni rileva che solo il 39% riporta un qualche impatto misurabile sull’EBIT dall’AI[5].
Secondo McKinsey, BCG, Deloitte e Accenture, solo una ristretta élite del 5 – 12% delle imprese cattura un valore più che proporzionale dall’investimento AI, mentre il resto resta in quella che Gartner classifica ormai formalmente come la fase di disillusione del ciclo[6].
C’è, quindi, uno squilibrio crescente di tempi e di livelli di rischio: i produttori stanno impegnando capitale a un ritmo che presuppone una domanda aziendale capace di giustificarlo – mentre i dati sul lato della domanda mostrano un uso e una spesa in rapida crescita, ma un ritorno finanziario concentrato in una piccola minoranza di organizzazioni: il dubbio è se il tasso di crescita della domanda terrà il passo con le aspettative degli investitori.
Gli annunci intorno ad AI il più delle volte esorcizzano, in un modo o nell’altro, i fattori di incertezza e di rischio che il mercato presenta, o cercano di sostenere – come vedremo – la fiducia degli investitori anche quando i numeri non ci sono. Stefano Epifani ha messo in evidenza il ruolo autopromozionale dell’escatologia su AI, che punta a dimostrare come le sue potenzialità enormi siano difficilmente governabili[7].
Di recente un giovane appena uscito da Anthropic ha affermato che “AI potrebbe uccidere tutti gli umani” inserendosi brillantemente (200 milioni di viste in poche ore) nella lunga lista dei tecno-stregoni paladini dell’umanità[8]. Questi annunci da parte delle aziende interessate o di singoli manager o imprenditori in cerca di pubblicità, rientrano nelle loro legittime attività di promozione.
Dalla distruzione creatrice ai rischi degli investimenti AI
La storia delle grandi innovazioni tecnologiche segue il paradigma dell’innovazione shumpeteriana: la distruzione creatrice: l’imprenditore crea e distrugge. Crea nuovi mercati, sfrutta nuove tecnologie, adotta innovazioni rivoluzionarie e nel fare ciò distrugge equilibri economici precedentemente raggiunti, abbatte fortune e successi consolidati, sconvolge equilibri di mercato e finanziari. “Il punto essenziale che bisogna afferrare – già molto tempo addietro enfatizzato da Karl Marx – è che con il capitalismo abbiamo a che fare con un processo evolutivo…che va considerato nel suo ruolo di perenne tempestosa Distruzione Creatrice”[9].
Ci interessa, in questa sede, l’insieme degli investimenti iniziali che avvia il processo della distruzione creatrice e che si sviluppa su un arco temporale non breve: gli investimenti dei pionieri danno i loro esiti, sia quelli voluti, sia quelli non previsti, solo nel tempo. Ciò è vero anche per le economie di rete. La “raylway mania” degli anni Quaranta dell’Ottocento portò al fallimento di molte imprese che avevano raccolto i capitali necessari a costruire in pochi anni 6.000 miglia di linee. La svalutazione del loro investimento non portò alla cancellazione delle linee costruite, ma al loro utilizzo più efficiente, anche per effetto dell’adozione di standard comuni come lo scartamento che consentiva l’interconnessione delle diverse tratte.
La fibra ottica e il valore delle infrastrutture
Analoga storia è quella della fibra ottica alla fine del secolo scorso, quando la corsa alla posa di linee per internet si tradusse in un crollo del Nasdaq di quasi l’80% nel marzo 2000, allorquando divenne tangibile che la domanda non poteva sostenere quegli investimenti. Anche qui la svalutazione non portò alla cancellazione della nuova rete in fibra, la cosiddetta dark-fiber, ma al suo utilizzo più efficiente quando si diffusero i servizi in streaming come YouTube.
Motori di ricerca: vincitori, sconfitti e svalutazioni
Il mercato dei motori di ricerca dell’era delle dot – com è un esempio lampante: a differenza della realizzazione delle infrastrutture in fibra ottica (dove l’asset fisico è sopravvissuto ed è stato successivamente riutilizzato), il consolidamento nel settore della ricerca ha distrutto valore che non è mai stato recuperato dagli sconfitti.
Excite si fuse con @Home Network nel gennaio 1999 in un’operazione da 6,7 miliardi di dollari ed Excite@Home richiese la procedura fallimentare nell’ottobre 2001 con il portale venduto per circa 10 milioni di dollari nel dicembre successivo: una svalutazione di circa il 99,85%.
Lycos fu acquistata da Terra Networks nell’ottobre 2000 per 12,5 miliardi di dollari e Terra la rivendette nell’agosto 2004 per 95,4 milioni di dollari: una svalutazione del 99,2%. AltaVista, un tempo motore di ricerca dominante basato su crawler ad alta velocità, fu assorbita da Yahoo tramite l’acquisizione di Overture nel 2003, cessando di fatto di esistere come entità indipendente.
Google, nel frattempo, passò dall’essere offerta in vendita a Excite per 750.000 dollari nel 1999 (offerta rifiutata) a diventare un’azienda che Yahoo stessa avrebbe valutato “almeno 5 miliardi di dollari” appena tre anni dopo, avviandosi a diventare una delle società di maggior valore al mondo e conquistando oltre l’80% della quota di mercato globale della ricerca verso la fine degli anni 2000.
Se la domanda legata all’IA dovesse infine allinearsi all’offerta – anche con tempistiche più lunghe rispetto a quelle ipotizzate dagli attuali investimenti – parte di questa capacità verrebbe utilizzata in modo produttivo, proprio come è accaduto con la fibra ottica.
Tuttavia, ciò costituisce il rischio specifico di chi scommette sui pionieri e detiene i titoli nel momento in cui avviene la correzione dei prezzi che porta alla svalutazione degli asset. Il crollo del settore delle telecomunicazioni è stato produttivo per le infrastrutture internet a lungo termine, ma al contempo devastante per gli obbligazionisti, gli azionisti e gli oltre 500.000 lavoratori del settore che hanno perso il posto.
Finanziamento circolare, debito e infrastrutture per l’AI
Le strutture di finanziamento circolare e i crescenti livelli di indebitamento rappresentano uno dei meccanismi più rapidi di trasmissione dell’impatto della correzione dei prezzi, come sottolinea la Banca dei Regolamenti Internazionali[10].
GPU, data center e curva di apprendimento
Infine vale la pena segnalare una differenza significativa in termini di specificità dell’asset: la fibra è una risorsa general – purpose estremamente durevole (decenni), motivo per cui poteva restare inutilizzata mantenendo comunque valore nel tempo. Le GPU per AI si svalutano più rapidamente (con una vita utile tipica di 3 – 5 anni, che si accorcia a ogni nuova generazione Nvidia) e i data center sono vincolati a specifici requisiti energetici o di localizzazione.
Lo scenario del “valore latente che riemerge in seguito” potrebbe quindi non ripetersi allo stesso modo per l’hardware specifico dell’IA, anche qualora le infrastrutture energetiche e immobiliari a esso collegate dovessero sopravvivere. Parte dell’investimento verrà comunque svalutato o distrutto e ciò porterà a una mutazione, per usare il termine evoluzionistico proposto da Schumpeter, che avrà tempistiche più lunghe rispetto a quelle previste dagli investitori iniziali.
Il primo ciclo di investimenti è meno efficiente, per diversi motivi che si possono riassumere nella “curva di apprendimento” dell’investitore-imprenditore.
Questi meccanismi operano in sequenza e si rafforzano a vicenda in ogni ciclo, incluso – verosimilmente – quello attuale: (1) l’infrastruttura odierna dell’IA viene realizzata prima ancora che esistano standard di interoperabilità condivisi, convenzioni per la contabilizzazione dei costi e relazioni stabili con i clienti;
(2) le GPU, i data center e i modelli attuali rappresentano la versione più costosa e meno efficiente che questa tecnologia conoscerà in termini di costi di realizzazione (e mostrano già, empiricamente, una curva di apprendimento ripida per quanto riguarda i costi di inferenza);
e (3) il consolidamento tra hyperscaler e laboratori di frontiera – con la concentrazione delle spese in conto capitale (capex) nelle mani delle “Big 5” e l’assorbimento di oltre il 40% dei finanziamenti globali di venture capital da parte di OpenAI e Anthropic – suggerisce che il mercato si stia già orientando verso una dinamica del tipo chi vince prende tutto basata sulla scala, la quale svaluta il resto, ben prima che il ciclo abbia esaurito il suo corso.
Le dipendenze tra chip, cloud e laboratori AI
Produttori di chip e fornitori cloud finanziano sempre più gli sviluppatori AI che sono anche i loro maggiori clienti, creando una rete di dipendenze incrociate. La liquidità esce dal bilancio del produttore di chip come “investimento” e vi rientra come “ricavo” dopo essere passata per uno o due laboratori AI e fornitori cloud.
Il rapporto annuale 2026 della Banca dei Regolamenti Internazionali (BIS) ha indicato proprio questa dinamica, insieme a un possibile crollo del capex AI e alla fragilità del debito sovrano, tra i tre maggiori rischi per la stabilità finanziaria globale.
Il debito come leva della corsa agli investimenti AI
Il debito incrementale è salito dal 9% circa del capex nell’anno fiscale 2024 al 32% circa a metà 2026. Nvidia si è mossa per garantire la domanda: insieme a una coalizione che include Apollo, Blackstone, BlackRock, Brookfield e Goldman Sachs, sta reperendo 500 miliardi di dollari di finanziamento di terze parti per infrastrutture AI, usando la capacità di calcolo stessa come garanzia collaterale per il debito[11].
La figura 1 riporta la dimensione del finanziamento circolare che si è sviluppato tra Hypersaler e aziende AI, dove le prime forniscono finanziamenti a fronte di impegni di acquisto dei loro servizi (cloud, processori) e le seconde si impegnano ad acquistarli. Uno schema in cui il rischio di credito è direttamente legato alla performance commerciale del modello, che si caratterizza per la rapidità e completezza della trasmissione della eventuale crisi del debitore sul finanziatore[12].
Domanda ed energia come colli di bottiglia
Colli di bottiglia di domanda e di energia contribuiscono ad alimentare gli squilibri ricavi – investimenti. L’arretrato non evaso di Microsoft su Azure, pari a 80 miliardi di dollari, deriva principalmente dalla scarsa disponibilità di energia elettrica più che da una domanda debole: il consumo elettrico globale dei data center dovrebbe raddoppiare tra il 2022 e il 2026.
La competizione sui capitali dietro gli investimenti AI
La percezione di questi rischi è il principale motivo delle incertezze che caratterizzano l’attuale fase di raccolta dei fondi per sostenere gli investimenti AI. Il costo del finanziamento obbligazionario aumenta, a causa del crescente spread che caratterizza l’emissione di obbligazione da parte delle aziende AI. I due principali protagonisti sono Anthropic e OpenAI, sono quindi impegnate in una corsa verso la quotazione, per raccogliere capitale di rischio, meno oneroso del finanziamento obbligazionario. Nelle tavole abbiamo riportato gli annunci delle due aziende negli ultimi mesi: come si vede c’è molta incertezza sui tempi, nel tentativo di consolidare le aspettative del mercato. Ma la fase rampante è probabilmente alle nostre spalle e il fattore tempo potrebbe giocare contro i giocatori rialzisti.
“Alphabet, Microsoft, Amazon, Meta e Oracle (che collabora con OpenAI) potrebbero arrivare a spendere oltre 5.000 miliardi di dollari nei prossimi quattro anni. Si tratta di uno dei più ingenti investimenti di capitale mai effettuati da un settore industriale nella storia… Ma, mentre gli hyperscaler pianificano spese nell’ordine dei migliaia di miliardi, i ricavi complessivi generati dall’IA si attesteranno tra i 150 e i 200 miliardi di dollari quest’anno. Secondo Gary Gensler (già a capo della SEC durante l’amministrazione Biden e attualmente docente presso la Sloan School del MIT): la spesa non è accompagnata da ricavi proporzionati…La domanda, quindi, è: si tratta di un investimento che darà i suoi frutti in futuro?[13]”
Gli annunci di OpenAI e Anthropic sul mercato dei capitali
Di seguito riportiamo le fonti dalle quali risulta chiaro che la ridda degli annunci rappresenta un rincorsa tra OpenAI e Anthropic, dopo essersi sviluppata con velocità ed energia incredibile sul piano dei modelli e delle infrastrutture necessarie a sostenerli e gestirli si sta oggi sviluppando nel mercato dei capitali.
Il vantaggio del primo arrivato alla prova dei rendimenti
La rincorsa per essere colui che raccoglie i frutti della prima, gigantesca, ondata di investimenti, fa leva sull’idea che il primo vince tutto, oggi Anthropic. Invece, chi rinvia, ossia in questa fase OpenAI, scommette sul fatto che le valutazioni fino ad oggi sono talmente in crescita nel breve termine, da premiare l’attesa: negli ultimi 4 mesi la valutazione di Anthropic è raddoppiata, ma anche quella di OpenAI è cresciuta progressivamente.
La storia della distruzione creatrice non conferma l’ipotesi che il primo arrivato vince tutto: coloro che arrivano per primi, in particolare nell’economia di rete, pagano in generale un costo elevato, in termini di svalutazione dei loro investimenti, prima che il nuovo mercato “maturi” e sia in grado di offrire i rendimenti necessari a coprire gli ammortamenti e a garantire adeguati profitti ai finanziatori.
Note
[1] Omor Ibne Ehsan, Hyperscalers Hit $700 Billion in 2026 AI Spending Plans, Yahoo!finance, May 1, 2026. ↩
[2] Jordan Chalfin, Michael Pugh, Technology: Hyperscaler Capex 2026 Estimates, Credit Sights, 10 November 2025. ↩
[3] Mario Dal Co, Alessandro Longo, E se l’AI è solo una grande bolla? Ecco perché i conti non tornano, Agenda Digitale, 2025. ↩
[4] Trace Cohen, 5-8% See ROI on $186M — Enterprise AI Reality (2026), Value Add VC, July 19, 2026. ↩
[5] McKinsey, The state of AI in 2026: On the road to ROI, August 25, 2026 . ↩
[6] The Great AI ROI Reckoning: What Separates the 5% of Enterprises Achieving Transformational Returns from the 95% That Don’t, 1BusinessWord, March 14, 2026. ↩
[7] Stefano Epifani, intervistato su RaiNews24, 11/09/2026. ↩
[8] Ben Cohen, AI Is Powerful Enough to Crack Our Hardest Math Problems—and Kill Us All, The Wall Street Journal, September 11, 2026. ↩
[9] Joseph Aloise Schumpeter, Capitalism, Socialism and Democracy, Routledge, 1942. Capitolo VII. traduzione e adattamento del testo dello scrivente. ↩
[10] Bank for International Settlments, Progress and Peril, in: Annual Economic Report, June, 2026. ↩
[11] Hugh Son, Nvidia lines up $500 billion in financing as CEO Jensen Huang tells CNBC his chips are ‘investable asset’, CNBC, 10 Aug, 2026. ↩
[12] Il finanziamento circolare si riferisce a una struttura di investimento reciproca in cui gli hyperscaler acquistano quote nei laboratori AI in cambio degli impegni di acquisto di questi ultimi; il finanziamento ‘a condizioni di mercato’ indica flussi che non comportano tale finanziamento circolare. Fonti: Bloomberg; CNBC; LSEG Datastream; S&P Global Market Intelligence; The Wall Street Journal; BIS. ↩
[13] David Rotman, What’s at stake in AI’s trillion-dollar gamble.The AI hyperscalers will likely spend more than $1 trillion on data centers next year. Can they make enough money to sustain the infrastructure boom? MIT Technology Review, September 15, 2026. ↩
Partecipa alla community