La domanda da un trilione di dollari: quanto valore deve creare l'IA per finanziare la sua realizzazione?
La spesa per i data center di IA si avvicina a 1 trilione di dollari all'anno. Valutiamo ciò che dovrebbe essere vero perché la situazione ripaghi e mostriamo perché i rendimenti dipenderanno meno dal fatto che il valore arrivi e più da chi lo cattura.
Autori
Lo sviluppo dell'infrastruttura di IA è uno dei più grandi programmi di investimento privato della storia moderna. La spesa per data center di IA, che copre chip, reti, terreno, edifici e energia dietro servizi come ChatGPT, ammonta a circa 1 trilione di dollari nel 2026 secondo le nostre stime. Si tratta verso il limite superiore dei dati pubblicati e sta crescendo rapidamente. Nvidia, il più grande fornitore della costruzione, prevede una spesa annua di 3-4 trilioni di dollari entro il 2030.
Se tutto ciò ripagherà è diventato il dibattito fondamentale nei mercati, solitamente condotto per analogia: gli ottimisti citano l'elettrificazione e le ferrovie, gli scettici la bolla della fibra delle telecomunicazioni del 2000. Le analogie non possono chiarire la questione, perché la gente sceglie quella che si adatta alla propria conclusione.
C'è però una domanda più facile a cui si può rispondere: quanto valore dovrebbe creare l'IA affinché la spesa abbia senso? Questo può essere misurato con semplici calcoli e una manciata di assunzioni trasparenti. La risposta non ti dice se il ciclo ha successo. Ti dice quanto è alto il livello, da dove dovrebbe provenire il valore e cosa osservare mentre arrivano le prove.
Un dollaro di capex, una catena di ostacoli
La spesa in capitale per l'IA (capex) si colloca all'interno di una catena del valore con tre livelli. Il proprietario del data center, tipicamente un fornitore cloud hyperscale, ottiene ricavi infrastrutturali. Le aziende nel livello modello e software, come OpenAI e Anthropic, aggiungono un ricarico, mentre il cliente finale paga l'intero conto e deve estrarre abbastanza valore dall'IA per giustificarlo. Ogni livello ha un ostacolo di ritorno, e questi ostacoli si accumulano.
Tre assunzioni guidano l'aritmetica: il proprietario del data center mira a un ritorno sul capitale del 15% con un margine operativo del 30%, in linea con le aziende cloud mature; il modello e il livello software applicano 1,5 volte il costo dell'infrastruttura sottostante, conservativo rispetto ai prezzi attuali del modello chiuso, anche se un mix open weight in crescita potrebbe comprimerlo nel tempo. Il cliente richiede un ritorno del 15% sul costo totale di adozione, inclusa l'implementazione. Nessuna di queste è un fatto; sono dial, e le conclusioni sono ragionevolmente solide rispetto ad alternative sensate.
Lavorando attraverso la catena, ogni $1 di capitale annuale richiede circa 0,63$ di ricavi infrastrutturali annui, che diventa una fattura del cliente di circa $0,94 dopo il ricarico, che a sua volta deve generare circa $1,19 di valore annuo per il cliente. Quel $1,19 è una cifra lorda, misurata prima che il cliente paghi la fattura dell'IA e il costo di mettere all'opera l'IA.
La regola generale: ogni trilione di dollari di capitale annuale nei data center richiede circa 1,2 trilioni di valore annuo per il cliente
Lo stesso ostacolo può essere espresso nella vita dell'asset piuttosto che in un singolo anno. Supponiamo una vita mista dei data center di circa dieci anni: meno per i chip, molto più lunga per gli edifici e l'energia. Su questa base, e considerando la svalutazione lungo il percorso, ogni dollaro di capitale deve essere in definitiva compensato da circa 6 dollari di valore per il cliente. Questa è la vera prova: un dollaro speso oggi per infrastrutture di IA non è giustificato da un anno di domanda, ma dal fatto che supporti un uso di valore sufficiente nel corso della sua vita, prima che gli asset acquistati perdano la loro rilevanza economica.
Ogni dollaro di capex richiede 1,19 dollari di valore clienti all'anno
Da un anno di spesa all'intero progetto
Il framework scala linearmente, quindi l'ostacolo si accumula con il capex. Facciamo crescere la spesa del 30% all'anno rispetto al trilione di dollari del 2026, che si attesta a circa 2,9 trilioni entro il 2030, il limite inferiore della stima Nvidia, ma non è affatto garantito.
L'ostacolo si aggrava con il capex (presumendo una crescita del 30% annua)
Il grafico sopra chiede quanto deve guadagnare la nuova spesa di ogni anno. La domanda più importante è quanto tutto ciò che si costruisce nel 2026-2030 deve guadagnare, tutto in una volta: un capex cumulativo di circa 9 trilioni di dollari. Quindi, quando dovrebbe essere giudicato quel patrimonio? Non nel 2030, quando gli asset hanno in media circa due anni e i clienti sono ancora a metà del loro implementamento; pretendere un ritorno completo sarebbe come giudicare una fabbrica sul suo primo anno di produzione.
Il test equo avviene una volta che l'eredità è matura e rendibile, cosa che il ritardo che descriviamo di seguito indica intorno al 2033-34. A quel punto, l'ammortamento ha ridotto la base di capitale netto da quasi 7 trilioni di dollari alla fine del 2030 a circa 4,5 trilioni di dollari, e l'intero patrimonio deve generare circa 5,4 trilioni di valore per i clienti ogni anno.
Per contestualizzare questo numero: secondo le nostre stime rappresenta circa il 20% dell'attuale profitto operativo globale delle aziende e circa il 4,5% del PIL mondiale; rispetto all'economia più ampia dei primi anni '30, i rapporti si riducono. Esigente, ma non impossibile.
Da dove potrebbero provenire 5,4 trilioni di dollari all'anno?
Se il disegno di legge sull'IA venisse semplicemente scontatta dai profitti aziendali esistenti, il ciclo sarebbe un trasferimento, e qualcuno lo pagherebbe. Ma la torta aziendale non è fissa. Ci sono tre modi in cui il disegno di legge può essere coperto dall'IA stessa del valore: sostituzione dei costi (l'IA sostituisce i costi esistenti del lavoro e dei processi), accelerazione dei ricavi (le aziende crescono più velocemente di quanto farebbero altrimenti) e nuovi pool di valore che ancora non esistono.
Questi pool possono essere dimensionati. Le attività che l'IA può plausibilmente affrontare oggi, dallo sviluppo software e i servizi IT al supporto clienti e al lavoro di conoscenza back-office, lordi superando i 26 trilioni di dollari. Applicando quote di cattura plausibili il valore che l'IA potrebbe realisticamente estrarre è intorno a 2,2-3,7 trilioni di dollari all'anno, in linea con le stime pubblicate del potenziale dell'IA generativa. I pool che possiamo nominare oggi finanziano circa metà del requisito.
I fondi che possiamo nominare oggi finanziano circa metà del fabbisogno
Il resto deriva dall'accelerazione dei ricavi, che si aggiunge a questi pool, dall'aumento delle quote di acquisizione con il miglioramento delle capacità, e da categorie che ancora non esistono; i pool escludono anche completamente la spesa per l'IA dei consumatori, quindi la base potrebbe essere conservativa. Un utile test di stress è chiedersi cosa dovrebbe fornire ogni canale se coprisse da solo l'intero conto. In questo modo, i numeri suonano eroici: la sola sostituzione dei costi significherebbe sostituire un lavoro equivalente all'11-12% della forza lavoro globale della knowledge; l'accelerazione dei ricavi da sola significherebbe far crescere i ricavi aziendali globali di circa il 16% in un decennio.
Espressi in tassi, però, i numeri si riducono: l'intero fatturato chiuso si attesta a circa 1,5 punti percentuali di crescita globale dei ricavi aziendali, sostenuta fino alla metà degli anni '30, e metà di questo se la sostituzione copre metà del conto. La storia suggerisce anche che il terzo canale, i pool che nessuno sa ancora nominare, potrebbe essere il più grande. La costruzione della fibra alla fine degli anni '90 era giustificata su pagine web e email; ma la domanda che alla fine l'ha soddisfatta, smartphone, streaming e cloud, era in gran parte inimmaginabile nel 1999. Questo è un promemoria più che una previsione. Nessun singolo canale deve sostenere da solo il conto, e questa combinazione riporta ogni domanda all'interno di ciò che le rivoluzioni tecnologiche passate hanno effettivamente offerto. Quello che nessuno di loro ha consegnato, come torna la sezione finale, è minimamente simile alla velocità richiesta qui.
Le bollette ora sono pagabili; il valore arriva più tardi
Una caratteristica strutturale del ciclo merita più attenzione di quanta ne riceva: il lungo e inevitabile ritardo tra un dollaro di capex e un dollaro di valore cliente. Un data center impiega 18-24 mesi dal pionniere all'accensione. Una volta attivo, la capacità si riempie quasi immediatamente, e per lo più non con la domanda matura dell'azienda. La formazione modellistica e i servizi AI consumer assorbono capacità fin dal primo giorno, e la categoria in più rapida crescita è quella degli strumenti adottati direttamente da lavoratori e team: la codifica AI è già uno dei carichi di lavoro più grandi del sistema, sempre più in forma agente, dove l'IA pianifica ed esegue interi compiti. Il ritardo si applica alle implementazioni più profonde che devono infine sostenere il framework, dove l'IA è integrata nei processi aziendali: uno o due anni per implementare e cambiare i modi di lavorare, e ancora più a lungo perché i benefici arrivino ai bilanci. Sommati, un dollaro di capex speso nel 2025 potrebbe non apparire come valore per il cliente fino al 2028 o dopo.
Il ciclo sembrerà quindi ripetutamente ingiustificato prima di poterlo sembrare, anche in scenari che funzionano. Le bollette ora sono pagabili; il valore si materializza più tardi. Gli investitori che non interiorizzano questo leggeranno male i dati durante il percorso.
Il numero da tenere d'occhio
Tutto questo può essere ridotto a un unico test osservabile. Stiamo che oggi i clienti paghino circa 300 miliardi di dollari all'anno per servizi di IA su cloud AI, nel livello modello e nel software nativo dell'IA. Il framework richiede che questa fattura raggiunga circa 4,2 trilioni di dollari alla scadenza: una crescita di circa il 45% annuo, sostenuta per sette anni. La stima della fattura odierna è necessariamente imprecisa, perché la divulgazione è irregolare, ma la conclusione si muove a malapena in un intervallo sensato.
Abbiamo già scritto in passato su dove emergono i ricavi dell'IA all'interno dello stack tecnologico e su quali siano iI primi segni di ricompensa sembrano così; Il quadro qui misura ciò che quei ricavi devono diventare alla fine.
La crescita attuale supera l'asticella, anche se meno comodamente man mano che la base si allarga, e a differenza delle previsioni di capitale a lungo termine, ogni stagione di reporting arrivano nuove evidenze. Se la spesa per servizi di IA continua a crescere a circa il 45% all'anno o sopra, il conto sta raggiungendo la crescita; se la crescita dei servizi diminuisce mentre il capex continua a comporsi, il divario si allarga. La composizione conta tanto quanto il ritmo: i ricavi pagati dai rendimenti misurati dei clienti contano più dei ricavi finanziati dall'ecosistema che costruisce l'infrastruttura.
Quindi, la spesa è razionale?
Il quadro non risponde né sì né no. Ciò che dimostra è che l'asticella è alta, in crescita, eppure non priva di precedenti. La scala degli investimenti, il guadagno di produttività e la riallocazione del lavoro impliciti hanno tutti analoghi nell'elettrificazione, nelle ferrovie e nella rivoluzione informatica, ognuno dei quali ha rimodellato una quota comparabile dell'economia in un paio di decenni. L'unico elemento davvero ai margini del precedente è la velocità: l'aumento dei ricavi richiesti richiesti sarebbe tra i più rapidi e su larga scala mai registrati. Il controppunto è che la diffusione si è accelerata ad ogni generazione tecnologica, e l'IA è la prima ad arrivare su infrastrutture già esistenti: dispositivi, reti e abitudini sono stati costruiti nell'era di internet.
Tre condizioni devono essere mantenute. La crescita dei capitali deve alla fine moderarsi, così che l'ostacolo smetta di accumularsi; se una crescita del 30% si estendesse per altri cinque anni oltre il 2030, il requisito spingerebbe verso metà dell'attuale profitto operativo globale delle aziende. La capacità deve essere costruita e alimentata secondo i tempi previsti, poiché costruzione, energia e offerta di semiconduttori, non domanda, sono i vincoli oggi. E il valore per il cliente deve arrivare prima che il finanziamento costruito attorno agli asset debba essere trasferito.
Il che indica da dove arriverà davvero la risposta. Non sarà decisa con previsioni, né con analogie con ferrovie e fibra. Sarà risolta da una bolletta se i clienti continueranno a sceglierla di pagare, anno dopo anno, al ritmo richiesto dall'ampliamento. Per ora, lo sono.
Per gli investitori c'è una domanda più acuta sottostante, perché l'aggregato può compensarsi mentre i singoli settori si riducono. L'IA sgonfierà i ricavi in alcuni settori anche accelerando altri, e alcuni strati della catena guadagneranno molto più del loro ostacolo, mentre altri non lo raggiungeranno mai. Le stesse prove che tracciano il ciclo discriminano anche al suo interno: il quadro stabilisce cosa ogni livello deve offrire, così, man mano che le prove si accumulano, mostra quali aziende stanno superando i loro ostacoli e quali non riescono a superare.
È qui che questo framework si incontra con la filosofia del nostro team di individuare le lacune di crescita: aziende in cui le ipotesi del mercato sulla crescita futura risultano troppo basse. Se l'IA crea il valore deciderà se la costruzione è stata razionale. Chi la cattura deciderà i rendimenti.
Autori
Argomenti