Jensen Huang, CEO di Nvidia, prevede tra 3 e 4 trilioni di dollari di investimenti entro la fine del decennio per l’infrastruttura computazionale dell’AI. Una scala che dice già tutto, perché la domanda di calcolo sta mettendo sotto pressione reti elettriche, supply chain e capacità costruttiva come mai nella storia dell’IT.
Il modello operativo attuale ha preso forma nel 2019, quando Microsoft investì 1 miliardo di dollari in OpenAI e ne diventò fornitore cloud esclusivo. Quell’intesa, poi salita a quasi 14 miliardi, dimostra che unire capitali, GPU e capacity cloud in un unico pacchetto accelera sia la ricerca sia la messa in produzione. Il settore si muove a ruota. Amazon decide di impegnare 8 miliardi in Anthropic e Google Cloud sigla accordi con realtà emergenti come Lovable e Windsurf. Più avanti, OpenAI riceve da Nvidia un investimento da 100 miliardi erogato sotto forma di GPU invece che contanti, segnale esplicito che l’hardware di calcolo è al tempo stesso moneta scarsa, leva negoziale e meccanismo di finanziamento.
Il colpo di scena arriva da Oracle, passata da outsider a protagonista dell’AI compute. A giugno 2025 annuncia un contratto da 30 miliardi con OpenAI, poi a settembre raddoppia con un accordo quinquennale da 300 miliardi in avvio nel 2027. Cifre che implicano prenotazioni massicce di capacità futura — GPU, rete, raffreddamento, potenza elettrica — e una forte fiducia nella crescita della domanda. Effetto collaterale inusuale di mercato, per un breve periodo Larry Ellison diventa l’uomo più ricco del mondo.
Anche chi parte da infrastrutture già ampie deve rilanciare. Meta mette in conto fino a 600 miliardi di dollari di spesa negli Stati Uniti entro il 2028. Tra i cantieri spicca Hyperion in Louisiana, 2.250 acri e 10 miliardi di dollari, con alimentazione agganciata a una centrale nucleare locale. In Texas avanza inoltre Stargate, iniziativa annunciata dal presidente Trump con l’impegno di 500 miliardi per otto data center. Una scala capace di spostare equilibri regionali su energia, logistica e lavoro qualificato.
Il nodo sta nella sostenibilità economica dell’intero meccanismo. Gli accordi circolari in cui Nvidia fornisce GPU in cambio di equity o di impegni pluriennali reggono finché la penuria di hardware sostiene prezzi e multipli. Se la crescita rallenta, l’insieme di valutazioni gonfiate, clausole take-or-pay sulla capacità e rapido deprezzamento tecnologico può trasformare asset strategici in capitale immobilizzato a basso rendimento. La redditività, in pratica, si gioca su pochi elementi misurabili. Tassi di utilizzo reali dei cluster, rapporto costo/prestazione per token addestrato o inferito, quota di workload spostabile dal training a un’inferenza ottimizzata e capacità di ribaltare i costi sul cliente finale in mercati non comoditizzati.
I vincoli fisici ed ESG pesano allo stesso modo. Connessioni alla rete e nuova potenza disponibile richiedono anni, non trimestri. L’acqua per il raffreddamento, le emissioni e le autorizzazioni ambientali stanno diventando colli di bottiglia regolatori. Il caso dell’impianto di xAI in Tennessee, che secondo varie segnalazioni potrebbe violare il Clean Air Act, mostra che il rischio non è solo finanziario. L’ancoraggio al nucleare promette stabilità di carico e basse emissioni, ma espone a cicli autorizzativi lunghi e a dipendenze territoriali. Nel frattempo la competizione su terreni idonei, trasformatori, chiller e manodopera specializzata gonfia costi e tempi.
Per chi decide gli investimenti, la lezione è facile da capire ma difficile da mettere a terra. L’AI non è solo una gara a comprare GPU, è anche una gara a garantire energia affidabile e a basso costo, piani di capacity flessibili e catene di fornitura resilienti. Gli impegni pluriennali vanno pesati contro scenari di domanda meno euforici e contro l’evoluzione dell’efficienza. Distillazione dei modelli, quantizzazione, serving specializzato e silicon custom possono ridurre il fabbisogno di calcolo proprio mentre le tranche di capex più ambiziose entrano a bilancio. La diversificazione tecnologica non riguarda solo il multicloud, ma anche l’eterogeneità dell’hardware e dei canali di approvvigionamento dell’energia. È qui che si decide la differenza tra un’infrastruttura che crea margine e una che resta un costo fisso ingombrante.
Resta aperto il dilemma che aleggia su tutta la corsa all’AI. I ritorni attesi giustificheranno la scala di capitale e di potenza impegnata oppure siamo di fronte a una bolla alimentata da scarsità percepita e finanza creativa? La risposta conterà meno negli annunci e di più nella disciplina con cui il settore saprà trasformare potenza di calcolo in prodotti con unit economics sostenibili.
Per approfondire: link all’articolo originale
