L’IA costa sempre meno, ma l’infrastruttura diventa il nuovo collo di bottiglia

L’economia dell’intelligenza artificiale si sta dividendo in due. Da una parte, il costo per utilizzare l’IA scende rapidamente. Dall’altra, costruire l’infrastruttura necessaria per distribuirla resta difficile e costoso: servono chip avanzati, memoria ad alta ampiezza di banda, server, reti, elettricità e spazio nei data center.

Non è soltanto una questione di listini. Questa divergenza sta modificando la distribuzione dei margini, il modo in cui gli investitori dovrebbero valutare la spesa in IA e i punti in cui potrebbe accumularsi il rischio di credito. I probabili vincitori non saranno necessariamente le aziende che vendono più token, ma quelle che controllano infrastrutture scarse, canali di distribuzione, dati proprietari o software collegati a un risultato economico verificabile.

La guerra dei prezzi sposta il valore lontano dai token

Secondo alcune stime, il costo equivalente dell’inferenza — cioè l’elaborazione necessaria per ottenere una risposta da un modello — è diminuito di circa il 95% nell’arco di due anni. La percentuale esatta dipende dai modelli, dai carichi di lavoro e dal livello qualitativo confrontato. 39 La direzione, però, è chiara: capacità che un tempo giustificavano prezzi API elevati sono sempre più disponibili tramite modelli economici e alternative open weight.

I recenti ribassi di OpenAI mostrano la pressione sul settore. A luglio 2026 l’azienda ha ridotto dell’80% il prezzo del modello più piccolo GPT-5.6 Luna e del 20% quello del modello intermedio Terra. Ad agosto ha annunciato un’ulteriore riduzione superiore al 20% per il modello di frontiera GPT-5.6 Sol destinato agli sviluppatori. 3433

Per gli utenti è una buona notizia. Un’inferenza più economica rende più conveniente utilizzare agenti, automatizzare l’assistenza clienti, generare contenuti, scrivere codice ed elaborare grandi quantità di dati. Per i fornitori di modelli, però, ogni taglio riduce i ricavi per unità, a meno che l’aumento dei volumi non compensi la diminuzione dei prezzi.

La distinzione decisiva è quindi tra intelligenza più economica e sistemi di IA più economici. Il prezzo dei token può scendere, mentre il costo complessivo di un prodotto affidabile — recupero dei dati, monitoraggio, sicurezza, latenza, integrazione e supervisione umana — resta significativo.

La filiera fisica va nella direzione opposta

L’infrastruttura necessaria per gestire i carichi di lavoro dell’IA non cresce rapidamente quanto la domanda. Secondo Reuters, Samsung ha aumentato fino al 15% i prezzi di alcuni servizi avanzati di produzione conto terzi per i nuovi ordini, mentre la domanda di chip per l’IA stringe la capacità disponibile. 1

Samsung ha inoltre affermato che la carenza di chip potrebbe diventare più acuta e protrarsi fino al 2028. L’azienda sta cercando accordi pluriennali di fornitura con i principali clienti dei data center. 2 Nel comparto della memoria, il gruppo ha descritto un modello contrattuale che potrebbe coprire con accordi di lungo periodo circa il 60-70% della capacità, se le trattative in corso andranno a buon fine. 56

Questo cambia la natura del mercato. La capacità non è più semplicemente disponibile a chi offre il prezzo spot più alto: i grandi clienti prenotano la fornitura con anni di anticipo, proteggendo la propria disponibilità e lasciando le aziende più piccole maggiormente esposte a carenze e oscillazioni dei prezzi.

Anche le prospettive per la memoria sono tese. Kwak Noh-jung, amministratore delegato di SK Hynix, ha dichiarato che il settore potrebbe affrontare nel 2027 il suo anno peggiore dal punto di vista dell’offerta e che la domanda potrebbe restare superiore alla capacità produttiva anche oltre il 2030. Si tratta di una previsione aziendale, non di un esito certo, ma indica quanto potrebbe essere lenta la risposta dell’offerta. 17

Nvidia dimostra perché l’infrastruttura conserva potere sui prezzi

Gli ultimi risultati di Nvidia mostrano che il calo dei prezzi dei modelli non ha ancora indebolito la domanda per il livello hardware. Nel secondo trimestre fiscale 2027, la società ha registrato 96,2 miliardi di dollari di ricavi, in aumento del 106% su base annua. I ricavi dei data center sono arrivati a 89 miliardi, con una crescita del 117%. 4950

Qui emerge la tensione centrale del mercato. Modelli più efficienti possono ridurre la quantità di calcolo necessaria per una determinata attività, ma prezzi più bassi possono anche stimolare un forte aumento dell’utilizzo. Se la domanda cresce più rapidamente dell’efficienza, il consumo totale di infrastruttura può continuare ad aumentare anche quando il costo per singola inferenza diminuisce.

Il rischio è che i colli di bottiglia si spostino. Potrebbero essere disponibili gli acceleratori, ma non la memoria, il packaging avanzato, le reti, l’elettricità o i collegamenti alla rete. Nvidia ha riportato un margine lordo del 75% nel trimestre, ma altre analisi hanno evidenziato la possibilità che l’aumento del costo della memoria pesi sui margini futuri. 4953

La lezione non è che l’economia dell’infrastruttura si sia inceppata. È che una domanda molto forte non rende ogni anello della filiera ugualmente redditizio.

I grandi cloud provider possono assorbire la pressione, almeno per ora

I maggiori fornitori cloud sono meglio posizionati rispetto ai piccoli operatori per gestire il divario tra prezzi dei servizi in calo e infrastruttura in aumento. Possono distribuire gli investimenti tra cloud computing, pubblicità, software aziendale e piattaforme consumer. Possono inoltre integrare l’IA in contratti più ampi, usare la propria distribuzione per aumentare l’utilizzo e negoziare impegni pluriennali di fornitura.

I grandi hyperscaler possono quindi diventare gli ammortizzatori dello shock per l’intero settore. Potrebbero accettare margini più bassi sui servizi di IA per difendere i rapporti con i clienti cloud o conquistare quote di mercato. Il compromesso riguarda però l’efficienza del capitale: se i prezzi scendono più rapidamente dei volumi, il ritorno sugli enormi investimenti nei data center potrebbe richiedere più tempo.

Per i fornitori più piccoli il quadro è meno indulgente. Un’azienda che affitta capacità costosa e rivende l’accesso a modelli generici ha poche difese se i prezzi API diminuiscono più velocemente della sua base clienti. Per essere sostenibili, queste imprese dovranno distinguersi attraverso la gestione di flussi di lavoro, dati proprietari, sicurezza, affidabilità, distribuzione o prezzi legati a un risultato concreto anziché al numero di token utilizzati.

Modelli più economici non significano automaticamente produttività più rapida

Prezzi più bassi dovrebbero incoraggiare la sperimentazione e l’adozione, ma l’adozione non coincide con il valore economico realizzato. Prima di ottenere guadagni di produttività duraturi, le aziende devono riprogettare i processi, pulire i dati, integrare i sistemi, formare il personale e introdurre controlli adeguati.

Per gli investitori questo crea un rischio di tempistica. La spesa può accelerare prima che i ritorni siano misurabili, soprattutto quando le aziende acquistano capacità o software anche perché i concorrenti stanno facendo lo stesso. Se i guadagni di produttività arrivano più tardi del previsto, gli impegni infrastrutturali restano fissi mentre le stime sui ricavi dell’IA vengono riviste al ribasso.

Lo scenario positivo è quello di una forte espansione della domanda: un’inferenza molto più economica genera così tanto utilizzo aggiuntivo da sostenere la spesa complessiva in IA, i consumi cloud e la produttività. Quello negativo è una compressione di margini e utilizzo: i prezzi dei modelli crollano, i volumi crescono troppo lentamente e alcuni data center producono ritorni inferiori a quelli ipotizzati nei piani finanziari.

Il rischio di credito dipenderà dalla domanda già contrattualizzata

La corsa all’IA è diventata anche una questione per i mercati del credito. Data center, acquisizioni infrastrutturali e impegni per i componenti richiedono grandi quantità di capitale, spesso con scadenze lunghe. Il debito è più difendibile quando è sostenuto da clienti affidabili, contratti pluriennali e consumi prevedibili.

Diventa invece più vulnerabile quando il rimborso dipende da una domanda futura ancora speculativa. Prezzi dell’IA più bassi, crescita dell’utilizzo più lenta, costi energetici più elevati o carenze di componenti possono indebolire i flussi di cassa su cui si basa un progetto infrastrutturale.

Una tranche di debito subordinato più ampia o costi più elevati per assicurarsi contro il rischio di credito indicherebbero che i finanziatori chiedono un premio maggiore per il rischio di perdita. Nessuno dei due segnali dimostrerebbe che un evento di credito sia imminente. Renderebbe però ancora più importante la qualità dei contratti sottostanti e la solidità dei flussi di cassa del debitore, non soltanto la domanda complessiva di IA.

L’effetto sull’economia sarà misto

L’IA può avere un effetto disinflazionistico sui servizi digitali. Un’inferenza meno costosa può ridurre il prezzo di attività come programmazione, analisi, assistenza clienti, produzione di contenuti e alcune mansioni amministrative. I risparmi potrebbero arrivare alle imprese e ai consumatori se la concorrenza spingesse i fornitori a trasferirli sui prezzi finali.

La costruzione dell’infrastruttura può però produrre l’effetto opposto in mercati specifici. Memoria, chip avanzati, server, capacità edilizia, terreni, elettricità e connessioni alla rete possono diventare più costosi. Nel breve periodo potremmo quindi assistere a prezzi più bassi per il lavoro digitale supportato dall’IA e, contemporaneamente, a pressioni inflazionistiche sui beni strumentali e sugli input energetici necessari per produrlo.

È improbabile che si affermi un unico effetto di “inflazione” o “deflazione” dell’IA. Il risultato dipenderà dalla velocità con cui i guadagni di efficienza si diffonderanno rispetto ai colli di bottiglia e dalla scelta delle aziende di trasferire i risparmi ai clienti oppure trattenerli sotto forma di margini.

Le catene di fornitura diventano asset strategici

Le prenotazioni pluriennali di capacità aumentano anche il peso geopolitico dei semiconduttori. Samsung e SK Hynix hanno una maggiore leva nel settore della memoria, mentre la logica avanzata e il packaging restano concentrati in pochi fornitori e aree geografiche.

Quando la capacità viene prenotata con anni di anticipo, controlli alle esportazioni, sussidi e interruzioni regionali hanno conseguenze più ampie, perché l’offerta non può essere riallocata rapidamente.

I produttori cinesi di memoria potrebbero trovare opportunità nei segmenti meno soggetti a restrizioni, grazie alla crescita della domanda globale. Colmare il divario nella memoria HBM — la memoria ad alta ampiezza di banda utilizzata dagli acceleratori per l’IA — e negli altri componenti critici è però più complesso. Qualificazione dei clienti, standard di affidabilità, complessità tecnica, controlli all’esportazione e regole di approvvigionamento possono limitare la velocità con cui i fornitori alternativi conquistano quote di mercato.

Chi pagherà la differenza?

La domanda ancora senza risposta è chi assorbirà il divario tra un consumo dell’IA sempre più economico e una produzione sempre più costosa. Gli esiti possibili sono diversi:

• Gli hyperscaler possono assorbirlo attraverso margini più bassi, usando l’IA per difendere ecosistemi più ampi.
• I produttori di chip e memoria possono conservare il potere sui prezzi finché la capacità resta scarsa.
• Gli investitori possono sostenerne il costo attraverso ritorni inferiori sugli investimenti infrastrutturali.
• I finanziatori possono farlo con spread più ampi o perdite se i progetti risultano troppo indebitati.
• I clienti potrebbero pagare di più se i fornitori riuscissero a incorporare i costi dell’infrastruttura in prodotti di maggior valore, venduti sulla base del risultato ottenuto.

Nel breve periodo, l’esito più plausibile è una combinazione dei primi tre scenari. L’accesso all’IA continuerà a diventare più economico, ma l’infrastruttura necessaria per erogarla resterà costosa fino a quando l’offerta non riuscirà a tenere il passo — oppure finché la domanda non dimostrerà di non essere sufficiente a giustificare gli impegni già assunti.

L’implicazione strategica è semplice: il calo dei prezzi dei token non chiude la storia degli investimenti nell’IA. È piuttosto un test per capire dove si trovi il valore duraturo, ora che l’intelligenza diventa abbondante mentre macchine, memoria, energia e distribuzione restano scarse.