AnswersPublished20 sources
Token AI sempre più economici, calcolo sempre più costoso: la stretta sui margini
Il costo dell’inferenza AI per capacità comparabile è diminuito di circa il 95%, mentre semiconduttori, memoria e finanziamenti stanno diventando più costosi. Nvidia ha chiuso il secondo trimestre fiscale 2027 con 96,2 miliardi di dollari di ricavi, in crescita del 106%, ma prevede pressioni sui margini dovute sopra...
Pubblicato daModificato con GPT-5.6 LunaImmagini generate con GPT Image 1.5
Research answer
Key takeaways
- Il costo dell’inferenza AI per capacità comparabile è diminuito di circa il 95%, mentre semiconduttori, memoria e finanziamenti stanno diventando più costosi.
- Nvidia ha chiuso il secondo trimestre fiscale 2027 con 96,2 miliardi di dollari di ricavi, in crescita del 106%, ma prevede pressioni sui margini dovute soprattutto al costo della memoria.
- La proposta di finanziamento AI di Broadcom, ancora in fase di negoziazione, potrebbe superare i 60 miliardi di dollari di debito e mostra come il calo dei prezzi dei token possa trasformarsi in un rischio per il cred...
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is the AI market being squeezed as token prices fall roughly 95% since early 2024—illustrated by the free near-frontier Ox Alpha model a. Article summary: The AI economy is experiencing a margin-and-financing squeeze: model capability is becoming commoditized faster than the physical infrastructure needed to produce it. That favors scarce-hardware suppliers in the near ter. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Il mercato dell’intelligenza artificiale si sta muovendo in due direzioni opposte. Da un lato, usare modelli avanzati costa sempre meno: un modello gratuito chiamato Ox Alpha sarebbe comparso vicino alla frontiera delle prestazioni, mentre OpenAI ha tagliato dell’80% il prezzo di GPT-5.6 Luna e del 20% quello di Terra a luglio. 17
16 Secondo stime più ampie, il costo dell’inferenza — cioè l’elaborazione necessaria per generare le risposte — è diminuito di circa il 95% in due anni a parità di capacità.
22
Dall’altro lato, i sistemi fisici che producono quei token stanno diventando più costosi. Samsung ha aumentato fino al 15% i prezzi di alcuni servizi avanzati di produzione di chip e prevede che la carenza globale di memoria si aggravi e prosegua fino al 2028. 32
33
Il risultato è un’anomalia economica: i prezzi dell’output scendono, mentre i costi degli input più importanti restano inflazionistici.
La filiera dell’AI si divide in due
La distinzione decisiva è tra il livello dell’intelligenza, sempre più facilmente sostituibile, e il livello delle infrastrutture, ancora vincolato dalla scarsità dell’offerta.
L’accesso ai modelli generalisti sta diventando una commodity. Se un fornitore riduce i prezzi delle API, lancia un modello più piccolo o offre gratuitamente prestazioni competitive, gli altri operatori sono spinti a reagire. Con le modifiche di luglio, OpenAI ha portato il prezzo degli input di GPT-5.6 Luna da 1 dollaro a 0,20 dollari per milione di token e quello di Terra da 2,50 a 2 dollari. 16
Le infrastrutture seguono una logica diversa. Capacità produttiva avanzata, memoria ad alta larghezza di banda, reti, energia e sistemi completi per server AI non possono essere aumentati con la stessa rapidità con cui il software può essere scontato. Samsung ha riferito che i clienti stanno cercando accordi pluriennali di fornitura e che le carenze potrebbero diventare più acute fino al 2028. 33
Anche i piani — riportati da fonti di settore, ma non annunciati ufficialmente da Nvidia — per aumentare di oltre il 15% il prezzo di alcuni server basati sui suoi chip mostrano come i fornitori possano tentare di trasferire i costi lungo la filiera. 36
Per i fornitori di servizi AI, il problema commerciale è diretto: il ricavo per token può diminuire anche se l’utilizzo cresce, mentre capacità di calcolo, energia, hardware e finanziamenti potrebbero non diventare più economici.
Cosa raccontano i risultati di Nvidia
I risultati del secondo trimestre fiscale 2027 di Nvidia mostrano che la domanda di infrastrutture AI resta eccezionalmente forte. La società ha registrato 96,2 miliardi di dollari di ricavi trimestrali, in aumento del 106% su base annua, e un utile rettificato per azione diluita di 2,22 dollari. 60 Il management ha inoltre indicato una possibile crescita dei ricavi di circa il 70% nell’esercizio fiscale 2028.
51
Questi numeri non dimostrano però che l’intera economia dell’AI abbia risolto il problema della redditività. Dimostrano piuttosto che la domanda di acceleratori — sistemi specializzati per eseguire i carichi di lavoro AI — resta superiore all’offerta. Nvidia si trova in uno dei principali colli di bottiglia della filiera, dove i clienti continuano a competere per assicurarsi la capacità disponibile.
L’aumento del costo della memoria comincia tuttavia a incidere sulla qualità di questa crescita. Nvidia ha indicato margini lordi intorno al 74% per il trimestre successivo, in calo dal 75% registrato nel trimestre appena concluso; le comunicazioni sulle prospettive hanno collegato parte della pressione ai prezzi della memoria. 51
Non si tratta necessariamente di un deterioramento radicale dell’economia di Nvidia. L’indicazione è che i risultati futuri dipenderanno sempre più dalla capacità di aumentare i prezzi, integrare sistemi completi, valorizzare networking e software e gestire la catena di approvvigionamento — non soltanto dal vendere chip scarsi a margini elevati.
Broadcom trasforma la domanda di infrastrutture in un test per il credito
Broadcom rappresenta un altro lato della stessa stretta. Reuters e Bloomberg hanno riferito che la società era in trattativa per raccogliere oltre 60 miliardi di dollari di debito destinati a un accordo di finanziamento di chip AI a beneficio di Anthropic e di altri clienti. La struttura potrebbe includere circa 30 miliardi di debito subordinato, insieme a una tranche senior garantita, ma i termini erano ancora in discussione. 1
2
La precisazione è importante: si tratta di un finanziamento proposto, non di un debito già raccolto. Le cifre riportate devono quindi essere considerate come un intervallo oggetto di negoziazione, non come un’operazione definitiva.
La domanda economica è se i ricavi generati da quei chip saranno abbastanza duraturi da sostenere il servizio del debito. Un acceleratore può avere un grande valore tecnico e trasformarsi comunque in un investimento a leva poco redditizio se i prezzi dei modelli crollano, la clientela è troppo concentrata, il valore residuo delle apparecchiature diminuisce o il rifinanziamento diventa più costoso.
È qui che entrano in gioco i mercati del credito. Quando le infrastrutture vengono finanziate con quantità rilevanti di debito, la riduzione dei prezzi dei token non è più soltanto un problema di listino per le aziende software. Può influire sui flussi di cassa attesi alla base di leasing, veicoli societari dedicati, fornitori e finanziatori.
Gli hyperscaler hanno più vantaggi, ma non sono immuni
I grandi operatori cloud sono in una posizione migliore rispetto ai fornitori indipendenti di modelli. Possono integrare l’AI con servizi cloud già esistenti, software aziendale, pubblicità, dati e distribuzione commerciale. Possono anche sovvenzionare alcune funzionalità AI monetizzando il cliente attraverso altri prodotti.
Questo, però, non dimostra automaticamente che ogni investimento nell’AI genererà un rendimento interessante. Modelli più economici possono aumentare l’utilizzo riducendo al tempo stesso il ricavo per unità. Se la capacità diventasse eccessiva, l’AI potrebbe trasformarsi in una funzione a margine più basso del cloud, anziché in un nuovo bacino autonomo di profitti.
La metrica importante non è il numero di token elaborati, ma quanto i clienti sono disposti a pagare per la produttività, i ricavi aggiuntivi o i risparmi di costo ottenuti grazie a quei token.
Cosa significa per le aziende
Il calo dei prezzi dell’inferenza è davvero positivo per le imprese. Costi più bassi rendono più semplice sperimentare applicazioni AI, automatizzare processi circoscritti e utilizzare modelli più potenti per attività che in precedenza non superavano la soglia di convenienza economica.
Il limite è che il prezzo dei token rappresenta solo una parte del costo complessivo di adozione. Restano il lavoro di integrazione, la preparazione dei dati, la sicurezza, i controlli di governance, la valutazione dei risultati e la gestione del cambiamento organizzativo. Una fattura API più bassa non garantisce da sola un ritorno positivo sull’investimento.
Il mercato sta quindi arrivando a una domanda più esigente: quale risultato aziendale misurabile produce ogni unità di calcolo AI?
Le imprese capaci di collegare l’utilizzo dei modelli a ricavi concreti o a risparmi verificabili saranno meglio posizionate di quelle che accumulano capacità senza un caso d’uso chiaro.
Il messaggio per investitori e mercati del credito
Gli investitori dovrebbero separare l’esposizione agli input scarsi da quella all’accesso ai modelli, che tende invece a commoditizzarsi.
Nel primo gruppo rientrano memoria, produzione avanzata, networking, energia e sistemi integrati di accelerazione. Queste attività possono conservare potere contrattuale finché i clienti competono per la capacità disponibile. Gli aumenti di prezzo di Samsung e le sue previsioni sulla carenza sono segnali dell’attuale forza contrattuale dei fornitori. 32
33
Il livello dell’accesso ai modelli affronta una prova più difficile. Modelli gratuiti o fortemente scontati possono ampliare il mercato, ma rendono complicato difendere prezzi elevati per un’inferenza non differenziata. Un’economia sostenibile potrebbe dipendere piuttosto da distribuzione proprietaria, dati esclusivi, flussi di lavoro specializzati, domanda contrattualizzata o software capace di catturare valore oltre il semplice token.
Per chi investe nel credito, gli elementi da osservare sono i flussi di cassa contrattualizzati, la concentrazione della clientela, il valore residuo dell’hardware, la struttura del debito e le scadenze di rifinanziamento. La proposta Broadcom è un campanello d’allarme utile: mostra quanto rapidamente l’infrastruttura AI possa diventare una questione finanziaria e non soltanto tecnologica. 1
2
Il punto finale
Il boom dell’AI non segue una sola curva dei costi. L’intelligenza diventa più economica e abbondante, mentre la capacità fisica necessaria per produrla resta scarsa e costosa.
Questa frattura spiega come Nvidia possa registrare una crescita straordinaria e, allo stesso tempo, segnalare pressioni sui margini. Spiega anche perché una struttura di finanziamento da decine di miliardi di dollari per i chip possa attirare l’attenzione dei mercati del credito, nonostante la domanda di AI rimanga forte.
La prossima fase del mercato sarà decisa meno dalla capacità dei modelli in sé e più dalla possibilità per i clienti di trasformare l’intelligenza a basso costo in flussi di cassa duraturi, prima che la capacità di calcolo costosa e finanziata a debito debba essere rifinanziata.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Token AI sempre più economici, calcolo sempre più costoso: la stretta sui margini"?
Il costo dell’inferenza AI per capacità comparabile è diminuito di circa il 95%, mentre semiconduttori, memoria e finanziamenti stanno diventando più costosi.
What are the key points to validate first?
Il costo dell’inferenza AI per capacità comparabile è diminuito di circa il 95%, mentre semiconduttori, memoria e finanziamenti stanno diventando più costosi. Nvidia ha chiuso il secondo trimestre fiscale 2027 con 96,2 miliardi di dollari di ricavi, in crescita del 106%, ma prevede pressioni sui margini dovute soprattutto al costo della memoria.
What should I do next in practice?
La proposta di finanziamento AI di Broadcom, ancora in fase di negoziazione, potrebbe superare i 60 miliardi di dollari di debito e mostra come il calo dei prezzi dei token possa trasformarsi in un rischio per il cred...