La Scommessa da 1.400 Miliardi: Dentro il Boom dell'IA tra Proiezioni Record e Debiti Occulti

Perché Goldman crede che il consensus sia troppo basso

Il cuore dell'argomentazione di Goldman è che le attuali stime di Wall Street implicano un rallentamento della spesa difficilmente plausibile. Il consensus per il 2027 si attesta sui 920 miliardi di dollari, cifra che rappresenterebbe una brusca decelerazione rispetto ai ritmi forsennati del 2025 e del 2026 . Goldman sfida questa previsione modellizzando uno scenario in cui gli investimenti in IA continuano a pesare per il 2-3% del PIL, spingendo la spesa annua verso un valore di base di 1.100 miliardi e fino a 1.400 miliardi in un caso ottimistico .

Dietro al modello c'è una scommessa sull'IA agentica. A differenza dei semplici chatbot che rispondono a un prompt e si fermano, gli agenti IA operano in modo continuo, eseguendo compiti multi-step, interrogando API e ragionando attraverso lunghe catene di pensiero. Goldman prevede che questo comportamento "always-on" guiderà l'aumento di 24 volte del consumo di token entro il 2030 . Ogni interazione di un agente consuma molta più potenza di calcolo e, con le imprese che iniziano a distribuire agenti su larga scala, la traiettoria della domanda non assomiglia affatto alle curve di crescita lineari su cui si basano i modelli di consensus.

I veri colli di bottiglia: energia, lavoro e vincoli fisici

Goldman Sachs è sorprendentemente schietta su dove risiedano i veri limiti. Nel suo rapporto sull'alimentazione dell'era dell'IA, la banca lo afferma senza mezzi termini: "la mancanza di capitale non è il collo di bottiglia più urgente, ma l'energia necessaria per alimentarlo" . Dopo un decennio di domanda di elettricità piatta, il consumo energetico globale dei data center è destinato a crescere del 160% entro il 2030 . Solo gli Stati Uniti si troveranno ad affrontare un deficit di potenza stimato di 45 gigawatt per i data center entro il 2028, che richiederà 72 gigawatt di nuova capacità fino al 2030 – l'equivalente di circa 72 grandi centrali nucleari .

La rete elettrica non è stata progettata per questo futuro. Le tempistiche per la trasmissione e le autorizzazioni per le nuove centrali a gas naturale si allungano fino a cinque o sette anni. L'eolico e il solare forniscono un approvvigionamento solo intermittente, e il nucleare è una soluzione a più lungo termine . Le nuove turbine a gas a combustione, i cavalli da tiro della generazione affidabile, sono di fatto esaurite fino al 2030 .

Ma è la manodopera a rappresentare forse il vincolo più difficile da superare. Goldman stima che per costruire l'infrastruttura fisica richiesta dall'IA siano necessari circa 760.000 elettricisti, operai e tecnici specializzati aggiuntivi, inclusi 207.000 ruoli specializzati che richiedono tre o quattro anni di formazione . Non sono lavori che la Silicon Valley può automatizzare o delocalizzare: richiedono presenza fisica sul campo e la loro carenza fa sì che le tempistiche dei progetti si allunghino a ogni nuovo gigawatt di domanda .

Il documento "Tracking Trillions" della banca introduce il concetto di "rischio di elongazione" (allungamento dei tempi): le code per l'interconnessione alla rete elettrica, i ritardi autorizzativi e la carenza di apparecchiature critiche come trasformatori e quadri elettrici possono estendere le tempistiche di realizzazione ben oltre i piani iniziali. Negli scenari di stress, questi ritardi si riflettono sui dubbi dal lato della domanda, creando un ciclo vizioso in cui i progetti si allungano e il business case per costruirne di nuovi si indebolisce . Ciononostante, la stima di base di Goldman prevede una spesa cumulativa in IA di circa 7.600 miliardi di dollari tra il 2026 e il 2031 .

Il confronto con le stime di Morgan Stanley

Anche le proiezioni di Morgan Stanley hanno subito una loro drammatica revisione al rialzo. Un anno fa, la banca stimava un Capex combinato degli hyperscaler a circa 450 miliardi di dollari sia per il 2026 che per il 2027. Dopo i rapporti sugli utili del primo trimestre 2026, gli analisti guidati da Brian Nowak hanno portato quelle cifre a circa 800 miliardi per il 2026 e a 1.200 miliardi per il 2027 .

Morgan Stanley prevede ora 1.160 miliardi di dollari di Capex per gli hyperscaler nel 2027, una cifra che supera la previsione di base di Goldman di circa 1.100 miliardi, ma rimane inferiore al limite massimo di 1.400 miliardi ipotizzato da quest'ultima . Fino al 2028, Morgan Stanley si aspetta 2.900 miliardi di dollari di spese in conto capitale globali per i data center, con 1.400 miliardi finanziati dai flussi di cassa degli hyperscaler e un gap finanziario di 1.500 miliardi che deve essere colmato da debiti, leasing e joint venture .

Entrambe le banche concordano sul fatto che i rapporti Capex/Fatturato siano entrati in un territorio inesplorato. Morgan Stanley prevede rapporti dal 34% al 39% tra il 2026 e il 2028, che superano il picco di circa il 32% registrato durante l'era delle dot-com. Se si includono i dati rettificati per i leasing, i rapporti potrebbero salire fino al 44%-45% .

Il libro mastro ombra: leasing fuori bilancio e debito SPV

Sotto la superficie dei grandi numeri della spesa si cela uno strato più preoccupante di ingegneria finanziaria. L'agenzia di rating Moody's ha stimato che i cinque più grandi hyperscaler statunitensi – Amazon, Meta, Alphabet, Microsoft e Oracle – detengono 662 miliardi di dollari in impegni di locazione futuri per data center che non sono ancora iniziati . Secondo i Principi Contabili Generalmente Accettati (GAAP) statunitensi, questi obblighi non compaiono come passività correnti perché i servizi non sono ancora stati erogati. Rimangono fuori bilancio, visibili principalmente nelle note a piè di pagina .

Sommando tutti gli impegni di locazione futuri non attualizzati, la cifra raggiunge una stima di 969 miliardi di dollari – pari a circa il 113% del debito complessivo rettificato di queste cinque società . Man mano che questi contratti diventeranno operativi nei prossimi anni, inizieranno a transitare per i conti economici come spese operative, con il rischio di comprimere il flusso di cassa libero e di limitare la capacità di effettuare quei riacquisti di azioni proprie su cui gli investitori hanno fatto affidamento per anni .

Una preoccupazione parallela è il crescente utilizzo di Special Purpose Vehicles (SPV) per finanziare l'infrastruttura IA. I giganti della tecnologia hanno strutturato più di 120 miliardi di dollari di debito per data center attraverso questi veicoli "a prova di fallimento" che risiedono al di fuori dei bilanci consolidati . Morgan Stanley prevede che questo meccanismo di finanziamento fuori bilancio potrebbe raggiungere gli 800 miliardi di dollari entro il 2028 . Questi veicoli operano tipicamente con sottili cuscinetti di capitale proprio (8-10%), fanno affidamento su garanzie reali come le GPU che si deprezzano rapidamente e prevedono termini di locazione brevi, anche di soli quattro anni, contro i tradizionali dieci o più .

Il campanello d'allarme Oracle e l'allargamento degli spread creditizi

Oracle è diventata un caso di studio su quanto velocemente le ipotesi di finanziamento dell'IA possano sgretolarsi. Alla fine del 2025, la società ha interrotto la partnership con Blue Owl Capital per il finanziamento di un data center nel Michigan, esponendo la fragilità del modello fuori bilancio. Oracle ha un debito di 124 miliardi di dollari e impegni di locazione per 248 miliardi, e la reazione del mercato è stata fulminea: il credito è stato riprezzato "con una velocità brutale", anche per un emittente con rating investment grade .

La Banca dei Regolamenti Internazionali (BRI) ha osservato che gli spread dei credit default swap (CDS) per gli hyperscaler con rating più bassi sono già aumentati, riflettendo sia l'enorme volume di offerta di debito, sia la crescente incertezza sul fatto che i progetti di IA genereranno rendimenti adeguati . Il Financial Stability Oversight Council (FSOC) e la Banca d'Inghilterra hanno esplicitamente segnalato l'accumulo di debiti per infrastrutture IA fuori bilancio come una potenziale vulnerabilità sistemica .

Il rischio di concentrazione aggrava il problema. Gran parte del debito basato su SPV è legato a singoli asset o data center con un unico locatario. Se l'inquilino fallisce o la domanda si indebolisce, la struttura della SPV offre un ricorso limitato al bilancio della società madre, creando il potenziale per perdite a catena . Anche PIMCO ha segnalato la natura circolare del finanziamento dell'IA, in cui i fornitori (come i produttori di GPU) estendono credito o assumono partecipazioni nelle stesse SPV che riforniscono, esponendosi al rischio di rifinanziamento in caso di restrizione dei mercati dei capitali .

Un boom con due narrative opposte

La costruzione dell'infrastruttura IA non ha precedenti per scala e velocità. I cinque più grandi hyperscaler sono sulla buona strada per spendere complessivamente 755 miliardi di dollari solo nel 2026, con un aumento dell'83% rispetto all'anno precedente . Morgan Stanley osserva che la cifra di 800 miliardi per il 2026 eguaglia all'incirca quanto l'intero gruppo non-tech dell'S&P 500 ha speso in Capex l'anno precedente .

Eppure, le strutture finanziarie che lo rendono possibile stanno generando rischi propri. La narrazione rialzista si basa su un aumento di 24 volte della domanda di token da parte di agenti IA che non sono ancora stati implementati su larga scala. L'argomentazione ribassista, articolata all'interno della stessa Goldman Sachs, è che i rendimenti fino ad oggi non giustificano l'investimento . Tra questi due poli si trovano le realtà fisiche: una rete elettrica che non riesce a tenere il passo, una forza lavoro qualificata che non esiste in numero sufficiente e un libro mastro ombra di quasi mille miliardi di dollari in obbligazioni che presto dovranno essere onorate, con conseguenze che si estendono ben oltre il settore tecnologico.