Da motore della Quarta rivoluzione industriale a potenziale bolla finanziaria: l’Ia accumula investimenti per trilioni di dollari, sostenendo circa il 40% della crescita economica statunitense e influenzando l’80% dei listini azionari. Eppure genera pochi profitti concreti ed espone Wall Street a un rischio sistemico e il Paese al sorpasso tecnologico cinese, con segnali che ricordano il crac del 2008. In questa prima parte dell’inchiesta dedicata all’Ia, Giacomo Gabellini si concentra sui problemi interni degli Stati Uniti.
Ascolta l’articolo, narrato da Elisabetta Burba:
Bolla finanziaria L’intelligenza artificiale sostiene il 40% della crescita Usa e l’80% dei listini azionari, ma genera profitti minimi, alimentando una potenziale bolla che potrebbe somigliare al crac del 2008.
Concentrazione e debiti Sette colossi tech hanno superato il Pil dell’Ue. Il settore si regge su prestiti privati poco flessibili e modelli di buyback che drenano risorse a investimenti produttivi.
Circolarità dei capitali Un complesso reticolato di investimenti incrociati tra Nvidia, Microsoft e OpenAI genera domanda artificiale e gonfia le quotazioni in un ecosistema isolato dal mercato reale.
Costi e infrastrutture Entro il 2030, i data center richiederanno investimenti per 5,2 trilioni di dollari e il doppio dell’energia attuale, creando colli di bottiglia critici per lo sviluppo dell’Ia.
Assenza di profitti Nonostante i trilioni investiti, il 95% dei progetti aziendali di Ia generativa non produce utili, esponendo banche e shadow banking a rischi sistemici di deterioramento.
Da quando, nel novembre 2022, la start-up statunitense OpenAI ha lanciato sul mercato ChatGpt, un chatbot in grado di generare testi di altissima qualità quanto a realismo e coerenza, l’intelligenza artificiale si è definitivamente imposta nell’immaginario collettivo come il motore di una Quarta rivoluzione industriale destinata a produrre un impatto trasformativo dirompente su praticamente tutti i settori dell’economia.
I modelli AlphaFold sviluppati negli anni successivi da Google DeepMind, ad esempio, hanno impresso una svolta decisiva in materia di previsione dello sviluppo della struttura tridimensionale delle proteine a partire dalle loro sequenze di amminoacidi, ponendo le basi per progressi sostanziali nella diagnosi e nella messa a punto di farmaci. I modelli di intelligenza artificiale sorretti da architetture di reti neurali (come ChatGpt), invece, tendono a essere incorporati nelle strategie economiche e perfino di sicurezza nazionale.
È il caso di Stargate, un progetto elaborato dall’amministrazione Trump che si propone di realizzare data center per una capacità complessiva di 10 gigawatt e attirare centinaia di miliardi di dollari di investimenti integrando Oracle, OpenAI, Microsoft e Softbank. Come spiega il comunicato stampa diffuso da SoftBank, Stargate punta a «costruire una nuova infrastruttura di intelligenza artificiale negli Stati Uniti […] che garantirà la leadership americana nell’intelligenza artificiale, creerà centinaia di migliaia di posti di lavoro in America e genererà enormi benefici economici per il mondo intero. Questo progetto non solo sosterrà la reindustrializzazione degli Stati Uniti, ma fornirà anche una capacità strategica per proteggere la sicurezza nazionale dell’America e dei suoi alleati».
L’allineamento, per tramite del Progetto Stargate, degli interessi riconducibili ai colossi dell’hi-techpartecipati dalla «triade» BlackRock – Vanguard – State Street, alle società operanti nel settore dell’intelligenza artificiale e al governo statunitense è andato a combinarsi con le enormi aspettative suscitate dalla diffusione di ChatGpt, alimentando un afflusso di capitali senza precedenti.
Lo si evince dai valori fantasmagorici raggiunti dalle sette principali società hi-tech statunitensi (Nvidia, Microsoft, Apple, Alphabet, Amazon, Meta e Tesla), la cui capitalizzazione di mercato aggregata ha superato lo scorso 2 ottobre il Pil dell’intera Unione europea. Si tratta del livello di concentrazione più alto registrato dalla fine degli anni Sessanta e di gran lunga superiore alle medie storiche. La sola Nvidia è arrivata a sfondare la soglia dei 5.000 miliardi di dollari, con un rapporto prezzi/utili costantemente oscillante tra 50 e 60. Palantir è giunta a sfiorare i 430 miliardi di capitalizzazione, ma a fronte di un rapporto prezzi/utili compreso tra 300 e 400.
L’intelligenza artificiale si è così trasformata nell’attuale driver di crescita degli Stati Uniti, con un contributo dell’ordine del 40% all’espansione economica del Paese e dell’80% all’aumento dei listini azionari. JpMorgan Chase ha sviluppato un indice apposito (AI stock) che riunisce 30 società dello Standard & Poor’s 500 influenzate in una qualche misura dall’intelligenza artificiale, operanti in una vasta gamma di settori (alta tecnologia, immobiliare, public utility, fornitori di materie prime e di beni di consumo discrezionali, ecc.). Tra il dicembre 2022 e l’ottobre 2025, la quota dello Standard & Poor’s 500 coperta dall’indice AI stock è passata dal 26 al 44%.
L’intelligenza artificiale rappresenta quindi il pilastro dell’attuale ciclo finanziario che sorregge le quotazioni dell’universo hi-tech e la capitalizzazione complessiva del Nasdaq, ma anche la componente preponderante del credito alle imprese. Lo sviluppo dell’infrastruttura necessaria per addestrare e alimentare i modelli di intelligenza artificiale più avanzati è stato in larga parte finanziato da società hi-tech, tra cui colossi del calibro di Google e Meta, con debito societario garantito dai vigorosi flussi di cassa legati ai business esistenti.
Intelligenza artificiale e debito
Le fasi successive del processo tendono invece ad assorbire liquidità proveniente da investitori obbligazionari e istituti di credito privati, perché i grandi gestori di data center (Google, Microsoft, Meta, Oracle, ecc.) hanno cominciato a destinare i flussi di cassa ad operazioni di buyback, che allontanano il rischio di scalate ostili, gonfiano il valore delle azioni e permettono di staccare lauti dividendi. Ad agosto 2025, Apple aveva annunciato piani di buyback per 100 miliardi di dollari; Google, per 70 miliardi; Nvidia, per 60 miliardi.
Il ricorso crescente ai buyback rappresenta un segnale inquietante, perché denota riluttanza a investire nella formazione di nuovo capitale. Si tratta in tutta evidenza di un modello gestionale rispondente a una logica di breve o brevissimo termine, orientato a garantire a dirigenza e azionariato il massimo dei profitti nel minor tempo possibile. Anche a costo di far scivolare le imprese sul piano inclinato dell’indebitamento, con conseguente deviazione di quote crescenti degli utili verso il pagamento degli interessi che conduce inesorabilmente alla decapitalizzazione e, a ricasco, alla contrazione della disponibilità di risorse da impiegare in nuovi investimenti produttivi.
Il crescente ricorso al credito privato ha posto le aziende hi-tech nelle condizioni di approvvigionarsi di liquidità presso istituti finanziari ampiamente deregolamentati come società di private equity e gestori patrimoniali, sotto forma di prestiti assai scarsamente flessibili e quindi difficili da rinegoziare nei periodi turbolenti. Ubs stima che l’ammontare dei prestiti privati correlati all’intelligenza artificiale potrebbe essere raddoppiato nel corso del 2024. Morgan Stanley, invece, sostiene che i mercati del credito privato potrebbero fornire oltre la metà dei 1,5 trilioni di dollari necessari per la realizzazione dei data center previsti entro il 2028. McKinsey stima che i data center attrezzati per gestire i crescenti carichi di elaborazione dell’intelligenza artificiale richiederanno spese in conto capitale pari a 5,2 trilioni di dollari entro il 2030.
Costi delle infrastrutture
Un’altra voce di spesa al momento non quantificabile – ma senza dubbio colossale – riguarda la realizzazione delle infrastrutture energetiche necessarie per le reti di data center di intelligenza artificiale ad alto consumo. Goldman Sachs sostiene che almeno il 60% della crescita della domanda di energia dei data center fino al 2030 dovrà essere soddisfatta con nuova capacità. Entro quella data, prevede l’International Energy Administration, i data center richiederanno un volume di energia doppio rispetto ad oggi. Si parla di circa 945 terawattora, pari al consumo totale di elettricità del Giappone odierno, mentre JpMorgan Chase quantifica in 20-40 tonnellate di rame il fabbisogno per la produzione di ogni singolo megawatt di capacità energetica dei data center basati sull’intelligenza artificiale.
L’emissione legata all’intelligenza artificiale è approdata anche nel mercato del debito ad alto rischio ed alto rendimento, sotto forma di titoli garantiti da ipoteche e high yield bond con rating BBB o inferiori. Nell’ottobre 2025, TeraWulf, società di mining di bitcoin affermatasi come gestore di data center, ha emesso un’obbligazione ad alto rendimento da 3,2 miliardi di dollari con rating BB- affibbiato da Standard & Poor’s. Nel maggio precedente, CoreWeave, soggetto più strutturato gravitante nell’orbita di Nvidia, aveva emesso obbligazioni ad alto rendimento per 2 miliardi di dollari.
Molti nuovi hub informatici vengono finanziati tramite Commercial Mortgage-Backed Security (Cmbs), titoli garantiti da ipoteche commerciali legati ai flussi di cassa generati dai complessi stessi. Nell’agosto 2025, stima JpMorgan Chase, la quantità di Cmbs garantiti da infrastrutture di intelligenza artificiale aveva già superato del 30%, raggiungendo quota 15,6 miliardi di dollari, il totale realizzato nell’intero 2024. Secondo Morgan Stanley, un contributo parimenti rilevante alla crescita dell’intelligenza artificiale verrà dagli Asset-Backed Security (Abs), strumenti derivati che riuniscono in titoli negoziabili attività illiquide come prestiti studenteschi, debiti da carte di credito o, nel contesto dell’intelligenza artificiale, gli affitti dei data center.
In diversi casi, i debiti delle società operanti nel settore dell’intelligenza artificiale hanno assunto forme particolari. Meta ha concordato un finanziamento di 27 miliardi di dollari con Blue Owl Capital per il suo più grande progetto di data center, avvalendosi di una struttura complessa che tiene il debito fuori dai libri contabili. La sola Oracle, stima Morgan Stanley, registrerà un incremento del debito netto dagli attuali 100 a circa 290 miliardi entro l’anno fiscale 2028.
Per OpenAI, la situazione è ancora più complessa. Nell’arco di pochi mesi, l’azienda ha assunto impegni di spesa per oltre 1.400 miliardi di dollari in appena otto anni e, stando ai documenti interni ottenuti dal Wall Street Journal, pianifica di rimanere in perdita per almeno un quinquennio, giungendo a perdere 74 miliardi nel 2028. Fino al 2030, quando dovrebbe essere realizzato il primo utile di circa 200 miliardi di ricavi, la sopravvivenza della start-up rimarrà subordinata alla sua capacità di attrarre capitali. Di qui la definizione di un ruolino di marcia che dovrebbe portare alla quotazione in Borsa di OpenAI nel 2027. Reuters ha parlato di «un’offerta pubblica iniziale che potrebbe valutare l’azienda fino a 1.000 miliardi di dollari […]: una delle più grandi di sempre». Google debuttò nel 2004 a 23 miliardi; Nvidia, nel 2009 a 1,5 miliardi.
Concentrazione di capitali
Un aspetto altamente problematico che caratterizza l’universo dell’intelligenza artificiale è caratterizzato dall’elevatissimo grado di interconnessione tra i vari soggetti operanti nel settore. Un complesso reticolato di investimenti incrociati che lega gran parte delle imprese hi-tech e delle start-up statunitensi, da Microsoft a OpenAI, da Oracle a Palantir, da Amazon ad Amd, da Space-X a CoreWawe, da Anthropic a Tesla, da Meta a Anduril, da Apple a Mgx.
presidente del Consiglio di amministrazione di Palantir Technologies. Foto Steve Jennings/TechCrunch. Wikimedia Commons. Licenza CC BY 2.0.
La notorietà acquisita da OpenAI grazie a ChatGpt ha trasformato l’azienda nel centro di gravità per fornitori di servizi cloud, produttori di chip, sviluppatori di applicazioni, aziende specializzate in sistemi di networking, immagazzinamento, raffreddamento e gestione di data center. OpenAI acquista chip da Nvidia, che è uno dei suoi principali azionisti assieme a Microsoft, e formalizza un contratto quinquennale da 300 miliardi di dollari con Oracle per l’acquisizione di nuova potenza di calcolo. Quei 300 miliardi rappresentano qualcosa come il 66% dei 455 miliardi di dollari delle Remaining Performance Obligation (Rpo, i contratti futuri) complessive a disposizione di Oracle.
Non avendo mai realizzato profitti dalla sua nascita, OpenAI non dispone dei 300 miliardi previsti dall’accordo ed è chiamata a raccoglierli sul mercato. Una quota sostanziosa la fornisce Nvidia, che investe 100 miliardi di dollari in OpenAI così da innescare l’agognato «effetto traino». Oracle, dal canto suo, ordina circa 40 miliardi di dollari di chip d’alta gamma da Nvidia per alimentare il nuovo data center di OpenAi in Texas. La liquidità passa da Nvidia a OpenAI, da OpenAI a Oracle e da Oracle a Nvidia per poi tornare da Nvidia a OpenAI. Secondo alcune analisi, Nvidia riceve ordini di chip per 35 miliardi di dollari (27% dei ricavi annui) da OpenAi ogni 10 miliardi che investe nella società di Sam Altman.
Allo stesso tempo, Nvidia acquisisce quote di CoreWave, suo cliente di punta che fornisce infrastrutture a OpenAi, la quale detiene a sua volta partecipazioni azionarie in CoreWawe. Microsoft, dal canto suo, è al contempo azionista di OpenAI, sua fornitrice di cloud e cliente di ChatGpt, a cui è legata da un meccanismo di condivisione dei ricavi. Intese incrociate sostanzialmente analoghe a quelle incardinate su OpenAi si riscontrano anche rispetto ad altre start-up del settore come Perplexity, Mistral, Databricks e Anthropic.
Morgan Stanley ha richiamato l’attenzione sulle crescenti difficoltà accusate dagli investitori nel districarsi all’interno di questa ragnatela di accordi in una nota finalizzata a «mappare la circolarità dell’intelligenza artificiale». Un ecosistema di vasi comunicanti isolato dal mondo circostante, al cui interno i confini tra fornitori, clienti, investitori e creditori sfumano per effetto dei continui travasi di liquidità da un’azienda all’altra generando domanda artificiosa, gonfiando quotazioni e alimentando aspettative sempre maggiori.
Esattamente come accadde rispetto alla bolla della New Economy, sostiene un allarmato rapporto della Bank of England in cui si evidenzia l’eccessiva concentrazione del capitale in un nucleo particolarmente ristretto di aziende, con rapporti prezzi/utili estremamente elevati – una media a 12 mesi pari a 31 per le imprese riunite nell’Ai stock, contro una media di 19 registrata dalle restanti aziende ricomprese nello Standard & Poor’s 500.
Incertezza sui profitti
Per la Banca Centrale britannica, i principali pericoli per le società collegate all’intelligenza artificiale potrebbero derivare da un ritmo di avanzamento delle capacità dei modelli inferiore al previsto, una diffusione più contenuta rispetto a quanto preventivato o un’insufficiente segregazione del valore creato. Il generatore video Sora di OpenAI, completamente gratuito, ha raggiunto il primo posto negli app store, esaurendo una quantità impressionante di risorse – si parla di 15 milioni di dollari bruciati al giorno – senza alcuna strategia di monetizzazione a monte.
McKinsey, invece, ha calcolato che quasi otto aziende su dieci non riscontrano alcun impatto significativo sui profitti dall’integrazione sistematica dell’intelligenza artificiale generativa nel loro flusso di lavoro. Le aziende spendono miliardi in tecnologie che offrono vantaggi spesso ipotetici e difficili da misurare, mentre i fornitori di applicazioni basate sull’intelligenza artificiale impegnano enormi risorse in assenza di modelli di business sostenibili.
Da una ricerca condotta dal Massachusetts Institute of Technology, per di più, è emerso che il 95% dei progetti di intelligenza artificiale generativa nel mondo aziendale non ha finora prodotto alcun profitto. Ricadute parimenti rilevanti possono derivare da alterazioni violente dei prezzi dei materiali critici (con conseguente impatto sui mercati future), o inadeguata capacità di produrre energia elettrica, identificata come «un collo di bottiglia per il funzionamento dei progetti di data center basati sull’intelligenza artificiale» destinato a «incidere sul rischio di credito».
Le banche risultano naturalmente esposte a questi rischi, sia direttamente, attraverso le loro linee di credito a favore delle aziende operanti nel campo dell’intelligenza artificiale; sia indirettamente, per tramite della concessione di prestiti a fondi privati e ad altre istituzioni finanziarie collegate a loro volta all’intelligenza artificiale. Si stima che il settore dello shadow banking (un settore da circa 100 trilioni di dollari) abbia erogato oltre 13 trilioni di dollari di prestiti speculativi attualmente in fase di deterioramento e sostenuti dalle banche ordinarie con linee di credito pari a circa 1,2 trilioni, spesso garantite da asset dal valore reale in diminuzione.
(Continua)
Licenza Creative Commons CC BY-NC-ND Ver. 4.0 Internazionale
