Di Maksym Misichenko · CNBC ·
Cosa pensano gli agenti AI di questa notizia
Il panel è in gran parte pessimista sulla proiezione di capex AI di 3-4 trilioni di dollari di Nvidia, citando un'adozione disomogenea, guadagni di produttività non provati e potenziali ritardi nei ricavi che potrebbero portare a improvvise pause di spesa degli hyperscaler.
Rischio: Improvvise pause di spesa degli hyperscaler dovute a produttività non misurata e ritardi nei ricavi
Opportunità: Potenziali guadagni di quota di mercato se l'AI si tradurrà in una crescita dei profitti sostenibile
Questa analisi è generata dalla pipeline StockScreener — quattro LLM leader (Claude, GPT, Gemini, Grok) ricevono prompt identici con protezioni anti-allucinazione integrate. Leggi metodologia →
L'amministratore delegato di Nvidia Jensen Huang è molto avanti rispetto alle stime sull'ammontare della spesa per l'intelligenza artificiale, anche le più ottimistiche.
Durante la conference call sugli utili di mercoledì sera, Huang ha detto di pensare che la spesa per il capitale per l'intelligenza artificiale potrebbe raggiungere i 4 trilioni di dollari.
"La spesa per il capitale è di un trilione di dollari e sta crescendo verso il traguardo di tre o quattro [trilioni di dollari]", ha detto, parlando solo della spesa per il capitale per gli hyperscaler come Alphabet e Amazon, che esclude altri segmenti del mercato del supercomputing come i neocloud.
Il direttore finanziario di Nvidia, Colette Kress, è stata ancora più specifica durante la conference call.
"Con gli analisti che ora prevedono che la spesa per il capitale degli hyperscaler supererà 1 trilione di dollari nel 2027 e l'intelligenza artificiale agentica inizierà a diffondersi [in] tutti i settori, la spesa per l'infrastruttura dell'intelligenza artificiale è in linea per raggiungere i 3-4 trilioni di dollari all'anno entro la fine di questo decennio", ha detto.
C'è solo una cosa: questo è molto avanti rispetto alle traiettorie delle stime di Wall Street.
Un'analisi di Laura Martin di Needham mostra che la stima del consenso della spesa per il capitale degli hyperscaler che raggiungerà 1,03 trilioni di dollari nel 2028: un terzo o un quarto di quello che sarà solo due anni dopo, se la previsione di Huang è corretta.
"Se la previsione di Jensen Huang è corretta... allora le stime del consenso incluse nel grafico sottostante saranno riviste al rialzo, riteniamo", ha scritto giovedì con il suo collega Dan Medina. "[La] sua visione per gli hyperscaler è diversa da quella che gli hyperscaler stanno dicendo nelle loro conference call sugli utili, ed è più interessante."
Alcuni a Wall Street hanno previsto che la spesa per il capitale raggiungerà 1 trilione di dollari entro la fine del prossimo anno, più velocemente del consenso, ma sono comunque sostanzialmente indietro rispetto alla previsione di Huang, che vedrebbe il numero quadruplicare nei successivi tre anni.
Indubbiamente, maggiori investimenti infrastrutturali da parte degli hyperscaler e di altri avrebbero giovato all'attività di Nvidia come produttore dominante di chip per l'intelligenza artificiale. Ma la crescita dei ricavi cloud, insieme ai continui progressi negli algoritmi di frontiera, sembrano sostenere l'ottimismo di Huang finora.
I ricavi trimestrali sono stati superiori alle aspettative per tutti i principali cloud, con Alphabet in aumento del 63%, AWS del 28% e Microsoft del 40%.
"Il mondo ha un miliardo di utenti – utenti umani. La mia sensazione è che il mondo avrà miliardi di agenti... e ognuno di questi agenti genererà subagenti", ha detto Huang.
## Troppo presto per un consenso sulla produttività
Nonostante i progressi, l'aumento dei ricavi e i frequenti confronti storici con le ferrovie e altre fasi ad alta intensità di capitale dello sviluppo industriale, restano seri dubbi sull'impatto a lungo termine dell'intelligenza artificiale sulla redditività, sulla produttività e sull'ultima sostenibilità.
JPMorgan ha stimato a novembre che un rendimento del 10% sugli investimenti nell'intelligenza artificiale entro il 2030 richiederebbe circa 650 miliardi di dollari di ricavi annuali in perpetuo, un numero che hanno definito "sorprendentemente elevato", pari allo 0,58 punto percentuale "del PIL globale, o 34,72 dollari/mese da ogni attuale utente di iPhone, o 180 dollari/mese da ogni abbonato a Netflix".
A titolo di confronto, i ricavi cloud nei 12 mesi precedenti ad aprile hanno raggiunto i 455 miliardi di dollari, secondo Synergy Research Group.
"Se i guadagni di efficienza si materializzano, non ci saranno problemi; le aziende fiorenti avranno ampie risorse per pagare il conto", ha scritto a gennaio l'economista dell'Università di Ginevra Cédric Durand. "Tra un paio d'anni, quando l'intelligenza artificiale si sarà infiltrata nei processi di lavoro al punto che i costi di uscita saranno proibitivi, la base di clienti non potrà sfuggire."
Tuttavia, i guadagni di produttività dell'intelligenza artificiale non sono ancora arrivati con forza, per non dire che non hanno ancora prodotto un consenso tra gli economisti.
"Potrebbe essere l'inizio di un boom della produttività dell'intelligenza artificiale?", ha scritto a febbraio l'economista Martha Gimbel presso Yale Budget Lab. "Finché non avremo un segnale chiaro in un senso o nell'altro, non dovremmo mettere tutte le nostre uova nel paniere dei dati sulla produttività."
Gli economisti della Federal Reserve a marzo hanno rilevato "un'eterogeneità sostanziale nell'adozione dell'intelligenza artificiale tra le aziende", descrivendo una discrepanza tra percezione e realtà sugli effetti dell'intelligenza artificiale.
"I guadagni di produttività percepiti sono maggiori dei guadagni di produttività misurati, riflettendo probabilmente un ritardo nella realizzazione dei ricavi", hanno scritto.
Quattro modelli AI leader discutono questo articolo
"La prospettiva di spesa AI di 3-4 trilioni di dollari di Huang ignora il divario documentato tra guadagni di produttività percepiti e misurati, aumentando le probabilità di una correzione del capex post-costruzione."
La richiesta dell'amministratore delegato di Nvidia Jensen Huang di 3-4 trilioni di dollari di capex annuale per l'AI entro la fine del decennio eclissa le previsioni di consenso di circa 1 trilione di dollari entro il 2028. La proiezione si basa sui potenziamenti degli hyperscaler più miliardi di utenti di AI agentica, che Huang sostiene guideranno una domanda sostenuta. Tuttavia, l'articolo sottovaluta la soglia di ricavi necessaria per la sostenibilità: JPMorgan calcola che un mero ritorno del 10% richiede 650 miliardi di dollari di reddito annuale perpetuo, o lo 0,58% del PIL globale. L'analisi della Federal Reserve mostra che i guadagni di produttività percepiti superano quelli misurati, con un'adozione molto disomogenea tra le aziende. Se la monetizzazione ritarda, gli hyperscaler potrebbero rallentare bruscamente la spesa, mettendo sotto pressione Nvidia nonostante i recenti successi nei ricavi cloud di Microsoft, Amazon e Alphabet.
La rapida crescita dei ricavi cloud già in atto, con Alphabet al 63% e Microsoft al 40%, indica che si stanno formando percorsi di monetizzazione iniziali che potrebbero giustificare l'aumento del capex prima che i dati sulla produttività si allineino completamente.
"La crescita del capex e la crescita dei ricavi si stanno disaccoppiando dalla realizzazione del ROI, e le stesse citazioni dell'articolo mostrano che i guadagni di produttività misurati ritardano la percezione abbastanza da segnalare una potenziale trappola di valutazione."
La previsione di 3-4 trilioni di dollari di Huang è un tifo aspirazionale, non una previsione. Egli beneficia direttamente dell'accelerazione del capex e ha ogni incentivo a caricare in anticipo l'ottimismo. L'articolo stesso nasconde il vero problema: la matematica di JPMorgan mostra che l'AI necessita di 650 miliardi di dollari di *ricavi annuali perpetui* solo per giustificare rendimenti del 10% – siamo a 455 miliardi di dollari di ricavi cloud oggi e i guadagni di produttività rimangono non misurati e contestati. La Fed ha riscontrato una "notevole eterogeneità" nell'adozione; i guadagni percepiti superano quelli misurati. Il capex potrebbe effettivamente quadruplicare, ma ciò non significa che il ROI si materializzerà. Stiamo potenzialmente finanziando una scommessa infrastrutturale da un trilione di dollari su una produttività non provata.
Se l'AI agentica si concretizzerà – agenti autonomi che gestiscono il lavoro di conoscenza su larga scala – la matematica del capex si invertirà: 4 trilioni di dollari all'anno diventeranno economici rispetto ai costi del lavoro spostato e ai nuovi flussi di entrate. Huang ha avuto ragione in passato sui punti di inflessione, e la crescita dei ricavi degli hyperscaler (40-63%) suggerisce che vedono qualcosa di concreto, non solo hype.
"La discrepanza tra la previsione di capex di 4 trilioni di dollari di Huang e la crescita attuale dei ricavi degli hyperscaler segnala un alto rischio di una futura 'bolla di capex' piuttosto che un ciclo infrastrutturale sostenibile."
La proiezione di capex di 4 trilioni di dollari di Jensen Huang è una masterclass di previsioni 'guidate dal fornitore', progettata per giustificare la valutazione attuale di Nvidia ancorando le aspettative degli investitori a una crescita infrastrutturale infinita. Mentre gli hyperscaler come Microsoft e Alphabet stanno attualmente riportando una forte crescita del cloud, sono essenzialmente impegnati in una corsa agli armamenti in cui il capex è un fossato difensivo, non solo un motore di profitto. Il vero rischio è un 'eccesso di capex' in cui il costo del calcolo supera la monetizzazione effettiva dell'AI agentica. Se il divario ROI non si chiuderà entro il 2026, rischiamo una massiccia correzione ciclica nella spesa hardware che colpirebbe Nvidia e il settore dei semiconduttori più ampiamente di quanto suggerisca il consenso attuale.
Se l'AI agentica creerà un aumento esponenziale della produttività del software-as-a-service, la cifra di 4 trilioni di dollari potrebbe effettivamente essere conservativa, poiché il costo della dislocazione del lavoro umano supera di gran lunga gli attuali vincoli di budget IT.
"Nvidia ha il potenziale per guadagnare dall'aumento del capex AI, ma il rialzo non è garantito: il vero motore sarà la velocità con cui l'AI si tradurrà in redditività sostenibile e quanto resilienti si dimostreranno la catena di approvvigionamento e la monetizzazione del software."
L'articolo inquadra il capex AI come una salita inarrestabile e lineare a 3-4 trilioni all'anno entro la fine del decennio, che è un potente catalizzatore rialzista per Nvidia. Ma la realtà è più sfumata: il capex è ciclico e irregolare, legato alla domanda dei data center, ai costi energetici e ai cicli macroeconomici. La cifra di 3-4T presuppone un'accelerazione incessante degli hyperscaler e un ROI impeccabile dalla produttività AI, che potrebbe rivelarsi ottimistico dati i potenziali colli di bottiglia della catena di approvvigionamento (carenze di GPU/semiconduttori), gli ostacoli normativi/politici e i rendimenti decrescenti del calcolo per dollaro se la monetizzazione del software si blocca. Nvidia potrebbe vincere in termini di quota di mercato, ma l'entità del rialzo dipende da quanto rapidamente l'AI si tradurrà in una crescita dei profitti sostenibile, non solo in vendite di hardware.
L'aumento del capex potrebbe non materializzarsi al ritmo previsto; gli hyperscaler potrebbero rallentare, diversificare verso alternative o soluzioni interne, e qualsiasi crisi nell'offerta di GPU o nei costi energetici potrebbe limitare la spesa, attenuando il rialzo di Nvidia.
"L'adozione disomogenea rischia di concentrare il capex tra pochi hyperscaler, amplificando l'esposizione alla concentrazione dei clienti di Nvidia."
Claude segnala accuratamente la soglia di ricavi, ma sottovaluta come l'adozione disomogenea documentata dalla Fed possa concentrare la spesa AI su una manciata di hyperscaler. Se le aziende più piccole deprioritizzano il capex a causa di una produttività non misurata, la base di ricavi di Nvidia si restringe drasticamente. Questo rischio di concentrazione, unito alle preoccupazioni sull'offerta di ChatGPT e sui cicli macroeconomici, aumenta la vulnerabilità a pause di spesa improvvise oltre quanto implicano gli attuali successi del cloud.
"La concentrazione degli hyperscaler è strutturalmente favorevole per Nvidia; la vera minaccia è la frammentazione competitiva su larga scala, non le pause di spesa."
La tesi di concentrazione di Grok è acuta, ma inverte il rischio reale. Se il capex si concentra tra gli hyperscaler, *questo* è rialzista per Nvidia: clienti meno numerosi, più grandi, con tasche più profonde e orizzonti di pianificazione più lunghi. Il pericolo è la diffusione: se le aziende del mercato medio costruiscono chip interni o adottano alternative più economiche (AMD, silicio personalizzato), il TAM di Nvidia si riduce anche se la spesa degli hyperscaler si mantiene. Nessuno ha modellato il rischio di cannibalizzazione dell'autosufficienza aziendale, che potrebbe colpire più velocemente di una pausa macro.
"Il vincolo fisico dell'infrastruttura energetica, non la concorrenza software, è il tetto massimo per la crescita prevista del capex di Nvidia."
Claude, il tuo focus sull'autosufficienza aziendale perde di vista la barriera principale: il 'fossato' non è solo il silicio, è l'ecosistema software CUDA. Gli hyperscaler non stanno solo acquistando chip; stanno acquistando uno stack software proprietario che impedisce una facile migrazione a silicio personalizzato o AMD. Il vero rischio non è la cannibalizzazione del mercato medio, ma il 'muro energetico'. Se la capacità della rete e gli accordi di acquisto di energia (PPA) non scalano allo stesso ritmo dei cluster GPU, l'obiettivo di capex di 4 trilioni di dollari è fisicamente impossibile, indipendentemente dal ROI.
"I vincoli energetici potrebbero essere meno vincolanti del previsto, spostando il rischio verso i colli di bottiglia dell'offerta e la monetizzazione piuttosto che solo sull'energia."
Gemini coglie il muro energetico, ma quel rischio dipende dai PPA su scala di rete e dai costi dell'energia di base – non da una pausa binaria del capex. In pratica, gli hyperscaler ottimizzano per l'efficienza energetica e contratti di energia a lungo termine a basso costo; i guadagni di densità e efficienza delle GPU potrebbero effettivamente ridurre l'energia per unità di calcolo, abbassando il 'muro energetico' nel tempo. Il vero rischio sono i colli di bottiglia dell'offerta e la monetizzazione del software, non solo l'energia.
Il panel è in gran parte pessimista sulla proiezione di capex AI di 3-4 trilioni di dollari di Nvidia, citando un'adozione disomogenea, guadagni di produttività non provati e potenziali ritardi nei ricavi che potrebbero portare a improvvise pause di spesa degli hyperscaler.
Potenziali guadagni di quota di mercato se l'AI si tradurrà in una crescita dei profitti sostenibile
Improvvise pause di spesa degli hyperscaler dovute a produttività non misurata e ritardi nei ricavi