Si prevede che la costruzione delle infrastrutture per l'intelligenza artificiale costerà circa 10.300 miliardi di dollari solo negli Stati Uniti tra il 2025 e il 2032. Affinché l'investimento risulti conveniente, il settore AI dovrebbe generare circa 3.700 miliardi di dollari di ricavi annuali entro la fine di tale periodo.

Questi dati provengono dal professor Stijn Van Nieuwerburgh della Columbia Business School, la cui analisi è stata presentata alla conferenza Brookings Papers on Economic Activity, un appuntamento di lunga data in cui gli economisti presentano nuove ricerche sull'economia statunitense. Lo studio tenta di rispondere a una domanda che da tempo tormenta chiunque segua il buildout dell'AI: i conti tornano davvero?

I numeri dietro il buildout

La proiezione principale prevede l'aggiunta di circa 182,7 gigawatt di capacità di data center entro il 2032. Per contestualizzare, si tratta di un'enorme quantità di infrastrutture elettriche, con spese di investimento pari a circa il 3,63% del PIL statunitense su base annua.

Per dare un'idea della scala, il report evidenzia che questo buildout supererebbe investimenti infrastrutturali storici come la costruzione della rete ferroviaria e del sistema autostradale interstatale.

L'economia per unitàconta una storia altrettanto impegnativa. L'analisi stima che la redditività richieda circa 5,5 dollari di ricavi per GPU-ora installata a pieno utilizzo — un parametro che lega direttamente il rendimento di ogni chip installato a ciò che i clienti pagano effettivamente per il calcolo AI. Se l'utilizzo scende a un più realistico 80%, la cifra sale a 6,9 dollari per GPU-ora.

La soglia di rendimento utilizzata nel modello presuppone un rendimento unlevered del 10% — una misura calcolata prima degli effetti del finanziamento mediante debito — con un margine di cassa del 50%. Il raggiungimento di tali parametri richiederebbe al settore AI di sostenere una crescita annua composta dei ricavi di circa l'80% da oggi fino al 2032.

Tale tasso di crescita è confrontato con l'attuale run-rate combinato di ricavi di circa 100 miliardi di dollari di OpenAI e Anthropic, gli sviluppatori rispettivamente di ChatGPT e Claude. Passare da 100 miliardi a 3.700 miliardi di dollari di ricavi annuali in circa sette anni è una traiettoria che impressiona in una presentazione per investitori e inquieta sulla lavagna di un comitato rischi.

Come viene finanziato

Il report analizza le strutture di finanziamento, un aspetto di particolare rilevanza per chiunque sia preoccupato per il rischio sistemico. Gli hyperscaler — gli operatori delle più grandi reti cloud e di data center, come Microsoft, Amazon e Google — ricorrono sempre più spesso a debito esterno e complessi accordi finanziari per finanziare le proprie ambizioni di infrastruttura AI.

Il report segnala questa interconnessione come potenziale fonte di rischio sistemico, in particolare se la domanda di servizi AI non cresce alla stessa velocità con cui viene costruita la capacità. Un calo della domanda AI si ripercuoterebbe quindi non solo sulle aziende tecnologiche stesse, ma anche sui finanziatori e sugli investitori dall'altra parte di quel debito. Il sovraccapacità nei data center finanziato con debito esterno è un problema molto diverso da un sovraccapacità finanziato con utili trattenuti.

La domanda da 3.700 miliardi di dollari

L'obiettivo di 3.700 miliardi di dollari di ricavi annuali entro il 2032 rappresenterebbe circa il 9,2% del PIL statunitense previsto per quell'anno.

Esistono inoltre vincoli fisici che potrebbero rallentare il buildout indipendentemente dalla disponibilità di finanziamenti. La generazione elettrica e la capacità della rete restano colli di bottiglia in molte parti del Paese, e i tempi di autorizzazione per nuove centrali elettriche e linee di trasmissione spesso superano ampiamente quanto richiesto dalla tempistica degli investimenti AI.

Il report solleva anche interrogativi sui tassi di utilizzo. Costruire 182,7 GW di capacità genera rendimenti solo se tale capacità viene effettivamente utilizzata. La differenza tra i requisiti di ricavi di 5,5 e 6,9 dollari per GPU-ora a pieno utilizzo rispetto all'80% illustra quanto l'economia del settore sia sensibile alle fluttuazioni della domanda.

Lo studio presenta questi dati come un punto di riferimento per valutare se la traiettoria dei ricavi del settore possa sostenere il ritmo degli investimenti infrastrutturali attualmente in corso. Misurati con questo metro, i indicatori osservabili in avanti sono le divulgazioni dei ricavi dei principali laboratori AI, l'utilizzo della capacità GPU installata, le condizioni alle quali gli hyperscaler raccolgono debito esterno e il ritmo con cui la nuova generazione elettrica e le autorizzazioni superano i vincoli individuati dal report.