In un post pubblicato venerdì, il Chief Economist di Apollo Torsten Slok ha messo in evidenza un marcato squilibrio strutturale nella catena del valore dell’intelligenza artificiale: i segmenti con i margini di profitto più elevati—i produttori di chip e i fornitori di apparecchiature—sono sostenuti dal capitale raccolto dagli investitori, non dai ricavi generati dai clienti finali. Il dato mette in discussione la logica di business tradizionale, secondo cui le aziende che vendono prodotti finiti ai consumatori ottengono i margini più forti.

Slok ha suddiviso le società AI in quattro gruppi: models and applications, cloud and compute, energy and grid, e silicon and equipment. Sulla base dei dati di Pitchbook e Bloomberg relativi a società tra cui OpenAI, Anthropic, Microsoft, Amazon, Constellation Energy, Nvidia, AMD e Micron, ha calcolato che le aziende di silicon and equipment—come i produttori di chip—detengono il margine di profitto più alto nella catena del valore dell’AI, pari al 41%. Le società di models and applications—il livello più vicino agli utenti finali, dove competono ChatGPT, Claude e altri prodotti rivolti ai consumatori—registrano invece un margine operativo del -59%. Il divario evidenzia una realtà che le cifre di fatturato dell’industria AI spesso mascherano: il denaro che fluisce a valle verso i produttori di semiconduttori proviene in larga parte da finanziamenti venture, emissioni di debito e budget di capex aziendale, non dai clienti paganti.

Questo forte scarto, ha avvertito Slok, riflette il fatto che il denaro che alimenta il boom dell’AI non deriva da una domanda organica di applicazioni AI, ma da investitori che scommettono sulla prossima rivoluzione tecnologica.

“AI boom’s profits are currently being funded by investors rather than earned from customers,” ha detto Slok nella sua Apollo analysis. “The upstream margins are real, but they are paid for out of capital raised by the layer losing money, not out of cash generated by end demand.”

Goldman Sachs ora prevede che gli investimenti in AI supereranno $1 trillion nel 2026—una cifra paragonabile all’intero investimento fisso non residenziale negli Stati Uniti in attrezzature per l’elaborazione delle informazioni e software in un anno tipico. Finora, tuttavia, la tecnologia non ha prodotto cambiamenti significativi nella produttività economica né nella crescita dei margini di profitto al di fuori dei Magnificent Seven—Apple, Microsoft, Nvidia, Amazon, Alphabet, Meta e Tesla—che insieme rappresentano circa un terzo della capitalizzazione di mercato dell’S&P 500. Se il finanziamento dell’AI dovesse rallentare, ha avvertito Slok, la struttura asimmetrica dei margini potrebbe destabilizzare l’intero settore.

“Il punto fondamentale è che la parte più redditizia della catena del valore dell’AI dipende dal fatto che la parte meno redditizia continui ad aumentare i ricavi o a raccogliere capitale,” ha concluso. “Il capitale può colmare il divario per un po’, ma non indefinitamente. E qui sta il rischio: il ROI emergerà abbastanza rapidamente per i clienti finali dell’AI da sostenere la spesa che sta generando quei margini a monte?”

Timori più ampi su un’espansione dell’AI non sostenibile

Slok non è il primo economista a lanciare un allarme sulla forte dipendenza dell’AI dal capitale investito. Nel suo rapporto annuale pubblicato a giugno, il Bank for International Settlements—l’istituzione con sede a Basilea che funge da banca centrale delle banche centrali—ha osservato che la corsa agli investimenti in AI, trainata principalmente dai cinque grandi hyperscaler, sta crescendo più rapidamente degli utili e del free cash flow, spingendo queste società a emettere debito per raccogliere ulteriori finanziamenti. Un’analisi di Bank of America dello scorso novembre ha rilevato che nel 2025 quei cinque hyperscaler hanno emesso $121 billion in debito, quattro volte il livello medio annuo di debito emesso da queste società nei cinque anni precedenti.

“Disappointment in returns could trigger a sudden pullback in financing and turn the capex boom into a protracted investment bust, with potential knock-on effects on financial conditions,” ha affermato il BIS nel rapporto. “Should hyperscalers slow or halt the aggressive pace of capex deployment, many borrowers across the supply chain could struggle to replace lost revenue and service their debt.”

Il tech writer Ed Zitron ha spinto oltre questa preoccupazione, sostenendo che la spesa per l’AI è ancora più fragile di quanto appaia in superficie. In un post su Substack pubblicato a giugno, ha citato Oracle come caso di studio: la società ha registrato un flusso di cassa negativo di $23.7 billion alla fine dell’esercizio fiscale 2026, con quasi $130 billion di debito in essere e $260 billion di impegni di leasing per progetti di infrastruttura AI non ancora avviati. Il suo enorme investimento nella costruzione di capacità AI è al servizio di OpenAI, con cui ha firmato un accordo da $300 billion lo scorso settembre.

“Oracle’s existence—and Larry Ellison’s personal wealth—hinges on whether OpenAI can make good on its promise to spend $300bn in compute,” ha scritto Zitron.

Ha definito questo meccanismo la “most-obvious and under-discussed part of the AI bubble.” Mentre le spese in conto capitale degli hyperscaler, pari a 13 cifre, stanno alimentando un boom dei semiconduttori, finora ci sono poche prove che l’attuale boom dell’AI si tradurrà in applicazioni diffuse della tecnologia tali da giustificare tutta questa spesa.

Secondo Zitron, più preoccupante del possibile mancato rispetto, da parte di Oracle, del suo impegno da $300 billion verso OpenAI è l’eventualità che altre grandi aziende tecnologiche rinuncino ai propri ingenti investimenti in AI.

“If Microsoft, Google, Amazon and Meta decide that it's time to stop spending $30 billion or more a quarter on GPUs, RAM, storage, and data center construction,” ha detto, “that'll tear a hole in the side of what people assume is a permanent supercycle.”

This story was originally featured on Fortune.com