L'investitore Chamath Palihapitiya ha pubblicato su X quella che definisce la sua "guida agli investimenti nell'AI", mappando dove prevede che il capitale fluirà nel mercato dell'intelligenza artificiale. Il fondatore di Social Capital sostiene che, mentre i rendimenti più rapidi si trovano nel settore dell'energia e degli immobili per data center, i margini durevoli nel lungo termine apparterranno agli "harness" e alle applicazioni costruite sopra di essi. Il framework arriva in un momento in cui gli hyperscaler, tra cui Microsoft, Google, Amazon e Meta, stanno collettivamente impegnando centinaia di miliardi di dollari nelle infrastrutture per l'AI, intensificando la competizione per le risorse finite — terra, elettricità e chip — che sostengono l'intero stack.

Land, Power e Shell: il percorso più rapido verso i rendimenti

Palihapitiya ha categorizzato le opportunità di investimento nell'AI in livelli, a partire da quello che chiama LPS — acronimo di land, power e shell. Il termine si riferisce all'impronta fisica di un data center prima che venga installato qualsiasi chip.

Ha descritto questo livello come "ancora il percorso più ovvio e rapido verso i rendimenti cash on cash", aggiungendo: "Molto valore può essere assemblato e scambiato rapidamente a questo livello. E mano a mano che i data center ricevono più resistenza, la terra alimentata può esplodere di valore. Molto rialzista qui."

Palihapitiya ha dichiarato che lui e la sua partner, Anita Verma-Lallian, hanno assicurato quasi 6 gigawatt (GW) di potenza fino al 2029 — una scala paragonabile alla produzione di diverse grandi centrali nucleari. In precedenza aveva affermato che i terreni con approvazione zonale e l'accesso al silicio conferiscono ai proprietari un potere negoziale su tutti gli attori a valle nella catena di approvvigionamento dell'AI. Garantire impegni di fornitura energetica di questa portata è diventato sempre più difficile in tutto il settore, poiché i vincoli di rete e le tempistiche di autorizzazione nei principali mercati statunitensi possono prolungare i progetti di data center di anni.

Il livello degli Harness: dove risiedono i margini durevoli

Al di sopra dell'infrastruttura fisica, la tesi centrale di Palihapitiya si concentra su quello che chiama l'"harness". In un post su X di luglio, ha scritto: "Un harness moderno + modello aperto ridurrà drasticamente il consumo di token mantenendo le prestazioni."

Un harness, secondo un glossario di Hugging Face pubblicato il 25 maggio, è il software che avvolge un modello di AI e determina ciò che il modello vede, quali strumenti può richiamare e quando si ferma. Claude Code di Anthropic, Codex di OpenAI e Antigravity di Google sono tutti esempi di harness. Claude Code è descritto come "l'harness agentic attorno a Claude" nella sua documentazione ufficiale.

Palihapitiya ha sostenuto che "l'harness aiuta le aziende a possedere il proprio contesto proprietario (quello che Alex Karp chiama il loro 'alpha')", che ha definito come includente dati, flussi di lavoro e regole aziendali. Karp, CEO di Palantir Technologies, ha in precedenza sostenuto che i dati proprietari sono l'asset competitivo determinante nell'AI aziendale.

Le applicazioni come vincitrici nel lungo termine

La tesi di investimento di Palihapitiya si estende anche alle applicazioni, che ha identificato come un'altra vincitrice nel lungo termine. Ha scritto: "Ogni azienda, con l'harness giusto, può ora impregnare il proprio alpha nel software che gestisce l'azienda." Questa prospettiva posiziona le aziende esistenti — non solo i laboratori di AI — come potenziali beneficiarie se riescono a integrare dati e flussi di lavoro proprietari in applicazioni basate sui modelli.

Le figure del settore si esprimono

Diversi leader del settore hanno risposto al post di Palihapitiya, molti dei quali hanno confermato la sua enfasi sugli harness.

Xiaoyin Qu, fondatrice di Tycoon AI, ha espresso sostegno per la tesi degli harness, affermando che un harness "creerà margine a prescindere dal fatto che il modello venga comoditizzato", perché quello giusto può sbloccare grandi lavori a lungo orizzonte che valgono più di qualsiasi singolo output del modello.

Aaron Levie, CEO di Box, ha risposto a un post separato che evidenziava le prestazioni di vari agenti di AI, affermando che l'harness "diventerà la variabile più importante" nello stack dell'AI, collocandosi accanto alla capacità grezza del modello.

Contesto: le precedenti domande di Palihapitiya sulla spesa in AI

A metà luglio, Palihapitiya aveva pubblicato su X un post in cui metteva in discussione l'attuale stato della spesa in AI, chiedendosi se stesse rendendo per qualcuno al di fuori della manciata di aziende che già incassano ricavi. Ha indicato gli acquirenti che ora possono spendere $0,50 per milione di token all'avanguardia invece di $56 per lo stesso volume.

La sua tesi degli harness sembra essere una risposta diretta a quella preoccupazione: se i modelli diventano economici e intercambiabili, il valore migra verso chi controlla i dati, i flussi di lavoro e, in ultima analisi, le applicazioni costruite al di sopra.