Goldman Sachs ha previsto una spesa cumulativa per l’infrastruttura AI di circa 7,5 trilioni di dollari a 7,6 trilioni di dollari tra il 2026 e il 2031. La previsione si articola in circa 5,1 trilioni di dollari per il compute, 2,1 trilioni di dollari per i data center e 358 miliardi di dollari per l’infrastruttura energetica, mentre il capex AI annuo dovrebbe salire da un livello stimato di 765 miliardi di dollari quest’anno a 1,6 trilioni di dollari entro il 2031.

Il quadro di ricerca di Goldman identifica NVIDIA come il principale beneficiario del livello di compute, con il produttore di chip atteso a catturare circa il 75% di quel segmento. Goldman ha affermato che un tale livello di concentrazione non ha precedenti nei cicli precedenti di capex tecnologico.

Il solo ritmo annuo renderebbe questo il più grande dispiegamento discreto di capitale nella storia della tecnologia. Gli analisti di Goldman Sachs hanno inoltre osservato che le stime di consensus hanno ripetutamente sottovalutato la velocità della spesa, notando che il consensus sul capex 2026 è salito da 465 miliardi di dollari a 527 miliardi di dollari nel corso di una sola stagione degli utili.

“7,6 trilioni di dollari di CAPEX AI entro il 2031? Impressionante, ma ciò che mi preoccupa davvero nelle stime di Goldman Sachs è la piccola quota allocata all’elettricità”, ha scritto Christophe Barraud in un post su X l’11 luglio 2026. “Nell’intero periodo, Goldman prevede circa 5,1 trilioni di dollari di spesa per il compute, più di 2,1 trilioni di dollari per i data center e…”

Per gli investitori crypto retail che seguono l’infrastruttura AI, i numeri di Goldman non sono rumore di fondo. Costituiscono il quadro macro entro cui vengono valutati i token di compute AI, le reti GPU decentralizzate e i presale di token AI, soprattutto perché questo ciclo di spesa è concentrato negli stessi livelli infrastrutturali che i progetti nativi crypto spesso cercano di replicare o affiancare.

La previsione da 7,5 trilioni di dollari rappresenta un ciclo di capitale abbastanza ampio da rendere persino una riallocazione dello 0,1% verso infrastrutture crypto-native un catalizzatore materiale per il mercato dei token. La questione chiave non è se il ciclo esista, ma quali settori di token siano strutturalmente posizionati per catturarne una quota.

Cosa rivela davvero la previsione di Goldman da 5,1 trilioni di dollari sul compute riguardo all’opportunità AI delle crypto

Il numero principale è elevato, ma è la struttura interna della previsione di Goldman a renderla più utile per valutare il posizionamento crypto. Il livello di compute da 5,1 trilioni di dollari è la categoria di spesa dominante, più del doppio dell’allocazione per i data center e circa quattordici volte il budget energetico.

La ricerca di Goldman collega tale stima ad assunzioni hardware specifiche, tra cui nodi GPU di nuova generazione prezzati a circa 80.500 dollari per unità, con un assorbimento di 3.000 watt per pacchetto e un rapporto di power usage effectiveness pari a 1,2. Goldman ha affermato che non si tratta di input speculativi, ma che riflettono l’economia reale degli approvvigionamenti per l’architettura di attuale generazione di NVIDIA.

La concentrazione attesa di circa tre quarti del livello di compute in NVIDIA è ciò che rende le alternative decentralizzate rilevanti dal punto di vista analitico. Quando un singolo fornitore dovrebbe catturare una quota così ampia di una categoria di spesa da 5,1 trilioni di dollari, il rischio di supply chain, il potere di determinazione dei prezzi e l’esposizione ai controlli sulle esportazioni creano una finestra strutturale per alternative di compute permissionless.

La ricerca di Goldman osserva inoltre che l’insicurezza, cioè la paura di rimanere indietro nell’infrastruttura AI, è un motore del boom del capex tanto quanto il ritorno misurato sull’investimento. Questo suggerisce che il ciclo comporti anche un rischio di durata. La più ampia tesi di Goldman sugli investimenti AI ha già iniziato a influenzare simultaneamente i flussi di capitale nei mercati emergenti e tra diverse classi di attivo.

L’energia è la voce più piccola in termini di dollari, a 358 miliardi di dollari, ma gli analisti di Goldman la identificano come il principale collo di bottiglia che limita la velocità di implementazione, non la disponibilità di compute. Le assunzioni sui costi dei data center indicano 15 milioni di dollari per megawatt di capacità, con nuova energia prezzata a 2.500 dollari per kilowatt.

Gli spazi data center brownfield rappresentano attualmente il 15% delle implementazioni del 2026 e dovrebbero salire al 30% entro il 2031, poiché i siti greenfield affrontano ritardi nell’interconnessione alla rete. Il collo di bottiglia energetico non è un attrito temporaneo; è un vincolo strutturale che Goldman si aspetta permanga per l’intero intervallo 2026-2031, ed è l’argomento più chiaro a favore di un’infrastruttura di compute AI decentralizzata e flessibile nella localizzazione.

EXPLORE: Best Memecoins Presales to Watch in July

The post Goldman Sachs $7.5T AI Capex Breakdown and What It Means for Crypto appeared first on icobench.com .