Un campus di inferenza dedicato da 100 MW che utilizzi rack GB200 NVL72 avrebbe bisogno di circa $2.91 per GPU-hour per generare un rendimento interno del capitale proprio con leva del 15%, secondo un’analisi approfondita del team Scotiabank Global Equity Research.

Il modello di Scotia colloca il capex totale del progetto a $4.03 miliardi per 100 MW di carico IT critico, pari a $40.3 milioni per megawatt. Di quel totale, il 64% è assegnato alle apparecchiature IT, con un prezzo di $3.0 milioni per rack NVL72, e gran parte di questa spesa va a NVDA. Il restante 36% è attribuito alla struttura, a $14.5 milioni per megawatt.

La banca ipotizza che il 70% del progetto sia finanziato all’8.0% per sei anni e include un valore residuo del 15% sul capex IT dopo il sesto anno, a conferma di quanto la matematica del rendimento sia sensibile sia alle condizioni di finanziamento sia al valore delle apparecchiature alla fine del periodo di detenzione.

Scotia ha affermato che le attuali indicazioni di noleggio dei GB200 superano la soglia. Al requisito di $2.91, il modello si traduce in circa $0.81 per milione di token in output. A confronto, i costi attuali di output token per i modelli chiusi vanno da $1.50 per Gemini 3.1 Flash-Lite a $15 per GPT 5.4. DeepSeek V4 Flash è quotato tra $0.28 e $0.66, mentre Ox Alpha sembra essere intorno a $0.50 per un prodotto che si avvicina a Claude Opus 4.8.

Il report ha anche evidenziato la dimensione degli impegni degli hyperscaler. Scotia ha detto che i numeri fuori bilancio hanno raggiunto $2.588 trillion, con altri $779 billion già in bilancio. Queste cifre non includono $120 billion di garanzie e altre esposizioni potenziali, che la banca ha detto non essere impegni vincolanti.

Un altro dato rilevante è la stima delle spese operative. Scotia ha fissato l’opex a $0.52 per GPU-hour, descrivendolo come un limite minimo perché, al di sotto di quel livello, è meglio spegnere l’impianto. Il report ha osservato che produttori di materie prime e fabbriche hanno talvolta operato in perdita per un periodo, ma ha affermato che la stessa logica definisce comunque un limite pratico inferiore.

Lo scenario ribassista per l’infrastruttura AI, secondo il report, è che uno dei tenant impegnati in questi data center — come OpenAI o Anthropic — possa fallire. In quel caso, una struttura costruita per $4.03 billion e finanziata con $2.82 billion di debito perderebbe il suo tenant. Poiché un campus AI costruito appositamente non ha un uso alternativo rapido, il lender si ritroverebbe con una garanzia immobile e monouso. Anche le apparecchiature all’interno sarebbero la parte dell’asset che si deprezza più velocemente. Scotia ha detto che il lender probabilmente effettuerebbe una svalutazione, troverebbe un operatore e venderebbe capacità di calcolo al prezzo che il mercato è disposto a pagare.

La banca ha indicato il settore della fibra ottica come parallelo storico, citando il periodo tra il 2001 e circa il 2010. In quel caso, un singolo default eliminava domanda contrattualizzata e aggiungeva offerta spot nello stesso momento, spingendo al ribasso i valori secondari per la stessa ragione per cui i canoni scendono quando l’offerta supera la domanda.

La stima di cash cost di Scotia corrisponde a $0.145, mentre il prezzo di listino API mediano di mercato per i token in output è $1.94, anche se il report ha osservato che tale prezzo può cambiare.

Il report ha detto che un altro rischio importante è la disponibilità di energia. Code di interconnessione, ritardi negli ordini di trasformatori e turbine e carenza di manodopera elettrica qualificata potrebbero limitare la velocità con cui la capacità annunciata viene effettivamente consegnata. Ciò crea la possibilità che gli impianti vengano completati prima che l’energia sia pronta, lasciando che i GPU invecchino prima che i siti possano essere pienamente utilizzati.

Un parametro da monitorare, escludendo il rischio di default, è il prezzo contrattuale. Scotia ha scritto: "In our model, the difference between $2.50 and $3.50 separates a failed base case from a project that clears both return and coverage tests".

Il report lascia anche aperta la domanda su quale multiplo dovrebbero trattare gli hyperscaler se questi grandi investimenti riuscissero appena a superare le soglie minime di rendimento del capitale. Se il capex genera veri utili incrementali, l’EPS cresce in un contesto di derating e il titolo può muoversi lateralmente per anni. È l’esito tipico quando un business ad alto rendimento passa a un modello più intensivo di capitale.

Scotia ha inoltre sottolineato la finanziarizzazione circolare che è diventata una caratteristica centrale della costruzione dell’AI. Gli impegni di hyperscaler e sviluppatori di modelli sostengono il debito di progetto, creando un’esposizione correlata tra tenant, proprietari dell’infrastruttura e lender. Prezzi API più bassi potrebbero indebolire il merito creditizio dei tenant, mettere sotto pressione i valori residui, allargare gli spread del debito di progetto e rallentare rifinanziamenti e costruzioni. L’esito finale, ha detto la banca, dipende dal fatto che l’aumento dell’intensità della domanda riesca a compensare il calo dei prezzi dei token e l’obsolescenza della capacità installata.

La domanda più grande, però, è la seguente: e se l’AI avesse successo? In un mondo di superintelligenza, una delle prime cose che i modelli fanno è ottimizzare, e ciò potrebbe spingere i costi dei token verso il minimo. Inoltre, un modello capace di autoapprendimento dovrebbe essere in grado di progettare un chip molto più efficiente di quelli in uso oggi.