AWS investe per tenere il passo con la domanda, ma la capacità resta limitata

Amazon Web Services sta aumentando gli investimenti nell'infrastruttura dopo che la domanda ha superato l'offerta, nonostante l'impegno a destinare centinaia di miliardi di dollari alla spesa in conto capitale quest'anno.

Il CEO di AWS Matt Garman ha dichiarato a Bloomberg che i clienti continuano a chiedere più capacità di quanta il provider cloud riesca a fornire. Amazon sta quindi costruendo data center, assicurandosi componenti ed espandendo l'accesso all'energia il più rapidamente possibile, nei limiti consentiti dalla sua catena di fornitura.

La dichiarazione appare rassicurante per un'azienda che vende capacità di calcolo scarsa. Ma mette anche in luce il rischio centrale dietro il boom dell'infrastruttura AI. Amazon deve investire con anni di anticipo rispetto alla domanda, dimostrando al contempo che le attuali carenze riflettono carichi di lavoro dei clienti duraturi e non un entusiasmo temporaneo.

Gli ultimi risultati di Amazon rafforzano la sua tesi. Le vendite di AWS hanno raggiunto 42,2 miliardi di dollari nel secondo trimestre del 2026, con un aumento del 37% rispetto all'anno precedente. È stato il tasso di crescita più rapido dell'unità negli ultimi 18 trimestri.

Tuttavia, gli investimenti necessari per sostenere questa accelerazione continuano a crescere. Amazon ora prevede una spesa in conto capitale sostanziale per data center, chip, robotica e altri progetti a lungo termine. I maggiori costi della memoria hanno contribuito all'ultimo aumento.

Microsoft e Google devono affrontare gli stessi vincoli fisici. Tutte e tre le aziende hanno bisogno di chip, apparecchiature di rete, terreni, lavoratori qualificati ed enormi quantità di elettricità. Questi fattori non possono essere aggiunti alla velocità del software.

La competizione, quindi, non si limita più alla qualità dei modelli o alle funzionalità cloud. Dipende sempre più da quale provider riesce a trasformare il capitale in capacità di calcolo utilizzabile senza compromettere i rendimenti futuri.

La domanda di AWS cresce più rapidamente della capacità disponibile

Il cambiamento importante non è semplicemente che AWS prevede di spendere di più. Amazon afferma che l'attuale espansione non riesce ancora a soddisfare la domanda confermata dei clienti.

In un'intervista a Garman del 3 agosto, il responsabile di AWS ha descritto un mercato in cui la domanda supera significativamente l'offerta. Ha dichiarato che l'azienda continuerà a costruire e investire per soddisfare le richieste dei clienti.

Lo squilibrio è apparso più chiaro dopo la pubblicazione dei risultati del secondo trimestre di Amazon. Secondo i risultati trimestrali dell'azienda, le vendite di AWS sono aumentate del 37% su base annua, raggiungendo 42,2 miliardi di dollari.

Anche il reddito operativo di AWS è salito a 16,6 miliardi di dollari, rispetto ai 10,2 miliardi di dollari di un anno prima. Questi dati mostrano che l'espansione del cloud sta contribuendo sia alla crescita sia ai profitti.

Amazon afferma che AWS ha raggiunto un ritmo di ricavi annualizzato di 169 miliardi di dollari. Aggiunge inoltre che le sue attività nell'AI e nei semiconduttori hanno entrambe superato un ritmo di ricavi annualizzato di 25 miliardi di dollari.

Un ritmo di ricavi annualizzato estende l'attuale andamento dei ricavi di un periodo all'intero anno. È utile per mostrare lo slancio, ma non costituisce una previsione né un risultato annuale garantito.

La distinzione è importante perché Amazon usa la domanda attuale per giustificare spese il cui recupero richiederà anni. Una richiesta di un cliente oggi può attivare investimenti in apparecchiature e strutture con vite operative molto più lunghe.

Il CEO Andy Jassy ha affermato che Amazon deve acquisire terreni, energia, edifici, server, chip e apparecchiature di rete prima di poter monetizzare la capacità risultante. Parte dell'infrastruttura arriva entro pochi mesi, mentre i progetti più grandi richiedono anni.

Questo tempo di preparazione crea un difficile problema di pianificazione. Se Amazon costruisce con troppa cautela, i clienti potrebbero spostare i carichi di lavoro altrove perché AWS non è in grado di fornire la capacità necessaria. Se costruisce in modo troppo aggressivo, gli asset sottoutilizzati possono mettere sotto pressione il flusso di cassa e i rendimenti.

Amazon considera attualmente il primo rischio più urgente. Jassy ha detto agli investitori che, anche dopo gli investimenti pianificati, l'azienda non disporrebbe comunque di capacità sufficiente per soddisfare tutta la domanda del 2026.

Ha inoltre affermato di aspettarsi che lo squilibrio prosegua nel 2027. Secondo le sue dichiarazioni riportate in un'analisi indipendente della spesa, i segnali di domanda già esistenti per il 2028 erano notevoli.

La fiducia dell'azienda riflette qualcosa di più dell'addestramento di grandi modelli AI. AWS afferma che i carichi di lavoro di intelligenza artificiale aumentano anche la domanda di storage, database, networking, sicurezza e processori general-purpose.

Il lavoro successivo all'addestramento perfeziona un modello dopo il suo ciclo di addestramento iniziale. L'inferenza, invece, è il processo di calcolo che produce una risposta quando qualcuno utilizza un modello.

Entrambe le attività possono consumare ampie risorse cloud oltre agli acceleratori AI specializzati. Gli agenti in produzione necessitano inoltre di database, controlli delle identità, monitoraggio, memoria e connessioni alle applicazioni aziendali.

Questa relazione aiuta a spiegare perché Amazon considera l'AI un moltiplicatore per la propria attività cloud consolidata. Una nuova distribuzione di modelli può portare diversi servizi AWS convenzionali nello stesso account cliente.

Tuttavia, una domanda forte non produce automaticamente un'offerta disponibile. I ricavi possono essere riconosciuti solo quando AWS installa le apparecchiature, collega l'energia, attiva i servizi e rende la capacità utilizzabile.

Questo divario nella consegna fisica è la tensione alla base del messaggio di Garman. AWS non sta descrivendo una domanda che spera di creare. Sta descrivendo attività che i vincoli dell'infrastruttura le impediscono di servire immediatamente.

Il boom dell'AI è diventato una sfida di costruzione

AWS può vendere software a livello globale nel giro di pochi minuti, ma deve realizzare l'infrastruttura alla base di quel software attraverso una catena di fornitura fisica lenta e frammentata.

Un moderno data center AI richiede più che processori grafici. Servono sottostazioni, sistemi di raffreddamento, generazione di backup, connessioni ottiche, switch, memoria, storage, server e operatori qualificati.

Ogni dipendenza può diventare un collo di bottiglia. Un edificio completato ha poco valore senza elettricità sufficiente. Una spedizione di acceleratori non può servire i clienti senza rete, raffreddamento e capacità server circostante.

L'investimento di Amazon nell'infrastruttura ottica illustra la portata di questa catena di dipendenze. L'azienda ha firmato un accordo pluriennale da miliardi di dollari con Corning per fibra, cavi e prodotti per la connettività.

Si prevede che l'accordo sulla fibra creerà 1.000 posti di lavoro nel settore manifatturiero nella Carolina del Nord. Sostiene inoltre lavori di costruzione e formazione tecnica.

La fibra è essenziale perché i grandi cluster AI spostano enormi quantità di dati tra processori, sistemi di storage e altre strutture. Una capacità di rete insufficiente può lasciare costosi processori in attesa dei dati.

La memoria rappresenta un altro vincolo. Jassy ha attribuito parte del maggiore fabbisogno di capitale di Amazon all'aumento dei costi della memoria, dimostrando come l'inflazione dei componenti possa modificare la spesa anche senza un cambiamento più ampio della strategia.

L'energia resta un problema ancora più difficile. Utility, autorità di regolamentazione, proprietari terrieri e gestori di rete influenzano quando un data center può essere connesso e quanta elettricità può consumare.

I provider cloud possono ordinare più server più rapidamente di quanto molte regioni riescano ad aggiungere capacità di generazione o trasmissione. Di conseguenza, la disponibilità delle apparecchiature non si traduce sempre in potenza di calcolo effettivamente distribuibile.

Questi vincoli cambiano il significato della scala. Storicamente, la scala del cloud significava gestire molte regioni e distribuire i costi fissi su milioni di clienti. L'AI aggiunge la necessità di coordinare risorse fisiche scarse con anni di anticipo.

Amazon sostiene che la propria esperienza operativa le offra un vantaggio. AWS ha trascorso due decenni a prevedere la domanda, negoziare contratti di fornitura e progettare infrastrutture per grandi carichi di lavoro dei clienti.

Questa esperienza non elimina le carenze. Può aiutare AWS a decidere dove collocare la capacità, quali componenti riservare e come bilanciare acceleratori specializzati con sistemi general-purpose.

Amazon progetta anche i propri processori. Trainium è destinato all'addestramento e all'inferenza dei modelli, mentre Graviton gestisce attività di calcolo general-purpose basate sull'architettura Arm.

I chip personalizzati offrono ad AWS un altro modo per gestire costi e forniture. Possono ridurre la dipendenza da un singolo fornitore esterno di processori, sebbene la produzione dipenda comunque da una catena di fornitura di semiconduttori limitata.

I clienti hanno inoltre bisogno di software in grado di utilizzare efficacemente l'hardware disponibile. AWS offre servizi tra cui SageMaker AI, Bedrock e Bedrock AgentCore per trasferire lo sviluppo e la distribuzione dei modelli sulla propria infrastruttura.

Amazon afferma che Bedrock consente ai clienti di scegliere tra più modelli attraverso un servizio gestito. Questa scelta di modelli supporta i clienti che non vogliono legare l'intera strategia AI a un unico sviluppatore.

AgentCore fornisce l'infrastruttura per eseguire agenti AI, inclusi identità, memoria, monitoraggio e controlli delle policy. Un agente AI è un software che utilizza un modello e strumenti connessi per completare attività in più fasi.

Questi servizi sono importanti perché la domanda di infrastruttura dipende dall'adozione in produzione. Una dimostrazione eseguita occasionalmente crea un uso cloud sostenuto limitato. Un agente che elabora transazioni aziendali quotidiane genera domanda continua su diversi sistemi.

AWS deve quindi trasformare la sperimentazione in consumo ricorrente. La sua tesi di investimento diventa più solida quando i clienti utilizzano l'AI in modo continuativo all'interno delle applicazioni, anziché riservare capacità per progetti pilota incerti.

La narrativa dei vincoli è credibile perché la crescita dei ricavi è accelerata insieme alla spesa. Tuttavia, resta in parte una previsione su come matureranno gli attuali carichi di lavoro.

Edifici e infrastrutture elettriche durano molto più a lungo dei singoli prodotti AI. Amazon sta assumendo impegni fisici mentre le architetture dei modelli, i progetti dei processori e le preferenze dei clienti continuano a cambiare rapidamente.

Questa discrepanza tra asset longevi e software in rapida evoluzione è inevitabile. La questione è se AWS riuscirà a mantenere la propria infrastruttura sufficientemente flessibile da supportare qualunque scelta faranno i clienti in seguito.

Il vero avversario di Amazon è la propria promessa di spesa

La competizione centrale è tra l'affermazione di Amazon di una domanda durevole e limitata dall'offerta e la realtà finanziaria di finanziare capacità anni prima che generi ricavi.

Amazon non è l'unica a fare questa scommessa. Alphabet, Microsoft, Meta e altre aziende tecnologiche stanno destinando quantità straordinarie di capitale all'infrastruttura AI.

La spesa condivisa non elimina il rischio di Amazon. Aumenta il costo della competizione per la stessa memoria, gli stessi chip, la stessa fibra, la stessa manodopera edile e le stesse connessioni elettriche.

Può anche rendere più difficile la previsione. Un cliente che affronta una disponibilità AWS limitata potrebbe riservare capacità presso più di un provider, facendo apparire la domanda superiore al consumo effettivo finale.

I contratti cloud forniscono prove più solide quando includono impegni vincolanti. Anche in quel caso, le tempistiche di implementazione possono cambiare quando i clienti rivedono prodotti, budget o strategie per i modelli.

La risposta di Amazon si concentra sull'economia dell'infrastruttura a lunga durata. In una spiegazione del suo ciclo di investimenti, Jassy ha affermato che AWS spende liquidità prima di monetizzare la nuova capacità.

Ha osservato che l'hardware di rete e calcolo può avere una vita utile di circa sei anni. Gli asset dei data center possono rimanere utili per oltre 30 anni.

Questo orizzonte temporale offre ad Amazon molteplici opportunità per ottenere un rendimento da una singola struttura. I server possono essere sostituiti mentre l'edificio, la connessione elettrica e l'infrastruttura di rete continuano a servire i clienti.

Il modello ha funzionato durante la precedente espansione di AWS. Amazon ha investito prima che l’adozione del cloud diventasse mainstream, per poi beneficiarne quando le aziende hanno spostato una quota crescente dell’elaborazione lontano dai data center privati.

Tuttavia, la costruzione dell’infrastruttura per l’AI differisce per aspetti importanti. I processori specializzati sono costosi, la domanda dei clienti può concentrarsi su modelli specifici e le prestazioni dell’hardware avanzano rapidamente.

Una struttura può rimanere preziosa per decenni, ma i processori al suo interno possono invecchiare molto più rapidamente. Le apparecchiature meno recenti possono ancora servire per l’inferenza o i carichi di lavoro convenzionali, anche se il loro potenziale di ricavo può diminuire.

Anche i sistemi AI possono diventare più efficienti. Modelli migliori, ottimizzazione del software, quantizzazione e modelli più piccoli specifici per attività possono ridurre la capacità di calcolo necessaria per ottenere un determinato risultato.

La quantizzazione riduce la precisione numerica utilizzata da un modello. Questa tecnica può ridurre i requisiti di memoria e calcolo mantenendo un’accuratezza sufficiente per molte applicazioni.

L’efficienza non riduce necessariamente la domanda totale. Costi di calcolo inferiori possono incoraggiare un utilizzo maggiore, un modello spesso definito effetto rimbalzo.

AWS scommette sul fatto che la crescente adozione supererà i guadagni di efficienza. Più applicazioni, utenti, agenti e processi automatizzati manterrebbero in aumento il consumo totale di capacità di calcolo.

I dati del secondo trimestre dell’azienda supportano per ora questa tesi. La crescita di AWS ha accelerato, mentre sia l’AI sia i servizi cloud convenzionali hanno contribuito all’aumento.

Anche la redditività offre una certa protezione. Il reddito operativo di AWS fornisce ad Amazon una sostanziale fonte interna di finanziamento, anche mentre gli investimenti di cassa a livello aziendale aumentano.

Tuttavia, reddito operativo e flusso di cassa misurano aspetti diversi. La spesa in conto capitale richiede liquidità immediata, mentre i costi contabili vengono rilevati lungo la vita utile di un asset.

Gli investitori devono quindi valutare due orizzonti temporali. Gli attuali profitti del cloud possono aumentare mentre il free cash flow si indebolisce, perché Amazon sta finanziando strutture future.

La pressione diventa più intensa se i costi di costruzione aumentano o i programmi di attivazione slittano. La capacità ritardata assorbe capitale senza generare immediatamente ricavi dal cloud.

Le attività più ampie di Amazon complicano il quadro. Il suo programma di investimenti supporta anche logistica, robotica, satelliti e altri progetti, quindi la spesa complessiva non è attribuibile interamente ad AWS.

Questo rende difficile un’analisi precisa dei rendimenti basandosi solo sui dati pubblici. Gli investitori possono vedere i ricavi e il reddito operativo di AWS, ma non una ripartizione completa, progetto per progetto, dell’economia dell’infrastruttura.

La promessa di spesa di Amazon dovrebbe quindi essere considerata una scommessa disciplinata, non una prova di rendimenti futuri. Il management rileva una domanda sufficiente da dare priorità alla capacità rispetto alla conservazione della liquidità nel breve termine.

Il mercato giudicherà questa scelta attraverso utilizzo, crescita dei ricavi, margini e generazione di cassa. L’affermazione di Garman sulla domanda definisce l’opportunità, ma sarà l’esecuzione a stabilire se diventerà un’attività attraente.

Microsoft e Google aumentano la pressione da entrambi i lati

AWS guida il mercato cloud su una scala enorme, ma i concorrenti possono metterla sotto pressione aggiungendo capacità più rapidamente o convertendo la domanda di AI in crescita del cloud in modo più efficiente.

Microsoft entra nella competizione con un’ampia base di software aziendale e una stretta relazione tra Azure e le sue applicazioni business. I clienti possono adottare l’AI tramite contratti esistenti, strumenti per sviluppatori e prodotti per il lavoro.

Google porta in campo i propri modelli AI, Tensor Processing Units personalizzate, competenze di ricerca e un’attività cloud in crescita da una base più piccola. La crescita del suo cloud nel secondo trimestre ha superato l’aumento percentuale di AWS.

La sola crescita percentuale non stabilisce la leadership di mercato. Un’attività più piccola può espandersi più rapidamente pur aggiungendo meno ricavi assoluti di un concorrente più grande.

Tuttavia, la rapida crescita dei concorrenti è rilevante perché i clienti possono distribuire i carichi di lavoro tra diversi fornitori. Le strategie multicloud riducono la dipendenza da un singolo vendor e creano leva nelle negoziazioni sulla capacità.

La concorrenza agisce anche nella direzione opposta. Quando ogni grande fornitore ha capacità limitata, i clienti dispongono di meno alternative immediate. Questo può sostenere l’utilizzo e ridurre il rischio di strutture vuote.

L’effetto dipende da dove la capacità diventa disponibile. L’infrastruttura AI non è perfettamente intercambiabile tra regioni, tipi di processore, configurazioni di rete o piattaforme software.

Un cliente che richiede un acceleratore specifico in una determinata località non può sempre sostituirlo con capacità general-purpose disponibile altrove. Le regole sulla residenza dei dati e i requisiti di latenza limitano ulteriormente gli spostamenti.

Questo crea molti mercati dell’offerta più piccoli all’interno del più ampio mercato cloud. AWS può avere capacità inutilizzata in un servizio mentre rifiuta domanda per un altro.

Anche la compatibilità software influenza queste decisioni. I clienti che utilizzano Bedrock, SageMaker AI o database AWS affrontano un lavoro di migrazione se spostano un sistema in produzione su Azure o Google Cloud.

Lo stesso vale per i carichi di lavoro costruiti attorno alle piattaforme concorrenti. I costi tecnici di switching possono preservare le relazioni con i clienti, ma non garantiscono che ogni nuovo progetto AI rimanga con un solo fornitore.

La strategia di AWS enfatizza la scelta del modello e l’infrastruttura di supporto. Amazon vuole che i clienti selezionino i modelli mantenendo però dati, applicazioni, controlli di sicurezza e servizi per agenti all’interno di AWS.

Questo posizionamento differisce da una strategia costruita attorno a un unico modello di punta. Considera la piattaforma cloud come il livello durevole, anche quando cambia il modello più popolare.

L’approccio può funzionare se le imprese attribuiscono più valore alla flessibilità che a una stretta integrazione con uno sviluppatore di modelli. Diventa più debole se la combinazione di modello e piattaforma di un concorrente offre un’economia sensibilmente migliore.

I processori personalizzati rappresentano un altro fronte competitivo. AWS promuove Trainium e Graviton, Microsoft sviluppa il proprio silicio e Google utilizza acceleratori AI personalizzati da anni.

Questi chip possono migliorare il potere negoziale e creare servizi adattati all’infrastruttura di ciascun fornitore. Richiedono anche grandi impegni di ricerca e un’adozione sufficiente da parte dei clienti per giustificarne la produzione.

Nessun fornitore controlla l’intero stack. La produzione avanzata di semiconduttori, la memoria, i componenti di rete, l’infrastruttura elettrica e la capacità costruttiva rimangono distribuite tra fornitori esterni.

Questa dipendenza significa che la corsa al cloud non può essere vinta solo tramite rilasci software. Approvvigionamento, ingegneria delle strutture e coordinamento con le utility ora determinano la disponibilità dei prodotti.

L’accordo di Amazon con Corning mostra una risposta: assicurarsi input strategici attraverso impegni di lungo periodo. Accordi simili possono ridurre l’incertezza dell’offerta, ma anche vincolare l’azienda ad acquisti futuri.

Il rischio competitivo è quindi duplice. AWS può perdere attività se costruisce troppo lentamente, mentre un eccesso di offerta può emergere se ogni fornitore costruisce sulla base della stessa curva della domanda ottimistica.

Non è necessario un ampio calo nell’adozione dell’AI per creare capacità in eccesso. Modelli più efficienti, implementazioni aziendali ritardate o prenotazioni duplicate potrebbero produrre uno squilibrio più contenuto.

Per gli acquirenti aziendali, la concorrenza offre leva negoziale ma anche rischio di pianificazione. Un servizio cloud elencato in un catalogo può comunque avere quote regionali, periodi di attesa o scelte hardware limitate.

Gli acquirenti dovrebbero valutare capacità disponibile, programmi di implementazione e flessibilità contrattuale insieme ai benchmark dei modelli. La dimostrazione con le migliori prestazioni offre poco valore se l’infrastruttura di produzione arriva in ritardo.

Gli sviluppatori affrontano un compromesso correlato. Progettare per modelli portabili e interfacce standard può ridurre la dipendenza da un fornitore, ma i servizi più efficienti spesso utilizzano infrastrutture proprietarie.

I knowledge worker potrebbero sperimentare il risultato indirettamente. Più capacità può migliorare i tempi di risposta ed estendere le funzionalità AI, mentre le carenze infrastrutturali possono rallentare i lanci di prodotto o limitare l’accesso.

I fornitori cloud stanno correndo per rendere invisibili questi vincoli. I commenti di Garman mostrano che AWS non ha ancora raggiunto questo obiettivo, nonostante la sua scala e i suoi investimenti.

Cosa potrebbe compromettere la scommessa di Amazon sulla capacità

Il rischio maggiore per Amazon non è che l’AI scompaia. È che i costi dell’infrastruttura aumentino più rapidamente dell’utilizzo redditizio da parte dei clienti.

La crescita attuale fornisce evidenza di una domanda reale, ma non chiarisce per quanto tempo tale domanda durerà. Le imprese possono espandere i budget per l’AI continuando però a faticare nell’implementazione di applicazioni affidabili.

Molti progetti incontrano problemi di qualità dei dati, sicurezza, governance e integrazione. Questi ostacoli possono ritardare l’utilizzo in produzione dopo che un’azienda ha riservato infrastruttura o completato un progetto pilota.

Le applicazioni agentiche aggiungono un’altra incertezza. Gli agenti possono generare un elevato consumo cloud perché effettuano chiamate ripetute ai modelli e accedono a diversi sistemi.

Possono anche produrre costi o errori imprevedibili. Le aziende potrebbero limitarne l’uso finché monitoraggio, identità e controlli delle policy non diventeranno più affidabili.

Amazon sta creando servizi per affrontare queste preoccupazioni. Tuttavia, l’esistenza di strumenti gestiti non conferma che i clienti implementeranno agenti nella scala ipotizzata dai piani infrastrutturali.

Il secondo rischio riguarda l’efficienza tecnologica. Nuovi processori e tecniche per i modelli possono svolgere lo stesso compito utilizzando meno energia, memoria o tempo di acceleratore.

Questa efficienza può espandere il mercato, ma la tempistica conta. Un miglioramento improvviso potrebbe ridurre la domanda per determinate configurazioni hardware prima che Amazon le abbia completamente ammortizzate.

Anche il mix hardware crea una sfida simile. La capacità basata su un acceleratore non può sempre essere convertita economicamente in un altro quando cambiano le preferenze dei clienti.

AWS può ridurre questa esposizione supportando diverse opzioni di processore. Deve comunque prevedere quante unità di ciascun tipo saranno necessarie ai clienti in determinate regioni.

Il terzo rischio è l’esecuzione. I data center richiedono che autorizzazioni, apparecchiature, energia, rete e lavoratori qualificati arrivino nella sequenza corretta.

Un ritardo in uno solo di questi elementi può bloccare gli altri. Amazon potrebbe possedere server che non possono essere alimentati o completare un edificio prima che sia pronta la connessione di rete.

I contratti di fornitura riducono parte dell’incertezza, creando al contempo impegni. Se la domanda si indebolisce in seguito, Amazon potrebbe comunque avere obblighi di acquisto di componenti o di sostegno a una produzione ampliata.

Anche la pressione delle comunità e delle autorità di regolamentazione può influire sulla costruzione. I grandi data center possono sollevare preoccupazioni riguardo tariffe elettriche, utilizzo dell’acqua, consumo di suolo, rumore e generazione di backup.

Queste preoccupazioni non significano che i progetti si fermeranno. Possono allungare i tempi di approvazione o richiedere investimenti aggiuntivi che modificano l’economia dei progetti.

Il quarto rischio è la visibilità finanziaria. Amazon riporta vendite e reddito operativo di AWS, ma gli investitori non possono collegare direttamente ogni dollaro di infrastruttura a uno specifico carico di lavoro del cliente.

La spesa in conto capitale a livello aziendale copre anche attività esterne ad AWS. Questa ampia portata rende più difficile calcolare il rendimento della costruzione AI a partire dalle informazioni pubbliche.

L’investimento di Amazon in Anthropic complica ulteriormente i confronti trimestrali. Il reddito netto del secondo trimestre includeva un significativo reddito non operativo correlato a tale investimento.

Questo guadagno contabile non rappresenta liquidità generata dai clienti AWS. I lettori dovrebbero separarlo dalle vendite e dalla performance operativa sottostanti dell’unità cloud.

Un’analisi prudente dovrebbe inoltre distinguere la domanda dalla scarsità. Le carenze di capacità possono riflettere una crescita eccezionale dei clienti, costruzioni lente, allocazione inefficiente o diversi fattori insieme.

La dichiarazione di Garman descrive l’esito, non la composizione completa della carenza. Le informazioni pubbliche non rivelano quanta della capacità richiesta sia coperta da impegni contrattuali vincolanti.

Nessuna di queste lacune confuta la tesi di Amazon. Definiscono le evidenze necessarie per verificarla.

Il primo segnale da osservare è la crescita dei ricavi AWS nel prossimo ciclo di risultati. Un’accelerazione continua sosterrebbe l’affermazione di Amazon secondo cui la capacità aggiunta si converte rapidamente in spesa dei clienti.

Un rallentamento richiederebbe un’interpretazione più attenta. Potrebbe indicare una domanda più debole, ma potrebbe anche mostrare che i vincoli di offerta hanno impedito ad AWS di servire business disponibile.

I commenti del management sulle aggiunte di capacità sarebbero quindi essenziali. Gli investitori dovrebbero confrontare i tempi di attivazione dell’infrastruttura con le variazioni dei ricavi e degli impegni contrattualizzati.

Il secondo segnale è il flusso di cassa di Amazon e il margine operativo di AWS. La crescita dei ricavi diventa meno convincente se la spesa per l’infrastruttura supera costantemente la cassa generata da tale crescita.

Una pressione di breve termine è prevedibile durante un’espansione. Il test più significativo è se l’utilizzo migliora man mano che nuovi data center e processori entrano in servizio.

Un utilizzo in aumento con margini stabili rafforzerebbe la tesi d’investimento. Ripetuti aumenti dei costi senza ricavi proporzionati la indebolirebbero.

Il terzo segnale è il movimento dei clienti tra AWS, Azure e Google Cloud. Grandi contratti, disponibilità regionale e implementazioni in produzione mostreranno se le carenze aiutano o danneggiano AWS.

I clienti in attesa di capacità AWS potrebbero accettare ritardi, riprogettare i carichi di lavoro o trasferirli altrove. Ogni risposta ha implicazioni diverse per la posizione di lungo termine di Amazon.

Amazon deve inoltre dimostrare che i suoi servizi di IA generano domanda per l’intera piattaforma. La crescita di storage, database, networking e capacità di calcolo generiche convaliderebbe l’effetto moltiplicatore descritto dal management.

I lettori che seguono questa espansione dovrebbero concentrarsi su risultati misurabili, non solo sugli annunci di costruzione. Capacità attivata, utilizzo sostenuto, margini e generazione di cassa rivelano più delle dimensioni dichiarate di un progetto.

I team che valutano fornitori cloud possono conservare note sugli utili, aggiornamenti sulla capacità, contratti e registri di implementazione all’interno di una base di conoscenza ricercabile. Questo archivio rende più semplice confrontare nel tempo le dichiarazioni variabili dei fornitori.

AWS ha chiarito la propria posizione: la domanda dei clienti giustifica investimenti continui, persino su una scala che un tempo sarebbe apparsa estrema. La domanda successiva è se Amazon riuscirà ad attivare la capacità prima che i clienti trovino alternative.

Seguite la prossima serie di risultati AWS per tre risposte. La crescita cloud sta ancora accelerando, le nuove strutture stanno migliorando la disponibilità e la generazione di cassa sta iniziando a raggiungere la curva degli investimenti?

Questi segnali determineranno se la carenza di capacità di Amazon rappresenta un vantaggio duraturo o una costosa corsa contro le aspettative.