La corsa agli investimenti nell'AI delle Big Tech sta comprimendo la liquidità

Google e i suoi maggiori rivali tecnologici hanno speso circa 170 miliardi di dollari in progetti di capitale nel corso di un trimestre, nonostante restino irrisolti i dubbi sui rendimenti dell'AI. L'ondata di spesa che oggi domina google news non è più un progetto secondario finanziato con la liquidità in eccesso delle Big Tech. Sta rimodellando i bilanci aziendali, la domanda di elettricità, la concorrenza nel cloud e l'intero mercato azionario.

Alphabet, Amazon, Microsoft e Meta continuano a generare enormi profitti operativi. I loro investimenti nell'AI sostengono inoltre servizi cloud che registrano una forte domanda. Tuttavia, le aziende stanno costruendo infrastrutture più rapidamente di quanto i clienti abbiano dimostrato quanta capacità AI utilizzeranno nell'intero ciclo di vita di tali asset.

Questo squilibrio genera il conflitto centrale. I dirigenti sostengono che le carenze di capacità giustifichino costruzioni immediate, mentre gli investitori hanno bisogno di prove che i ricavi dell'AI supereranno costi di ammortamento, energia, finanziamento e sostituzione. La scommessa ricorda i precedenti boom infrastrutturali, ma i partecipanti di oggi occupano posizioni insolitamente rilevanti nei principali indici di mercato.

Google News sta monitorando un'espansione dell'AI molto più ampia

L'ultimo ciclo di risultati ha trasformato la spesa per l'AI da ambizioso programma tecnologico a uno dei più grandi progetti di costruzione aziendale al mondo.

Alphabet, Amazon, Microsoft e Meta hanno speso complessivamente 170,1 miliardi di dollari in spese in conto capitale nel trimestre terminato a giugno 2026. Secondo le comunicazioni societarie raccolte dopo la pubblicazione dei risultati, la cifra era quasi pari al loro flusso di cassa operativo combinato del periodo.

Le spese in conto capitale, comunemente chiamate capex, coprono asset a lungo termine come data center, server, apparecchiature di rete e infrastrutture energetiche. Parte dei capex dichiarati sostiene inoltre i normali servizi cloud, gli uffici, la logistica e altre attività. Non può essere classificata interamente come spesa per l'AI generativa.

Tuttavia, le previsioni delle aziende lasciano pochi dubbi sulla principale fonte di crescita. Ciascuna impresa sta aggiungendo processori, capacità dei data center, archiviazione e reti per addestrare o gestire modelli AI. Questi progetti supportano anche clienti cloud e servizi online già esistenti.

Microsoft ha riportato 35,8 miliardi di dollari di incrementi in immobili e attrezzature nel trimestre di giugno. Nello stesso periodo, l'azienda ha generato 55,4 miliardi di dollari di liquidità dalle attività operative, secondo i suoi risultati trimestrali.

Microsoft ha inoltre divulgato un dettaglio importante sulla vita utile degli asset. Circa due terzi dei suoi recenti capex sono andati a asset di breve durata, principalmente processori. A differenza di un edificio per data center, un processore grafico può diventare economicamente obsoleto nel giro di alcuni cicli di prodotto.

La spesa di Alphabet ha seguito la stessa direzione. Google necessita di infrastrutture per Gemini, Search, YouTube, sistemi pubblicitari e Google Cloud. Questi utilizzi sovrapposti rendono l'investimento più difendibile, ma rendono anche difficile calcolare con precisione il rendimento dell'AI.

Amazon ha aumentato il previsto investimento tecnologico dopo aver riportato solidi risultati del secondo trimestre. L'azienda deve finanziare la capacità di AWS insieme a magazzini, attrezzature per il trasporto e alla propria rete retail. Gli investitori non possono quindi considerare il capex totale di Amazon come un dato puramente legato all'AI.

Meta offre l'esempio più chiaro di un'azienda che finanzia l'AI senza una grande piattaforma cloud pubblica. La sua infrastruttura supporta sistemi di raccomandazione, pubblicità, prodotti generativi e ricerca sui modelli. Secondo i suoi risultati finanziari, Meta prevede spese in conto capitale per il 2026, inclusi i pagamenti dei leasing finanziari, tra 130 e 145 miliardi di dollari.

I singoli numeri contano, ma la loro direzione congiunta conta di più. Quattro aziende stanno facendo scommesse simili nello stesso momento, ricorrendo a molti degli stessi fornitori e puntando a clienti sovrapposti. Questa sincronizzazione alza la posta economica ben oltre qualsiasi singolo report sugli utili.

La corsa alla spesa per l'AI sta mettendo sotto pressione il flusso di cassa libero

Le Big Tech possono permettersi l'attuale espansione, ma la sostenibilità finanziaria non garantisce un rendimento accettabile.

Il flusso di cassa libero è la liquidità operativa che resta dopo le spese in conto capitale. Finanzia acquisizioni, dividendi, riacquisti di azioni, riduzione del debito e investimenti futuri. Quando i capex crescono più rapidamente della liquidità operativa, rimangono meno dollari per queste altre priorità.

Un'analisi Reuters delle stime per Microsoft, Alphabet, Amazon, Meta e Oracle ha rilevato che il loro capex combinato era destinato a superare il flusso di cassa libero combinato entro il 2027. Oracle aveva già oltrepassato una soglia più estrema. I suoi capex hanno raggiunto il 174% del flusso di cassa operativo nell'esercizio fiscale 2026, sulla base dei dati LSEG citati nell'analisi dei flussi di cassa.

Un flusso di cassa libero negativo o in calo non segnala automaticamente difficoltà. Un'azienda sana spesso investe massicciamente quando la domanda dei clienti supera la capacità disponibile. Le infrastrutture cloud generano inoltre ricavi nell'arco di più anni, anziché nel trimestre in cui iniziano i lavori.

La pressione deriva dalle tempistiche. La liquidità esce quando le aziende acquistano processori o costruiscono data center, mentre i ricavi arrivano gradualmente. L'ammortamento trasferisce poi il costo dell'asset nel conto economico lungo la sua vita utile stimata.

L'hardware AI complica questo familiare ciclo contabile. Nuovi processori possono offrire prestazioni migliori o costi di inferenza inferiori, ossia le spese sostenute quando un modello addestrato risponde agli utenti. I processori esistenti possono restare operativi pur diventando economicamente meno competitivi.

La comunicazione di Microsoft secondo cui due terzi dei recenti capex hanno riguardato asset di breve durata rende concreto questo rischio. Una quota rilevante degli investimenti attuali necessita di sostituzione prima di edifici, sistemi energetici o terreni. La domanda sostenuta di AI deve coprire sia gli acquisti di oggi sia gli aggiornamenti di domani.

Le aziende ricorrono inoltre sempre più a leasing, accordi di finanziamento e fornitori esterni di infrastrutture. Queste strutture possono distribuire il fabbisogno immediato di liquidità, ma non eliminano l'obbligo. Possono spostare parte dell'impegno al di fuori di una cifra capex riportata in primo piano.

Ecco perché gli utili convenzionali possono fornire un quadro incompleto. Ricavi e reddito operativo possono continuare a crescere mentre la conversione in liquidità si indebolisce. Anche l'ammortamento può seguire con ritardo l'investimento iniziale, ritardando il pieno effetto sui margini riportati.

Gli azionisti affrontano una seconda pressione attraverso l'allocazione del capitale. Storicamente, le Big Tech hanno restituito ingenti somme mediante buyback. Se l'infrastruttura assorbe una quota maggiore della liquidità operativa, i consigli di amministrazione dovranno alla fine scegliere tra indebitamento, riacquisti più lenti o spese più contenute altrove.

Anche dipendenti e fornitori avvertono il compromesso. Le aziende possono ridurre l'organico, accorpare team o cancellare progetti non correlati, proteggendo al contempo i budget per l'AI. Produttori di chip, utility, imprese di costruzione e operatori di data center guadagnano domanda, ma diventano più esposti a un piccolo gruppo di acquirenti.

Il sistema risultante è stabile finché il consumo di AI continua ad espandersi. Diventa fragile se la capacità arriva proprio mentre la crescita della domanda rallenta. Poiché ogni grande acquirente sta costruendo simultaneamente, un errore di previsione può colpire fornitori e infrastrutture locali in diversi mercati.

Le carenze di capacità si scontrano con rendimenti incerti

La difesa più solida della spesa per l'AI è la domanda reale dei clienti, mentre la critica più forte è che tale domanda non abbia ancora dimostrato l'economia degli asset lungo l'intera vita utile.

Microsoft offre prove a favore dello scenario ottimistico. I ricavi di Azure hanno superato i 100 miliardi di dollari nell'esercizio fiscale 2026 e Microsoft 365 Copilot ha raggiunto oltre 30 milioni di postazioni a pagamento. I ricavi trimestrali hanno raggiunto 90 miliardi di dollari, mentre il reddito operativo è salito a 40,6 miliardi di dollari.

Questi risultati mostrano che Microsoft non sta costruendo senza clienti. Il management ha inoltre affermato che i vincoli di capacità continueranno per tutto il 2026, anche dopo l'accelerazione degli investimenti. Quando un fornitore cloud non riesce a servire la domanda disponibile, l'aggiunta di infrastrutture ha una giustificazione commerciale diretta.

Google Cloud fornisce un altro segnale positivo. I carichi di lavoro AI richiedono potenza di calcolo per l'addestramento dei modelli, l'elaborazione dei dati e l'inferenza. I clienti possono noleggiare tale capacità invece di costruire sistemi privati, offrendo ad Alphabet una strada per monetizzare la stessa infrastruttura presso molte organizzazioni.

L'attività AWS di Amazon svolge un ruolo simile. La sua infrastruttura può servire database consolidati, archiviazione e applicazioni aziendali insieme all'AI. Questo mix di carichi di lavoro riduce la dipendenza da una singola categoria di prodotti e consente ad Amazon di riutilizzare reti e strutture di supporto.

La strada di Meta è diversa. Non affitta la maggior parte della propria capacità a clienti cloud esterni. Si aspetta invece che sistemi di raccomandazione e strumenti pubblicitari migliori aumentino coinvolgimento e conversioni su Facebook e Instagram. Sta inoltre sviluppando nuovi prodotti AI e opportunità per le imprese.

Meta ha riportato ricavi del secondo trimestre pari a 60,8 miliardi di dollari, in aumento del 28%. Tuttavia, costi e spese sono aumentati del 55% e il reddito operativo è diminuito dell'8%. Il contrasto illustra come l'AI possa rafforzare i prodotti esistenti esercitando al contempo una pressione immediata sulla redditività.

Lo scenario ribassista non richiede che l'AI fallisca. I rendimenti possono deludere anche quando l'utilizzo aumenta. Un eccesso di concorrenza può abbassare i prezzi del cloud, i modelli possono diventare più efficienti o i clienti possono spostare i carichi di lavoro verso sistemi più piccoli che richiedono meno calcolo.

L'efficienza crea un problema di previsione particolarmente difficile. Costi di inferenza più bassi spesso incoraggiano un maggiore utilizzo, secondo un andamento che ricorda il paradosso di Jevons. Tuttavia, nessuno sa se la domanda aggiuntiva compenserà pienamente ogni riduzione della potenza di calcolo necessaria per attività.

Conta anche la qualità dei carichi di lavoro. Un assistente di programmazione a pagamento usato ogni giorno ha un valore economico più chiaro di una query gratuita a un chatbot sostenuta dalla pubblicità. Le aziende divulgano statistiche selezionate sull'adozione, ma raramente forniscono dettagli sufficienti per calcolare ricavi e margini di ogni servizio AI.

La stessa incertezza emerge nei progetti pilota aziendali. Molte imprese stanno testando agenti e copiloti, ma la sperimentazione non garantisce un'implementazione estesa. Revisioni di sicurezza, output imprecisi, lavoro di integrazione e adozione da parte dei dipendenti possono rallentare il passaggio dalle prove a carichi di lavoro ricorrenti.

I dirigenti fanno quindi forte affidamento sui segnali di capacità. Arretrati, utilizzo, impegni dei clienti e vincoli di fornitura indicano una domanda immediata. Non stabiliscono il rendimento finale di un data center la cui vita utile si estende attraverso diverse generazioni di modelli e processori.

L'attuale narrazione di google news divide spesso la questione tra boom o bolla. Questa impostazione è troppo semplicistica. La domanda più utile è se i ricavi incrementali dell'AI e i risparmi sui costi supereranno il costo complessivo di capitale, energia, manutenzione, ammortamento e sostituzione.

Questo problema di misurazione persisterà perché l'infrastruttura supporta contemporaneamente diverse attività. Un server Google può contribuire a Search, Gemini, pubblicità e Cloud. La capacità Microsoft può supportare Azure, Copilot, GitHub e servizi interni.

L'uso condiviso è economicamente prezioso, ma impedisce agli osservatori esterni di attribuire rendimenti esatti. Gli investitori devono dedurre la performance dalla crescita del cloud, dai margini, dal flusso di cassa, dall'ammortamento e dalle indicazioni del management. Ogni indicatore rivela una parte del quadro, non il risultato completo.

Il rischio si estende oltre i titoli tecnologici

Quando un piccolo gruppo di aziende altamente valutate persegue la stessa strategia di capitale, le conseguenze si propagano attraverso indici, mercati del credito, sistemi energetici e comunità locali.

Alphabet, Amazon, Microsoft e Meta hanno un peso rilevante in indici azionari ampiamente detenuti. Milioni di conti pensionistici e fondi passivi hanno quindi un’esposizione indiretta alle loro decisioni di investimento nell’AI. Gli investitori non devono possedere un fondo AI specializzato per partecipare a questa scommessa.

I solidi profitti hanno finora limitato il pericolo finanziario immediato. Queste aziende dispongono di attività mature nella pubblicità, nel software, nel retail e nel cloud. Possono assorbire progetti non riusciti più facilmente delle società di telecomunicazioni indebitate durante il boom infrastrutturale delle dot-com.

La scala crea anche concentrazione. Se più aziende riducono la spesa contemporaneamente, produttori di chip e sviluppatori di data center possono perdere ordini nello stesso momento. Le utility potrebbero trovarsi davanti a progetti progettati attorno a una domanda di elettricità che arriva più tardi del previsto.

Anche il contrario crea un problema. Se la spesa continua ad accelerare, i data center competono per apparecchiature elettriche, manodopera edile, terreni, sistemi di raffreddamento e acqua. Una domanda più elevata può aumentare i costi dei progetti successivi e allungare i tempi di connessione.

L’Agenzia Internazionale dell’Energia ha documentato la rapida crescita del consumo di elettricità dei data center. La sua previsione energetica sottolinea inoltre che gli effetti sulle reti locali possono essere più gravi di quanto suggeriscano i totali nazionali. Un nuovo campus può rappresentare un carico concentrato rilevante.

Le comunità affrontano esiti disomogenei. I data center portano lavoro nell’edilizia, entrate fiscali e investimenti infrastrutturali. Una volta operativi, però, impiegano meno persone di molte strutture manifatturiere che utilizzano terreni o elettricità comparabili.

I residenti possono anche sostenerne i costi attraverso nuovi progetti di trasmissione, fabbisogni idrici, generazione di riserva o modifiche alle tariffe delle utility. La ripartizione dipende da regolamentazioni e contratti, che variano ampiamente tra Stati e mercati dell’energia.

Anche le politiche pubbliche aggiungono incertezza. La riforma delle autorizzazioni e gli investimenti nella rete possono accelerare la costruzione. Restrizioni all’esportazione di chip avanzati, valutazioni ambientali o moratorie locali possono limitarla. Nessuno di questi fattori è interamente sotto il controllo di un’azienda tecnologica.

Anche i mercati del credito stanno diventando più rilevanti. Storicamente, Big Tech ha finanziato l’espansione soprattutto con liquidità interna. Man mano che i progetti diventano più grandi, aziende e partner possono ricorrere più spesso a debito, leasing, joint venture e finanziamenti di progetto.

Questo cambiamento distribuisce il rischio anziché eliminarlo. Uno sviluppatore di data center può possedere l’edificio mentre un’azienda tecnologica firma un contratto di locazione a lungo termine. L’asset e il debito sono altrove, ma l’economia del progetto dipende comunque dalla domanda continuativa di una base concentrata di locatari.

Anche consumatori e clienti aziendali hanno un’altra esposizione. I fornitori devono recuperare i costi dell’infrastruttura tramite abbonamenti, tariffe di utilizzo, pubblicità o guadagni di produttività. La concorrenza feroce può ritardare quel recupero, ma non può rimandarlo indefinitamente.

I prodotti AI potrebbero diventare più costosi, avere limiti d’uso più rigidi o includere più pubblicità. I clienti cloud potrebbero vedere impegni o strutture di sconto in evoluzione. I lavoratori della conoscenza potrebbero subire una maggiore pressione ad adottare strumenti i cui rendimenti finanziari restano disomogenei.

Questo offre una ragione pratica per seguire il dibattito sulla spesa. Influisce su quali prodotti AI sopravvivono, quali funzionalità restano sovvenzionate e sulla rapidità con cui i fornitori passano dall’acquisizione alla monetizzazione.

Per i singoli utenti, mantenere il controllo del contesto di lavoro può ridurre la dipendenza da un singolo fornitore di modelli. Una base di conoscenza AI locale può mantenere organizzato il materiale sorgente utile mentre cambiano modelli, abbonamenti e limiti di servizio.

Il rischio sistemico non dovrebbe essere esagerato. Queste aziende non sono identiche e le loro infrastrutture supportano flussi di ricavi diversi. Alphabet e Meta dipendono fortemente dalla pubblicità, Microsoft privilegia il software aziendale e Amazon combina cloud computing e commercio.

Tuttavia, la diversificazione all’interno di ciascuna azienda non elimina l’investimento correlato. Tutte e quattro dipendono dall’espansione dell’uso dell’AI, da elettricità sufficiente, dalla continuità delle forniture di chip e da clienti disposti a pagare. Questa esposizione condivisa è ciò che rende lo sviluppo infrastrutturale rilevante oltre la Silicon Valley.

Tre segnali mostreranno se la scommessa sull’AI sta funzionando

I prossimi risultati trimestrali dovranno collegare la spesa infrastrutturale a rendimenti di cassa duraturi, non limitarsi ad annunciare un altro aumento della capacità.

Il primo segnale è il rapporto tra ricavi cloud e capex. Azure, Google Cloud e AWS dovrebbero sostenere la crescita mentre la spesa infrastrutturale si espande. La sola crescita dei ricavi non è sufficiente se ammortamenti e costi operativi assorbono il margine lordo risultante.

Gli investitori dovrebbero osservare i margini operativi del cloud, non solo le vendite. Un fornitore può aumentare i ricavi vendendo elaborazione costosa quasi a costo. Rendimenti duraturi richiedono che utilizzo, prezzi e ricavi software coprano processori, elettricità, rete, assistenza e ammortamenti.

Anche la qualità del portafoglio ordini conta. Impegni contrattuali offrono prove più solide delle dichiarazioni generiche sulla domanda. Tuttavia, il portafoglio ordini può estendersi su più anni e includere servizi cloud ordinari, quindi deve essere confrontato con i ricavi attuali e gli obblighi residui.

Il secondo segnale è il flusso di cassa libero dopo leasing e altri impegni. Il capex dichiarato cattura gli acquisti diretti, ma uno sviluppo in espansione coinvolge sempre più leasing finanziari e strutture di terze parti. Gli analisti necessitano di una visione coerente della spesa di cassa e degli obblighi contrattuali futuri.

Osservate se il flusso di cassa libero si stabilizza mentre crescono i ricavi AI. Questo risultato sosterrebbe l’argomento del management secondo cui la spesa sta costruendo capacità produttiva. Un deterioramento continuo implicherebbe che l’investimento sta ancora avanzando più rapidamente della monetizzazione.

Anche i rendimenti di capitale forniscono un altro indizio. Riacquisti di azioni più lenti non sono intrinsecamente negativi quando i progetti interni offrono rendimenti migliori. Tuttavia, una riduzione sostenuta indica che la costruzione AI sta assorbendo liquidità precedentemente disponibile per gli azionisti.

Il terzo segnale è l’utilizzo dopo che la nuova capacità diventa disponibile. Le attuali carenze sostengono la tesi dell’espansione, ma la verifica arriva quando processori e data center entrano in servizio. Un utilizzo elevato confermerebbe che la domanda limitata era reale e persistente.

Prezzi cloud in calo, impegni dei clienti più brevi o progetti rinviati indebolirebbero tale conclusione. Lo farebbe anche un rapido passaggio a modelli più piccoli, capaci di gestire attività comuni con molta meno elaborazione.

L’efficienza non indebolisce automaticamente la domanda di infrastrutture. Un’AI più economica può attrarre più utenti e consentire nuove applicazioni. La questione chiave è se l’utilizzo si espande abbastanza rapidamente da mantenere produttivi asset costosi.

I risultati specifici delle aziende divergeranno. Microsoft può monetizzare attraverso Azure e abbonamenti software. Alphabet può combinare i ricavi Cloud con miglioramenti in Search e nella pubblicità. Amazon può vendere infrastruttura attraverso AWS, mentre Meta necessita di guadagni in engagement e pubblicità per giustificare internamente gran parte della spesa.

Questa divergenza rende i confronti più informativi di un unico totale combinato di capex. Se i fornitori cloud producono rendimenti di cassa più solidi rispetto alle piattaforme orientate internamente, il mercato scoprirà quale modello di monetizzazione gestisce meglio il ciclo di investimento.

I prossimi trimestri riveleranno anche se le aziende continueranno ad alzare le previsioni. Aumenti ripetuti accompagnati da margini più forti convaliderebbero la narrativa della carenza. Una spesa più elevata insieme a una conversione della cassa in calo rafforzerebbe le preoccupazioni per una sovracostruzione competitiva.

I lettori che seguono Google News dovrebbero distinguere quattro tipi di evidenza: previsioni del management, domanda dei clienti contrattualizzata, ricavi AI riportati e flusso di cassa libero realizzato. Le previsioni descrivono la fiducia. I contratti con i clienti rivelano l’intento. I ricavi registrano il consumo. Il flusso di cassa mostra se l’intero sistema sta pagando.

L’ultima misura merita la maggiore attenzione perché incorpora l’onere dell’investimento. Big Tech ha già dimostrato di poter costruire enormi sistemi AI. Non ha ancora dimostrato che ogni partecipante possa ottenere rendimenti eccezionali costruendoli contemporaneamente.

La scommessa può riuscire senza produrre vincitori uguali. I clienti potrebbero beneficiare di elaborazione più economica, i fornitori di chip potrebbero catturare i profitti iniziali e alcune piattaforme potrebbero trasformare l’AI in ricavi ricorrenti. Altri proprietari potrebbero scoprire che la necessità strategica non coincide con il vantaggio finanziario.

Ecco perché la corsa alla spesa conta per sviluppatori, acquirenti aziendali e lavoratori della conoscenza. Disponibilità dei prodotti, costi cloud, scelta dei modelli e condizioni di abbonamento seguiranno l’economia di questa infrastruttura. Seguite la liquidità dietro ogni promessa AI, confrontate l’utilizzo con la capacità e chiedetevi se la crescita dei ricavi stia producendo un flusso di cassa libero duraturo.