Il cloud resta sovrano per il private equity nell’era dei data center per l’AI

Google News ha evidenziato un’inversione significativa nel marzo 2026: nonostante la promozione incessante dell’AI, il private equity continua a considerare la domanda cloud tradizionale come la scommessa più sicura per i data center. Il titolo proveniva da Data Center Dynamics, ma il cambiamento di fondo va ben oltre un singolo articolo di rivista.

L’intelligenza artificiale alimenta l’urgenza, la densità di potenza e gli impegni di capitale più appariscenti legati ai nuovi impianti. Eppure, le piattaforme cloud hyperscale continuano a offrire inquilini vincolati da contratti, esperienza operativa e carichi di lavoro diversificati che rendono finanziabili molti progetti.

La distinzione conta perché gli investitori non acquistano più edifici passivi con fabbisogni energetici prevedibili. Stanno finanziando sistemi industriali specializzati che richiedono elettricità scarsa, raffreddamento avanzato, capacità di rete e clienti disposti a sottoscrivere impegni a lungo termine.

La sfida centrale non è quindi tra cloud e AI come tecnologie concorrenti. È tra la domanda hyperscale diversificata e l’aspettativa concentrata che i futuri ricavi dell’AI giustificheranno ogni struttura pianificata. Il cloud mantiene il vantaggio perché collega la crescita speculativa a clienti consolidati e gestori di infrastrutture collaudati.

Le società di private equity possono partecipare tramite piattaforme di data center, sviluppo di terreni, generazione elettrica, apparecchiature di rete, fibra e debito di progetto. Ogni canale offre esposizione alla crescita dell’AI senza richiedere una scommessa diretta su quale sviluppatore di modelli vincerà.

Tuttavia, l’etichetta cloud non elimina il rischio. Ritardi nella disponibilità di energia, apparecchiature costose, condizioni di finanziamento, opposizione locale e utilizzo incerto dell’AI possono compromettere una tesi di investimento altrimenti convincente. L’asset può essere digitale, ma i suoi vincoli sono fisici.

Google News ha colto un più ampio cambiamento nei capitali

L’evento importante non è una singola transazione. Il capitale privato si sta riorganizzando attorno ai data center come classe di asset integrata tra cloud, energia e immobiliare.

Data Center Dynamics ha pubblicato il suo articolo “Cloud is still king” nel numero 60 il 23 marzo 2026. La premessa dell’articolo metteva in discussione la narrativa di marketing dominante attorno alle infrastrutture AI. Gli investitori parlano costantemente di calcolo accelerato, ma molti continuano a valutare finanziariamente gli impianti sulla base della domanda cloud hyperscale.

Questa preferenza è visibile nel cambiamento della proprietà della capacità globale. Synergy Research Group ha contato 1.360 grandi data center hyperscale alla fine del 2025. Queste strutture rappresentavano il 48 percento della capacità mondiale dei data center, secondo la sua ricerca sulla capacità hyperscale.

Quasi il 60 percento della capacità hyperscale si trovava in strutture costruite e possedute dagli operatori. La quota rimanente occupava siti in affitto. La colocation non hyperscale rappresentava un ulteriore 20 percento della capacità mondiale, mentre le strutture di proprietà delle imprese rappresentavano il 32 percento.

Questa distribuzione è cambiata nettamente. L’infrastruttura on-premises aziendale rappresentava il 56 percento della capacità globale nel 2018. Synergy prevede che la sua quota scenda al 19 percento entro il 2031, mentre gli hyperscaler raggiungeranno il 67 percento.

I numeri spiegano perché i data center del private equity restano strettamente legati all’espansione del cloud. Amazon Web Services, Microsoft, Google e Meta operano su una scala che poche aziende specializzate in AI possono eguagliare. Possono distribuire i costi infrastrutturali tra storage, database, software aziendale, piattaforme consumer, pubblicità e servizi AI.

Un hyperscaler può inoltre riallocare la capacità tra i carichi di lavoro al variare della domanda. Un operatore AI indipendente ha meno margine per assorbire errori di previsione. La progettazione della sua struttura, l’hardware e i ricavi possono dipendere da un gruppo più ristretto di clienti.

Ciò rende utile una locazione cloud anche quando una tesi di investimento nasce dall’AI. I contratti cloud possono sostenere il debito, ridurre la concentrazione della domanda e creare un percorso più credibile verso l’utilizzo a lungo termine.

L’accordo non elimina l’esposizione all’AI. I principali fornitori cloud addestrano modelli, vendono accesso agli acceleratori, ospitano sistemi di terze parti e offrono servizi di inferenza. Semplicemente inseriscono queste attività in una struttura commerciale più ampia.

Questa è l’inversione colta dal titolo di Google News. L’AI crea l’urgenza, ma il cloud costituisce gran parte della base finanziaria. Gli investitori possono presentare un progetto come pronto per l’AI, valutandolo però sulla base di inquilini con bilanci consolidati.

Il modello cambia anche il modo in cui i lettori dovrebbero interpretare i grandi annunci. Un impegno da miliardi di dollari raramente finanzia solo server. Può includere terreni, sottostazioni, generazione, impianti di raffreddamento, tratte in fibra, costruzioni e apparecchiature industriali di supporto.

Questi componenti possono avere proprietari e strutture di finanziamento differenti. Il private equity può quindi ottenere esposizione lungo l’intera filiera senza assumere tutto il rischio tecnologico di un fornitore di modelli AI.

Per sviluppatori e acquirenti aziendali, ciò significa che la concentrazione del cloud probabilmente continuerà. Una maggiore capacità fisica non produce automaticamente un mercato infrastrutturale più diversificato. Gran parte di questa espansione serve in ultima analisi, o dipende da, le piattaforme più grandi.

La domanda di AI rende più preziosa l’infrastruttura cloud

L’AI non ha sostituito la tesi di investimento nel cloud. Ha aumentato il valore delle piattaforme capaci di finanziare, riempire e gestire infrastrutture su scala enorme.

McKinsey stima che i data center globali richiederanno $6.7 trilioni di spese in conto capitale entro il 2030. La sua analisi sul finanziamento descrive questa espansione come troppo ampia per essere sostenuta dai soli bilanci delle aziende tecnologiche.

Questo fabbisogno di capitale crea un’opportunità per fondi infrastrutturali, società di private equity, investitori sovrani, finanziatori e assicuratori. Il loro capitale può sostenere le strutture molto prima che i ricavi dei clienti coprano i costi di costruzione.

Il segnale della domanda resta rilevante. L’Agenzia Internazionale dell’Energia ha riferito che la spesa in conto capitale di cinque grandi aziende tecnologiche ha superato $400 miliardi nel 2025. Prevedeva che il totale aumentasse di un ulteriore 75 percento nel corso del 2026.

La domanda di elettricità dei data center è cresciuta del 17 percento nel 2025, mentre la domanda globale di elettricità è aumentata del 3 percento. Le strutture focalizzate sull’AI si sono espanse più rapidamente della categoria complessiva, secondo il rapporto energetico aggiornato dell’IEA.

Queste cifre sostengono una tesi di investimento nei data center per l’AI, ma non risolvono la questione di chi ne catturi i rendimenti. Una domanda elevata può avvantaggiare in modo diverso proprietari immobiliari, utility, fornitori di apparecchiature, provider cloud e finanziatori.

Il capitale privato tende a preferire asset con diversi potenziali acquirenti o inquilini. Un campus hyperscale può servire regioni cloud, carichi di lavoro aziendali, addestramento AI, inferenza, storage e servizi di rete. Questa diversità crea alternative se una previsione della domanda si indebolisce.

Una struttura solo AI può generare rendimenti più elevati quando i clienti hanno urgente bisogno di acceleratori. Può però anche invecchiare più rapidamente. Nuovi chip potrebbero richiedere una diversa distribuzione elettrica, apparecchiature di raffreddamento, densità dei rack o architettura di rete.

Gli operatori cloud possono gestire queste transizioni attraverso grandi flotte. Negoziano le forniture di chip, spostano carichi di lavoro tra regioni e offrono ai clienti più generazioni hardware. Queste capacità riducono il rischio operativo per i proprietari di infrastrutture.

La progettazione fisica continua comunque a cambiare rapidamente. L’IEA prevede che nel 2027 un singolo rack server avanzato raggiungerà un picco di domanda paragonabile a quello di 65 abitazioni. Ha rilevato che la densità di potenza dei server AI è aumentata di undici volte tra il 2020 e il 2025.

Questo cambiamento interessa quasi ogni componente. Le strutture necessitano di raffreddamento a liquido, sistemi elettrici più grandi, capacità di backup resiliente e apparecchiature in grado di tollerare rapide variazioni di carico. Adeguare un edificio ordinario può essere più difficile che costruire un sito progettato ad hoc.

Un inquilino sostenuto dal cloud può contribuire a giustificare tali costi. Il suo contratto segnala che le costose apparecchiature sosterranno un’attività di servizi più ampia, non soltanto una temporanea carenza di capacità di calcolo AI.

È qui che l’espressione “cloud is still king” acquista tutto il suo peso. Non significa che il calcolo tradizionale stia crescendo più rapidamente dell’AI. Significa che le piattaforme cloud restano il ponte più credibile tra la domanda di AI e il capitale istituzionale.

La stessa logica si applica alle imprese. Molte aziende utilizzeranno l’AI tramite account cloud esistenti anziché possedere infrastrutture dedicate. Potranno accedere a modelli, database, controlli di sicurezza e acceleratori nell’ambito di una relazione commerciale già familiare.

Questo approccio presenta svantaggi, tra cui la concentrazione sui fornitori e costi di utilizzo imprevedibili. Tuttavia, indirizza una quota maggiore della spesa in AI attraverso le piattaforme cloud che già sostengono i grandi sviluppi di data center.

Sviluppatori, ingegneri e acquirenti tecnologici dovrebbero quindi seguire gli annunci sulla capacità cloud insieme ai rilasci dei modelli. La posizione e la disponibilità della capacità di calcolo spesso contano quanto i miglioramenti nei benchmark.

I team che monitorano questi segnali sovrapposti possono usare una base di conoscenza personale per collegare annunci energetici, contratti cloud, decisioni autorizzative e cambiamenti hardware. Questi registri mostrano se una regione proposta sta avanzando oltre la semplice pubblicità.

Il private equity sta acquistando l’intera catena di fornitura

La strategia di private equity più solida va oltre l’involucro del data center e punta all’infrastruttura necessaria per fornire energia e capacità effettivamente utilizzabili.

Blackstone offre un esempio chiaro. Nel luglio 2025, la società ha annunciato che fondi gestiti avrebbero investito oltre $25 miliardi nelle infrastrutture digitali ed energetiche della Pennsylvania. Ha inoltre dichiarato che il programma potrebbe catalizzare altri $60 miliardi di investimenti.

Il piano combinava lo sviluppo di data center da parte di QTS, sostenuta da Blackstone, con nuova generazione a gas naturale attraverso una partnership con PPL. Blackstone ha affermato che i progetti avrebbero creato o sostenuto più di 6.000 posti di lavoro all’anno durante un periodo di costruzione stimato in dieci anni.

L’aspetto rilevante non era semplicemente l’entità dell’impegno. Era la decisione di collegare lo sviluppo dei data center alla generazione elettrica. L’investimento in Pennsylvania trattava l’accesso all’energia come parte dell’asset, anziché come una questione esterna di fornitura pubblica.

Questo approccio riflette la nuova gerarchia dei vincoli. Gli sviluppatori possono spesso trovare terreni e capitale. Assicurarsi una connessione alla rete tempestiva, una fonte di generazione e apparecchiature elettriche critiche è più difficile.

McKinsey ha identificato il “time to power” come la principale considerazione nella scelta del sito per gli operatori di data center. La sua ricerca ha rilevato che il tasso di spazi disponibili nel Northern Virginia era sceso sotto l’1 percento nel 2023, limitando l’espansione agevole nel più grande mercato consolidato.

Anche le tempistiche di sviluppo sono in conflitto. Un data center può richiedere da 18 a 24 mesi per essere costruito. I progetti di generazione a gas e da fonti rinnovabili richiedono comunemente da tre a cinque anni, mentre lo sviluppo della trasmissione può richiedere da sette a dieci anni.

Il capitale privato può affrontare questo disallineamento da diverse direzioni. Può finanziare generazione vicino a un campus, acquisire siti con diritti energetici esistenti, sostenere produttori di apparecchiature per la trasmissione o finanziare sistemi behind-the-meter.

L’energia behind-the-meter è installata presso o vicino al sito del cliente e alimenta la struttura senza dipendere interamente dalla rete pubblica. Può aumentare la certezza dello sviluppo, ma solleva interrogativi su combustibili, emissioni, autorizzazioni e comunità locali.

Gli investitori stanno perseguendo anche mercati secondari. McKinsey ha individuato Iowa, Wyoming, Indiana e Ohio come Stati in cui almeno due hyperscaler leader avevano costruito o impegnato capitale. Per alcuni carichi di lavoro di addestramento, la disponibilità di energia può contare più della vicinanza ai tradizionali hub dei data center.

L’addestramento dell’AI può tollerare una maggiore flessibilità geografica rispetto ai servizi sensibili alla latenza. Un cluster per l’addestramento dei modelli può operare lontano dai principali centri abitati se dispone di fibra affidabile e di elettricità stabile. L’inferenza in tempo reale trae spesso vantaggio da una collocazione più vicina.

Questa distinzione crea un’opportunità di portafoglio. Un investitore può sostenere grandi campus di addestramento in regioni ricche di energia e strutture di inferenza più piccole vicino agli utenti. Gli operatori cloud possono coordinare la domanda tra entrambe le tipologie.

Fibra, raffreddamento, trasformatori, quadri elettrici e manodopera qualificata diventano colli di bottiglia investibili in questa struttura. McKinsey ha rilevato che i tempi di consegna dei trasformatori a media tensione sono aumentati da quattro-sei mesi nel 2019 a 18-24 mesi nel 2023.

I tempi di consegna dei gruppi di continuità sono passati da sei-dieci mesi a 16-20 mesi nello stesso periodo. Non sono prodotti AI appariscenti, ma la loro disponibilità determina quando i server che generano ricavi possono iniziare a operare.

I data center sostenuti dal private equity assomigliano quindi più a investimenti in infrastrutture industriali che a scommesse sul software. I proprietari devono gestire calendari di costruzione, approvvigionamento di attrezzature, valutazioni ambientali, negoziazioni con le utility e impegni dei locatari.

La piattaforma cloud rimane importante durante tutto il processo. Le sue previsioni possono determinare la dimensione di un campus, mentre il suo contratto può sostenere il finanziamento. Le sue specifiche tecniche definiscono i requisiti elettrici e di raffreddamento.

Un neocloud specializzato, che noleggia cluster di acceleratori per carichi di lavoro AI, può offrire un’altra categoria di locatari. Tuttavia, il suo profilo creditizio, la concentrazione dell’hardware e gli impegni dei clienti richiedono un esame più approfondito.

Questo non rende i neocloud aziende deboli. Rende i loro accordi infrastrutturali più sensibili ai prezzi e ai tassi di utilizzo dell’AI. Un hyperscaler può assorbire un mercato degli acceleratori più debole attraverso altri servizi.

La migliore strategia di capitale privato potrebbe combinare entrambe le cose. La presenza di locatari cloud può offrire stabilità, mentre i clienti focalizzati sull’AI aggiungono crescita e potenzialmente ricavi più elevati per unità di capacità.

L’energia e l’utilizzo possono far crollare la tesi

Il capitale è abbondante, ma un progetto finanziato non equivale a un data center connesso, occupato e redditizio.

Il caso d’investimento dipende dall’allineamento di tre previsioni. L’uso dell’AI deve continuare a crescere, i clienti devono trasformarlo in ricavi e l’infrastruttura fisica deve arrivare nei tempi previsti.

Un fallimento in una sola di queste aree può compromettere i rendimenti. Un utilizzo debole riduce la domanda dei locatari. I ritardi della rete rinviano i ricavi mentre interessi e spese di sviluppo continuano. I cambiamenti nelle attrezzature possono rendere una nuova struttura meno competitiva prima che raggiunga la piena occupazione.

La proiezione centrale dell’IEA prevede che il consumo globale di elettricità dei data center aumenti da 485 terawattora nel 2025 a 950 terawattora nel 2030. Le strutture focalizzate sull’AI rappresentano la crescita più rapida all’interno di questo totale.

L’agenzia sottolinea anche l’incertezza. Il suo scenario Headwinds più basso riflette un’adozione più lenta, colli di bottiglia locali e catene di fornitura limitate. I guadagni di efficienza compensano quindi gran parte dell’effetto delle attrezzature aggiuntive, limitando la crescita della domanda elettrica.

Questo scenario conta perché il settore tratta spesso la capacità pianificata come domanda inevitabile. I progetti annunciati possono essere ritardati, ridimensionati, ricollocati o cancellati. Anche una coda di richieste di connessione alla rete può sovrastimare la quantità che probabilmente sarà connessa.

L’efficienza crea un’altra tensione. Chip e software migliori riducono l’energia necessaria per i singoli compiti, ma costi inferiori possono aumentare l’uso complessivo. Gli investitori non possono presumere che uno dei due effetti prevarrà in ogni mercato.

I vincoli locali aggiungono un ulteriore livello. I data center concentrano la domanda di elettricità in comunità specifiche. La loro quota nazionale può apparire gestibile mentre una particolare utility affronta un enorme nuovo carico.

L’IEA prevede che i data center consumeranno circa 950 terawattora a livello mondiale nel 2030, quasi il 3 percento della domanda globale di elettricità. Negli Stati Uniti, la loro crescita rappresenta circa metà della crescita prevista della domanda elettrica fino al 2030.

Questa concentrazione incide su famiglie, utility e regolatori. Le comunità potrebbero chiedersi chi finanzia nuova generazione e trasmissione. Potrebbero anche richiedere garanzie più solide su posti di lavoro, uso dell’acqua, emissioni e infrastrutture abbandonate.

Un accordo privato non può risolvere ogni costo pubblico. Le utility devono decidere come allocare gli ammodernamenti della rete e proteggere gli altri clienti se un grande progetto non raggiunge mai il carico promesso.

Le dichiarazioni ambientali meritano un esame analogo. L’IEA prevede che le rinnovabili soddisferanno quasi metà dell’aumento della domanda elettrica dei data center fino al 2030. Il gas naturale e il carbone contribuiranno comunque all’offerta nel breve termine.

Uno sviluppatore può firmare contratti per energie rinnovabili consumando al tempo stesso elettricità di rete nelle ore senza una corrispondente produzione pulita. Le dichiarazioni sulle operazioni senza emissioni di carbonio dipendono quindi da luogo, tempistiche e metodi contabili.

Il rischio si estende anche al finanziamento. Secondo l’IEA, gli investimenti nei data center sono diventati troppo grandi perché le aziende tecnologiche possano finanziarli interamente tramite i propri bilanci. I mercati dei capitali devono assorbire più debito e capitale proprio.

Questa struttura distribuisce il costo, ma può nascondere dipendenze. Il proprietario di una struttura può dipendere da un solo locatario, mentre il locatario dipende dalla continua domanda di AI. Un finanziatore può fare affidamento sul merito creditizio del locatario piuttosto che sul valore di rivendita del progetto.

Una struttura specializzata può essere difficile da riconvertire. Sale ad alta densità, circuiti di raffreddamento a liquido e sistemi elettrici personalizzati hanno valore quando esistono clienti compatibili. Possono richiedere ulteriori investimenti quando cambiano gli standard hardware.

La diversificazione cloud aiuta, ma non offre una protezione completa. Le piattaforme più grandi stanno investendo contemporaneamente. Se la domanda prevista diminuisce, diverse potrebbero ridurre gli impegni di capacità nello stesso periodo.

Gli investitori devono inoltre distinguere tra ricavi cloud già contrattualizzati e domanda speculativa in pipeline. Un contratto di locazione firmato con un fornitore cloud affidabile dal punto di vista creditizio comporta un rischio diverso da una manifestazione di interesse di un’azienda AI emergente.

I progetti più difendibili allineeranno le fasi di costruzione alla capacità contrattualizzata. Si assicureranno le attrezzature in anticipo, stabiliranno tappe realistiche per la rete e conserveranno una certa flessibilità per l’evoluzione dell’hardware.

Questa visione scettica non invalida l’investimento nei data center AI. Chiarisce perché la domanda cloud consolidata rimane centrale. Il cloud riduce diverse incertezze, ma la disponibilità di energia e l’utilizzo effettivo decidono ancora il risultato.

Tre segnali indicheranno se il cloud resta re

La prossima fase sarà valutata in base a capacità connessa, impegni vincolanti dei clienti e ricavi AI realizzati, non soltanto alla spesa annunciata.

Il primo segnale è il ritmo delle connessioni alla rete completate. Gli investitori dovrebbero osservare se le utility energizzano i grandi campus secondo le tempistiche dichiarate. I ritardi dimostrerebbero che il capitale non può superare i vincoli di trasmissione, generazione, attrezzature o autorizzazioni.

Le connessioni completate rafforzerebbero la tesi guidata dal cloud. Consentirebbero agli hyperscaler di attivare capacità e sostenere i locatari nei servizi AI e convenzionali. Ritardi persistenti favorirebbero i proprietari di strutture già alimentate.

Il secondo segnale è la composizione degli impegni dei clienti. Contratti di locazione di lunga durata con fornitori cloud investment-grade possono rendere i progetti finanziabili, mentre impegni concentrati da aziende AI emergenti comportano maggiori rischi operativi e creditizi.

Occorre osservare se gli hyperscaler continuano a prendere in locazione capacità rilevante mentre costruiscono le proprie strutture. Synergy prevede che la loro quota della capacità mondiale raggiungerà il 67 percento entro il 2031, con la capacità hyperscale totale in crescita di oltre tre volte.

Se le grandi piattaforme continueranno a combinare infrastrutture di proprietà e in locazione, il capitale privato conserverà diversi punti d’ingresso. Se invece si sposteranno aggressivamente verso campus costruiti in proprio, gli sviluppatori indipendenti potrebbero affrontare un potere negoziale più debole.

Il terzo segnale è se i ricavi dell’AI cresceranno abbastanza rapidamente da sostenere la spesa infrastrutturale. Il solo utilizzo dei modelli non risponde a questa domanda. Gli investitori hanno bisogno di prove che l’inferenza a pagamento, l’adozione aziendale e i servizi cloud di acceleratori producano margini duraturi.

La valutazione dell’IEA del 2026 aggiunge urgenza. Ha rilevato che il consumo energetico per attività AI stava diminuendo rapidamente, mentre agenti e altre applicazioni intensive aumentavano la domanda aggregata. Questa combinazione può creare una forte crescita, ma complica le previsioni di capacità a lungo termine.

Gli investitori dovrebbero confrontare la spesa con l’utilizzo, non semplicemente con le capacità dei modelli. Rack occupati, megawatt contrattualizzati, backlog cloud e reddito operativo della struttura offrono prove più solide degli annunci di progetto.

Gli acquirenti di tecnologia dovrebbero monitorare gli stessi indicatori. Le carenze di capacità possono aumentare i costi cloud e limitare la disponibilità regionale. Un eccesso di offerta può migliorare l’accesso, ma creare pressione finanziaria sui fornitori più piccoli.

Gli sviluppatori devono inoltre seguire dove la capacità diventa disponibile. Le strutture di addestramento possono spostarsi verso regioni con abbondante energia, mentre l’inferenza sensibile alla latenza rimane più vicina ai clienti. Un’unica cifra nazionale di crescita può nascondere queste differenze locali.

L’articolo originale di Google News è utile perché corregge un comune errore analitico. AI e cloud non sono epoche d’investimento separate da una netta linea di demarcazione. La crescita dell’AI rafforza attualmente le piattaforme cloud in grado di aggregare la domanda.

Il private equity trae vantaggio dal possesso dei sistemi fisici sottostanti a tali piattaforme. Può finanziare terreni, edifici, generazione, raffreddamento, fibra e attrezzature, lasciando alle aziende tecnologiche la competizione sui modelli.

La strategia funziona soltanto quando ogni progetto dispone di energia reale e clienti credibili. Un’etichetta “AI-ready” non può sostituire nessuno dei due. Il capitale annunciato non può abbreviare ogni tempistica della rete e una previsione non può pagare il servizio del debito.

Il cloud è ancora re perché offre il ponte più ampio tra domanda digitale e infrastrutture di lunga durata. L’AI ha reso quel ponte più prezioso, più costoso e più difficile da costruire.

I lettori che seguono Google News dovrebbero guardare oltre l’impegno più grande nel prossimo titolo. Dovrebbero chiedersi se il progetto dispone di una fonte di energia connessa, di un locatario vincolato da contratto e di carichi di lavoro in grado di sopravvivere a un ripristino del mercato AI.

Queste tre domande trasformano la pubblicità infrastrutturale in un test d’investimento pratico. Rivelano inoltre se il cloud rimane la forza stabilizzante sotto il boom dei data center o se il capitale privato si è spinto troppo oltre la domanda.