Goldman Sachs afferma che il trade sull'AI sta entrando in una fase di consolidamento

Goldman Sachs afferma che il trade sull'intelligenza artificiale è entrato in una fase di consolidamento dopo una brusca inversione che ha messo in luce posizioni affollate, fondi a leva e fragilità nei meccanismi di mercato. La distinzione è importante. Il consolidamento suggerisce che gli investitori stiano ricalibrando le aspettative dopo un rally prolungato, anziché abbandonare gli utili e la domanda di infrastrutture che sostengono le società AI.

Un breve articolo distribuito tramite rsshub 36kr ha riassunto la posizione della banca, secondo cui utili solidi e un minore posizionamento degli investitori dovrebbero attenuare la volatilità estrema. L'argomentazione di fondo è più sfumata di un semplice invito a comprare sui ribassi. Gli strateghi di Goldman vedono condizioni in miglioramento, ma riconoscono anche che la leva finanziaria può trasformare un normale calo in vendite forzate.

Questo crea la tensione centrale per gli investitori. La domanda di AI e la spesa aziendale restano consistenti, mentre gli strumenti utilizzati per negoziare tale domanda sono diventati sempre più aggressivi. Il mercato risultante può apparire tranquillo a livello di indice, anche se singoli titoli di semiconduttori, memoria, networking e data center oscillano violentemente.

Il recente calo mette quindi alla prova due spiegazioni contrapposte. La prima sostiene che la tesi d'investimento sull'AI si sia indebolita perché la spesa è troppo elevata e le valutazioni hanno corso troppo. L'altra afferma che un tema fondamentalmente solido sia diventato troppo affollato, per poi subire un riequilibrio del posizionamento che ha eliminato parte degli eccessi senza porre fine al trend più ampio.

Goldman propende attualmente per la seconda interpretazione. Le sue prove includono la continua crescita degli utili, una minore esposizione degli hedge fund e una domanda sostenuta di infrastrutture informatiche. Tuttavia, il prossimo ciclo di risultati dovrà dimostrare che gli enormi budget di capitale stanno generando ricavi e profitti, non soltanto maggiore capacità.

Le vendite hanno cambiato il posizionamento, non l'intera tesi sull'AI

Il giudizio centrale di Goldman è che il recente calo abbia eliminato il posizionamento eccessivo più rapidamente di quanto abbia danneggiato la tesi d'investimento fondamentale sull'AI.

I titoli tecnologici hanno affrontato l'inversione con investitori fortemente esposti a molti degli stessi temi. Tali posizioni comprendevano produttori di semiconduttori, fornitori di memoria, società di networking ottico, produttori di apparecchiature per data center e hyperscaler che finanziano nuove infrastrutture.

L'affollamento non significa automaticamente che una tesi d'investimento sia errata. Significa che molti partecipanti possiedono asset simili per ragioni simili. Quando la volatilità aumenta, tali investitori possono reagire insieme, creando un'ondata di vendite che prevale sulle informazioni specifiche delle singole società.

I dati di prime brokerage di Goldman offrono una finestra su questo processo. Vincent Lin, co-responsabile di Prime Insights and Analytics presso Goldman Sachs, ha dichiarato che l'esposizione lorda degli hedge fund aveva raggiunto i massimi degli ultimi cinque anni all'inizio di giugno. Anche l'esposizione netta era salita a un massimo di quattro anni.

Dopo la ritirata, entrambe le misure sono scese approssimativamente al 60°-65° percentile dei rispettivi intervalli triennali. Ciò ha lasciato il posizionamento vicino al centro della sua distribuzione recente, anziché a un estremo.

Lin ha definito l'episodio un riequilibrio salutare, sottolineando al contempo che il posizionamento non era stato completamente azzerato. Gli hedge fund avevano ridotto il rischio, ma non avevano respinto collettivamente l'infrastruttura AI.

Questa distinzione aiuta a spiegare perché il riepilogo di rsshub 36kr abbia descritto un possibile consolidamento anziché un crollo duraturo. Un consolidamento si verifica quando i prezzi assorbono i guadagni precedenti e gli investitori rivalutano le aspettative. Può includere bruschi cali, rimbalzi falliti e ampie differenze tra i singoli titoli.

Il calo ha inoltre seguito un modello noto nei mercati guidati dal momentum. Un tema di successo attrae più capitale, l'aumento dei prezzi sostiene una maggiore propensione al rischio e nuovi prodotti d'investimento rendono l'esposizione più facile da ottenere. Quando la direzione cambia, le stesse forze operano al contrario.

Un esempio significativo è arrivato da Situational Awareness, l'hedge fund focalizzato sull'AI fondato dall'ex ricercatore di OpenAI Leopold Aschenbrenner. Axios ha riferito che il fondo ha venduto a Citadel il proprio portafoglio di azioni quotate durante la fase di turbolenza. Il fondo aveva recentemente dichiarato circa 20 miliardi di dollari di asset in gestione.

Quella vendita non stabilisce cosa sia accaduto nell'intero mercato. Mostra però quanto rapidamente un portafoglio focalizzato sull'AI possa diventare parte dell'evento che era stato progettato per negoziare. Un investitore concentrato che affronta perdite o rimborsi potrebbe aver bisogno di liquidità indipendentemente dalle proprie convinzioni di lungo termine.

Il riequilibrio è stato inoltre insolitamente ampio all'interno del settore tecnologico. Goldman ha caratterizzato le vendite come la maggiore riduzione cumulativa dell'esposizione tecnologica nella storia di uno dei suoi dataset. Eppure, le conversazioni della banca con gli hedge fund indicavano ancora un interesse fondamentale per le società AI.

Per questo la recente azione di mercato non può essere interpretata soltanto attraverso i prezzi. Il calo dei prezzi potrebbe riflettere aspettative di utili più basse, domanda più debole, valutazioni eccessive, deleveraging forzato o più fattori contemporaneamente. I dati sul posizionamento di Goldman attribuiscono maggiore peso alla spiegazione del deleveraging, ma non eliminano le altre.

Il mercato risultante è più selettivo. Gli investitori non possono più trattare ogni fornitore collegato all'infrastruttura AI come un beneficiario intercambiabile. Devono distinguere le società con ordini visibili, margini durevoli e potere di determinazione dei prezzi da quelle sostenute soprattutto dalla domanda tematica per le loro azioni.

Utili solidi danno fondamenta alla tesi di consolidamento di Goldman

Il lato rialzista dell'argomentazione di Goldman dipende dal fatto che i profitti sostengano una quota maggiore del mercato rispetto all'espansione dei multipli di valutazione.

A maggio, Shawn Tuteja di Goldman ha dichiarato che gli utili per azione dell'S&P 500 erano in traiettoria per attestarsi al 17% sopra l'anno precedente. Si trattava del sesto trimestre consecutivo di crescita degli utili a doppia cifra. Le aspettative per i successivi 12 mesi erano salite al 13%.

Allo stesso tempo, il multiplo di valutazione forward del mercato si era compresso da 22 a 21 volte gli utili. Un multiplo di 21 volte non è storicamente a buon mercato, ma la combinazione suggeriva che gli utili stessero contribuendo più del semplice entusiasmo degli investitori.

La componente AI del mercato ha contribuito in modo rilevante a tali risultati. Gli hyperscaler continuavano ad acquistare chip, apparecchiature di networking, sistemi di alimentazione, tecnologie di raffreddamento e capacità di costruzione. La loro spesa sosteneva i ricavi lungo una catena di fornitura che si estendeva ben oltre gli sviluppatori di modelli.

Tuteja ha affermato che gli hyperscaler avevano impegnato 755 miliardi di dollari in spese in conto capitale nel 2026, pari a una crescita annua del 38%. Goldman ha presentato queste cifre come prova che la domanda restava attiva nell'intera infrastruttura AI.

Le spese in conto capitale, o capex, sono fondi utilizzati per acquisire asset di lunga durata come server, data center e apparecchiature elettriche. Sostengono immediatamente i fornitori, ma pongono una domanda più difficile per le società che le finanziano. Tali acquirenti dovranno infine ottenere rendimenti che giustifichino la spesa.

Il mercato ha già attraversato diversi livelli di questa espansione. I primi grandi beneficiari sono stati i produttori di semiconduttori avanzati. L'attenzione si è poi estesa a piattaforme cloud, data center, fornitori di energia, produttori di memoria, networking ottico e sistemi di raffreddamento specializzati.

Goldman ha dichiarato che il tema del networking ottico aveva guadagnato oltre il 100% nel 2026 entro metà maggio. Le azioni del raffreddamento a liquido, un'altra categoria di apparecchiature evidenziata dalla banca, erano salite di circa il 30%. Tali guadagni dimostrano la domanda, ma aumentano anche il rischio che i prezzi anticipino anni di esecuzione impeccabile.

La tesi di una spesa durevole si basa ora sempre più sull'uso effettivo dell'AI. I ricercatori dell'investment banking di Goldman hanno affermato che l'adozione aziendale si stava estendendo oltre i chatbot e gli strumenti di coding. I sistemi agentici, che possono eseguire attività in più passaggi anziché limitarsi a produrre una risposta, stavano aumentando i requisiti di calcolo.

Una società intervistata da Goldman ha dichiarato che il suo 5% principale di clienti aziendali consumava un numero di token triplo rispetto al cliente mediano. I token sono le piccole unità di testo che i modelli elaborano e generano. L'aumento dell'uso di token richiede in genere maggiore capacità di inferenza, ossia la potenza di calcolo utilizzata quando i modelli distribuiti rispondono agli utenti.

Goldman sostiene che l'offerta limitata possa estendere la spesa per le infrastrutture lungo diversi anni. La sua ricerca sull'adozione aziendale indica una domanda sostenuta mentre le società passano dagli esperimenti a flussi di lavoro operativi.

Tuttavia, i ricavi dei fornitori e i rendimenti degli acquirenti non sono la stessa cosa. Un produttore di chip può beneficiare di grandi ordini anche se un cloud provider in seguito fatica a monetizzare la capacità risultante. L'attuale solidità degli utili convalida la domanda di infrastrutture, ma non risolve l'economia dell'intero sistema.

Questa è la limitazione più importante nel resoconto di rsshub 36kr. Gli attuali profitti solidi possono sostenere una tesi di consolidamento, ma i mercati prezzano i flussi di cassa futuri. Gli investitori continueranno a chiedersi se i ricavi dell'AI possano crescere abbastanza rapidamente da coprire ammortamenti, energia, finanziamenti e costi di sviluppo.

La fase successiva dovrebbe quindi produrre un divario di performance più ampio. Le società che vendono componenti scarsi potrebbero mantenere il potere di determinazione dei prezzi. Le imprese che dipendono da un entusiasmo generalizzato saranno sottoposte a un maggiore esame. Gli hyperscaler dovranno dimostrare che nuovi servizi, miglioramenti nella pubblicità, carichi di lavoro cloud e guadagni di efficienza interni stanno trasformando il capex in rendimenti misurabili.

Perché gli ETF a leva possono trasformare una correzione in una disfatta

La recente volatilità non è stata solo un verdetto sulle società AI; è stata anche una conseguenza di come gli investitori hanno confezionato e finanziato la propria esposizione.

Gli exchange-traded fund a leva promettono un multiplo del rendimento giornaliero di un asset. Un ETF sui semiconduttori a due volte, per esempio, mira a fornire il doppio del movimento giornaliero dell'indice sottostante. Il fondo deve ribilanciarsi frequentemente per mantenere tale obiettivo.

Questo crea un ciclo di feedback meccanico. Quando gli asset sottostanti salgono, il fondo deve spesso acquistare esposizione aggiuntiva. Quando scendono, deve vendere. I trader descrivono questo comportamento come short gamma, poiché il ribilanciamento tende ad amplificare la direzione prevalente.

Tuteja aveva avvertito di questa struttura prima delle ultime vendite. Ha spiegato che un titolo che dovrebbe scendere del 3% dopo notizie negative potrebbe invece perdere il 10% quando prodotti a leva e altri venditori forzati riducono simultaneamente l'esposizione. Lo stesso meccanismo può amplificare i guadagni durante un rally.

Il rischio aumenta quando i fondi a leva detengono titoli volatili con una profondità di negoziazione limitata. Un piccolo prodotto ha un impatto di mercato minimo. Un grande prodotto costretto a operare vicino alla chiusura può muovere i prezzi, in particolare quando diversi fondi seguono mandati simili.

Brian Garrett di Goldman ha successivamente affermato che un ETF su cinque includeva una componente a leva o inversa. Tra gli ETF emessi nel 2026, la quota era di uno su tre. Questa crescita ha reso il mercato più aggressivo e aumentato l'impronta potenziale dei ribilanciamenti automatici.

Il problema era particolarmente evidente al di fuori dei principali indici statunitensi. Garrett ha osservato che la volatilità implicita del KOSPI della Corea del Sud era salita oltre i livelli registrati durante la crisi finanziaria globale. L'indice era diventato fortemente influenzato da un piccolo numero di titoli volatili legati alla catena di fornitura dell'AI.

La concentrazione può nascondere questa tensione. Un indice riunisce molti titoli, quindi i guadagni di un gruppo possono compensare le perdite altrove. Una bassa volatilità dell’indice può coesistere con movimenti estremi nelle singole azioni, creando quella che Garrett ha definito una differenza tra il mercato azionario e un mercato di azioni.

In questo contesto, un investitore che osserva solo l’S&P 500 o il Nasdaq può sottovalutare la pressione sotto la superficie. Le azioni dei semiconduttori, delle memorie e delle apparecchiature possono registrare ampie oscillazioni giornaliere mentre gli indici diversificati appaiono relativamente stabili.

La discussione sulla volatilità degli ETF chiarisce inoltre perché un posizionamento più pulito possa ridurre le turbolenze future. Quando gli hedge fund riducono l’esposizione e i prodotti a leva perdono asset, sono meno i partecipanti costretti a vendere durante il successivo ribasso.

Tuttavia, più pulito non significa privo di rischi. Lin ha affermato che, dopo il sell-off, l’esposizione degli hedge fund restava intorno alla parte centrale del suo intervallo recente. Gli investitori hanno inoltre ridotto le proprie coperture macroeconomiche mentre vendevano le posizioni nell’AI, un processo che ha descritto come de-grossing.

Una copertura macroeconomica è una posizione concepita per compensare il rischio dell’intero mercato, come una put su un indice o una posizione short sui future. Se gli investitori rimuovono sia le posizioni long sia le coperture protettive, i loro bilanci si riducono. Ciò abbassa l’esposizione immediata, ma può lasciare il mercato residuo sensibile a una nuova crescita delle correlazioni.

La correlazione misura quanto strettamente i titoli si muovono insieme. Una bassa correlazione favorisce chi seleziona singoli titoli, perché gli sviluppi specifici delle aziende contano di più. Una correlazione in aumento indica che gli investitori stanno di nuovo trattando molti titoli come espressioni di un unico rischio condiviso.

Questo meccanismo sostiene l’aspettativa di Goldman secondo cui la volatilità dovrebbe attenuarsi dopo il riequilibrio. Un posizionamento meno affollato riduce il carburante disponibile per le vendite forzate. Eppure, la stessa struttura di mercato resta in vigore, inclusi ETF a leva, attività sulle opzioni, indici concentrati e catene di fornitura dell’AI fortemente interconnesse.

La tesi del consolidamento non promette quindi scambi tranquilli. Suggerisce che la probabilità di ribassi ripetuti e autoalimentati sia diminuita perché gli investitori hanno già rimosso una quantità significativa di rischio. Un nuovo catalizzatore negativo potrebbe comunque riattivare il meccanismo.

Il vero avversario è l’esecuzione degli utili contro l’eccesso di posizionamento

La sfida decisiva non è tra rialzisti dell’AI e scettici dell’AI; è tra la performance operativa e le aspettative eccessive incorporate nelle operazioni affollate.

La visione costruttiva di Goldman funziona solo se gli utili continuano a convalidare il ciclo delle infrastrutture. Un posizionamento più contenuto può stabilizzare i prezzi, ma non può creare ricavi, migliorare i margini o generare rendimenti sul capitale investito.

Il trade sull’AI include aziende con economie molto diverse. Nvidia e altri fornitori di chip vendono apparecchiature di calcolo soggette a vincoli di offerta. I fornitori cloud finanziano data center. Utility e aziende industriali forniscono energia e raffreddamento. Gli sviluppatori software cercano ricavi da modelli e applicazioni.

Un’unica etichetta può nascondere queste differenze. Alcuni fornitori di infrastrutture riconoscono i ricavi con la consegna delle apparecchiature. Gli hyperscaler sostengono anni di ammortamenti e spese operative. Le aziende applicative devono convincere i clienti a pagare abbastanza per i servizi AI da coprire i costi di inferenza.

Questa distinzione diventa più importante durante il consolidamento. In un rally generalizzato, gli investitori spesso premiano l’esposizione a un tema popolare. In un mercato più lento, risultati trimestrali e guidance creano differenze più nette tra le aziende.

La valutazione di Goldman di maggio offriva un solido punto di partenza. La crescita degli utili restava elevata e la domanda legata all’AI appariva resiliente nonostante l’inflazione e una crescita economica più debole. Tuteja ha persino descritto l’AI come relativamente resistente alle pressioni che colpiscono le aziende consumer e cicliche.

Questa interpretazione difensiva ha dei limiti. La spesa per l’AI è finanziata da aziende con bilanci solidi, ma resta un’allocazione discrezionale di capitale. I dirigenti possono rinviare i progetti se i rendimenti attesi diminuiscono, il finanziamento diventa più costoso o i vincoli elettrici ostacolano l’implementazione.

I tassi d’interesse aggiungono un ulteriore livello di complessità. Rendimenti più elevati dei titoli di Stato a lungo termine aumentano il tasso di sconto applicato agli utili futuri. Questo effetto può pesare soprattutto sulle aziende le cui valutazioni dipendono da profitti attesi tra molti anni.

Tuteja ha evidenziato il superamento del 5% da parte del rendimento dei Treasury a 30 anni a maggio come un’importante soglia psicologica. Il livello preciso cambia con il mercato, ma la relazione sottostante resta rilevante. Un capitale costoso esercita maggiore pressione sulle aziende affinché dimostrino rendimenti nel breve termine.

L’argomentazione scettica si concentra anche sulla concentrazione. Le aziende legate all’AI rappresentano una quota rilevante dei principali indici statunitensi, il che significa che risultati deludenti di poche imprese possono influenzare gli investitori passivi ben oltre i portafogli tecnologici dedicati.

Goldman ha in precedenza avvertito che una leadership ristretta e rapidi guadagni di momentum spesso precedono una maggiore volatilità e rendimenti più deboli. Ciò non identifica un picco di mercato, ma mette in discussione l’assunto secondo cui una forte performance degli indici dimostri un’ampia salute economica.

Il riepilogo di rsshub 36kr sottolinea il miglioramento delle prospettive dopo lo scuotimento del mercato. Una lettura più completa è condizionata. La riduzione dell’esposizione di hedge fund ed ETF elimina una fonte di instabilità, mentre gli utili devono ancora superare valutazioni impegnative e enormi fabbisogni di capitale.

Esiste inoltre un divario di verifica riguardo all’ultima nota strategica. Il flash di notizie pubblico fornisce una breve parafrasi, mentre le discussioni pubbliche di Goldman sui mercati offrono dati e ragionamenti correlati. Senza la nota completa per i clienti, i lettori dovrebbero evitare di trattare ogni dettaglio come una previsione certa per tutte le azioni AI.

Goldman stessa distingue le opinioni istituzionali dai commenti individuali sul mercato. Le sue trascrizioni pubbliche affermano che le opinioni dei relatori possono cambiare e non rappresentano necessariamente la banca nel suo insieme. Sono inoltre esplicitamente presentate come informazioni, non come consulenza d’investimento.

Questa cautela conta perché diversi team di Goldman esaminano parti differenti del mercato. Gli specialisti di prime brokerage si concentrano sul posizionamento degli hedge fund. I trader della volatilità esaminano opzioni e flussi degli ETF. Gli strateghi azionari valutano utili, valutazioni e costruzione dei portafogli.

Le loro opinioni possono comunque formare un quadro coerente. Il posizionamento era diventato estremo, le strutture di mercato amplificavano le inversioni e gli utili restavano relativamente favorevoli. Dopo la riduzione della leva, l’equilibrio tra fondamentali e pressione tecnica è diventato meno sfavorevole.

Tuttavia, una spiegazione coerente non è una garanzia. Un consolidamento può risolversi con nuovi rialzi, un prolungato mercato laterale o un altro ribasso. L’esito dipende dal fatto che i profitti raggiungano le aspettative prima dell’arrivo di un nuovo shock macroeconomico o specifico di un’azienda.

I lettori dovrebbero quindi resistere a due narrazioni semplicistiche. Il sell-off non ha dimostrato che gli investimenti nell’AI siano falliti. Una forte spesa per le infrastrutture non dimostra che ogni valutazione legata all’AI sia giustificata.

Cosa l’outlook di Goldman Sachs sull’AI non può ancora risolvere

Tre questioni irrisolte possono indebolire l’ipotesi di consolidamento: la monetizzazione del capex, la leva persistente e l’aumento delle correlazioni tra gli asset AI.

La prima questione è la monetizzazione. Gli hyperscaler devono dimostrare come la spesa per le infrastrutture si traduca in ricavi cloud, guadagni pubblicitari, crescita degli abbonamenti o minori costi interni. Affermazioni generiche sulla produttività futura non offriranno prove sufficienti.

Gli investitori dovrebbero confrontare le spese in conto capitale con i ricavi incrementali e il reddito operativo. Dovrebbero inoltre monitorare gli ammortamenti, perché server e apparecchiature di rete generano costi lungo la loro vita utile. La rapida sostituzione dell’hardware può rendere questo onere più significativo.

La tempistica contabile può temporaneamente favorire la narrazione. La liquidità esce quando le aziende costruiscono data center, mentre l’ammortamento si distribuisce nei futuri conti economici. I ricavi possono arrivare gradualmente o restare difficili da attribuire direttamente all’AI.

La seconda questione è la leva. Gli hedge fund hanno ridotto l’esposizione, ma Goldman ha affermato che il posizionamento non era stato completamente ripulito. Anche gli ETF a leva e l’attività sulle opzioni restano caratteristiche strutturali del mercato, anziché partecipanti temporanei.

Un periodo più calmo può attirare rapidamente di nuovo il rischio. Se la volatilità diminuisce e i prezzi recuperano, i fondi possono ricostruire le posizioni, i trader retail possono tornare alle call option e i prodotti a leva possono raccogliere nuovi asset. Questo processo può ricreare la stessa vulnerabilità a prezzi diversi.

La terza questione è la correlazione. Lin ha identificato l’aumento della correlazione tra azioni come un segnale chiave da monitorare dopo la riduzione del rischio. Se le correlazioni restano basse, gli utili e l’esecuzione specifica delle aziende possono guidare i rendimenti. Se aumentano bruscamente, la pressione macroeconomica può nuovamente sopraffare le distinzioni fondamentali.

La recente liquidazione di un portafoglio AI di alto profilo dimostra questo rischio. Axios ha riferito che Situational Awareness ha venduto le proprie partecipazioni in azioni quotate a Citadel, dopo pesanti perdite nelle azioni AI. La sua esperienza non prevede un’altra liquidazione, ma mostra come un’esposizione concentrata possa trasmettere tensione.

La vendita del fondo AI complica anche l’idea che la riduzione del posizionamento sia automaticamente rialzista. Alcune vendite migliorano il futuro equilibrio del mercato. Altre possono segnalare che perdite, pressioni di finanziamento o riscatti restano irrisolti.

Un’altra incertezza riguarda la composizione della domanda. L’addestramento di modelli frontier richiede cluster enormi, mentre l’inferenza distribuisce le esigenze di calcolo tra i prodotti implementati. Uno spostamento verso l’inferenza può ampliare la domanda, ma può anche favorire diversi fornitori di hardware e software.

I miglioramenti dell’efficienza creano un ulteriore compromesso. Chip migliori, modelli ottimizzati e inferenza più economica possono ridurre il costo di ogni attività. Costi inferiori possono espandere l’utilizzo, ma possono anche ridurre le aspettative di ricavo dei fornitori se la domanda non cresce abbastanza rapidamente.

La disponibilità di energia può limitare entrambi gli aspetti. I data center necessitano di elettricità, capacità di trasmissione, raffreddamento e autorizzazioni. Ordini robusti di chip non garantiscono che i sistemi completati possano essere alimentati nei tempi previsti.

La politica geopolitica resta un’altra variabile. Controlli sulle esportazioni, dazi e restrizioni tecnologiche USA-Cina possono modificare la domanda di processori avanzati e apparecchiature di produzione. Possono inoltre accelerare catene di fornitura alternative che competono per il capitale.

Nessuna di queste incertezze invalida la conclusione di Goldman secondo cui le condizioni sono migliorate. Spiegano perché condizioni migliori debbano essere descritte come un contesto più favorevole, non come un caso d’investimento risolto.

La migliore prova della tesi del consolidamento arriverà da reazioni dei prezzi più selettive. Se le aziende con ordini solidi e margini in miglioramento sovraperformano i concorrenti più deboli, il mercato sta tornando a discriminare in base ai fondamentali. Se l’intero gruppo continua a muoversi insieme, il posizionamento domina ancora.

Tre segnali da monitorare nei prossimi tre mesi

La prossima fase sarà decisa dai rendimenti degli hyperscaler, dall’esposizione degli hedge fund e dalla correlazione tra le singole azioni AI.

Il primo segnale è la conversione delle spese in conto capitale. I prossimi risultati degli hyperscaler dovrebbero comunicare i piani di spesa e fornire prove che la capacità AI stia producendo ricavi o incrementi di efficienza misurabili.

Gli investitori dovrebbero concentrarsi sui cambiamenti nella crescita del cloud, nella domanda di servizi AI, nei margini operativi e nella guidance del management. Un capex in aumento accompagnato da ricavi in miglioramento rafforzerebbe la tesi di consolidamento di Goldman. Un capex in aumento senza rendimenti più chiari la indebolirebbe.

La distinzione è importante perché i fornitori di infrastrutture possono registrare risultati eccellenti prima che i loro maggiori clienti stabiliscano un’economia interessante. Il mercato ha bisogno di prove da entrambi i lati della transazione.

I trader di Goldman hanno indicato gli utili degli hyperscaler come il principale banco di prova nel breve termine. Lin ha affermato di osservare le traiettorie di spesa e i progressi nella conversione del capex in ricavi e profitti incrementali. Si tratta di uno standard più esigente rispetto al semplice mantenimento degli investimenti.

Il secondo segnale è se gli hedge fund ricostruiranno l'esposizione. L'intervallo successivo alle vendite, compreso approssimativamente tra il 60° e il 65° percentile, indica margine per ulteriori acquisti, ma significa anche che il mercato non parte da una posizione eccezionalmente difensiva.

Un aumento graduale sostenuto dagli utili rafforzerebbe l'idea che il riequilibrio abbia eliminato la leva più fragile. Un rapido ritorno verso i massimi precedenti ricreerebbe l'affollamento prima che le evidenze fondamentali abbiano avuto il tempo di migliorare.

Gli asset degli ETF e il posizionamento sulle opzioni meritano attenzione insieme agli hedge fund. Una crescita continua dei prodotti a leva e inversi aumenterebbe il volume di negoziazioni meccaniche attorno ai titoli volatili.

Il terzo segnale è la correlazione tra i titoli. Una bassa correlazione indicherebbe che gli investitori stanno distinguendo i vincitori dalle imprese più deboli. Darebbe inoltre ai gestori attivi maggiore margine per negoziare in base ai fondamentali specifici delle singole società.

Un forte aumento della correlazione suggerirebbe che il comparto AI si sta nuovamente comportando come un'unica posizione macro a leva. In questo contesto, anche le aziende solide possono scendere perché gli investitori vendono le partecipazioni più liquide per ridurre il rischio complessivo.

Questi segnali vanno interpretati congiuntamente. Una migliore economia degli hyperscaler può giustificare una rinnovata esposizione. Un'esposizione moderata può favorire una formazione ordinata dei prezzi. Una bassa correlazione può consentire alla qualità degli utili di determinare quali titoli recuperano.

La combinazione opposta sarebbe rischiosa. Una monetizzazione debole, il rapido ritorno della leva e l'aumento della correlazione indebolirebbero l'affermazione secondo cui la recente ondata di vendite sia stata soltanto un sano riequilibrio.

Il newsflash di rsshub 36kr ha colto la direzione ottimistica della visione di Goldman, ma l'analisi pubblica della banca fornisce le condizioni necessarie. Utili solidi e un posizionamento più pulito migliorano il quadro. Non eliminano i rischi legati a valutazioni, leva finanziaria o esecuzione.

Per gli sviluppatori, gli acquirenti enterprise e gli utenti di prodotti AI, questo dibattito di mercato ha conseguenze pratiche. Un ciclo infrastrutturale sostenuto può ridurre i costi di inferenza ed espandere la capacità disponibile. Un rallentamento della spesa può ritardare i data center, limitare l'accesso e spingere i fornitori a dare priorità ai carichi di lavoro redditizi.

I team enterprise dovrebbero quindi monitorare l'economia dei prodotti insieme ai mercati finanziari. La crescita delle implementazioni reali offre prove più solide rispetto allo slancio dei titoli. La tesi di Goldman diventa più convincente quando l'aumento dell'uso dei token produce ricavi ricorrenti e risultati aziendali misurabili.

La scommessa sull'AI non ha bisogno di un'altra corsa ininterrotta per rimanere intatta. Ha bisogno di un mercato più tranquillo, nel quale gli utili possano raggiungere le aspettative. Nei prossimi tre mesi, osservate se la spesa in conto capitale produce rendimenti, se la leva si ricostruisce in modo responsabile e se i singoli titoli iniziano a negoziare sulla base dei propri risultati.