Jamie Dimon afferma che il boom dei data center per l'AI non svanirà
Jamie Dimon ha respinto i timori che il boom dei data center per l'AI possa svanire, nonostante le crescenti preoccupazioni su debito, energia e rendimenti incerti. La posizione dell'amministratore delegato di JPMorgan Chase ha raggiunto un pubblico più ampio tramite Google News dopo che CNBC ha evidenziato la sua fiducia nel ciclo delle infrastrutture.
La sua tesi non è semplicemente che l'intelligenza artificiale resterà popolare. Dimon scommette che la domanda di capacità di calcolo continuerà a crescere abbastanza rapidamente da sostenere un'ondata straordinaria di costruzioni e finanziamenti.
Questa fiducia lo pone in contrapposizione agli investitori che vedono echi del boom delle telecomunicazioni della fine degli anni Novanta. Entrambi i periodi hanno comportato enormi investimenti in infrastrutture prima che si sapesse quanta domanda redditizia sarebbe infine emersa.
Il confronto è importante perché JPMorgan occupa diverse posizioni in questo mercato. Utilizza l'AI internamente, consiglia aziende tecnologiche, struttura finanziamenti e valuta i rischi di credito che ne derivano.
Dimon offre quindi più di una previsione estemporanea. Esprime il punto di vista di una delle istituzioni che contribuiscono a indirizzare capitali verso chip, data center, sistemi energetici e infrastrutture cloud.
Le prove più solide sostengono una domanda persistente nel breve termine. Il rendimento di lungo periodo di tutti questi investimenti resta molto più difficile da stabilire.
Cosa segnala davvero il momento di Jamie Dimon su Google News
La fiducia di Dimon sposta il dibattito dal fatto che l'infrastruttura per l'AI verrà costruita alla capacità dei suoi utenti di ricavarne abbastanza profitti.
La sua posizione è coerente con le dichiarazioni rilasciate durante un evento Anthropic a New York nel maggio 2026. Dimon ha affermato che la tecnologia giustificava investimenti nell'ordine dei mille miliardi di dollari, secondo un resoconto del ciclo di capitale dell'AI.
Questa approvazione proveniva dal leader della più grande banca statunitense per attivi. È arrivata inoltre mentre le aziende tecnologiche aumentavano gli impegni infrastrutturali e cercavano maggiori finanziamenti esterni.
Un data center per l'AI è una struttura progettata per eseguire cluster ad alta densità di processori specializzati. Questi processori addestrano modelli ed eseguono l'inferenza, ossia il processo di generazione di risposte da modelli addestrati.
La distinzione tra addestramento e inferenza aiuta a spiegare la fiducia di Dimon. L'addestramento crea i modelli, mentre l'inferenza collega la domanda di calcolo all'attività quotidiana dei clienti.
J.P. Morgan Asset Management stima che l'inferenza rappresenti ora circa due terzi dei carichi di lavoro di calcolo per l'AI. Sostiene che questa composizione renda la nuova capacità più legata a servizi utilizzabili rispetto ai precedenti progetti speculativi di addestramento.
L'istituzione stima inoltre che la spesa in conto capitale degli hyperscaler abbia superato i 400 miliardi di dollari nel 2025. Prevede che tale importo si avvicini agli 800 miliardi di dollari nel corso del 2026.
Gli hyperscaler sono aziende che gestiscono enormi piattaforme cloud, tra cui Amazon, Microsoft, Google e Meta. La loro scala consente di finanziare l'infrastruttura con flusso di cassa operativo, debito societario e impegni di lungo termine.
Queste stime non dimostrano che ogni struttura pianificata avrà successo. Mostrano però perché Dimon non considera cancellazioni isolate o ritardi di costruzione come prove di un collasso generalizzato.
I grandi progetti di data center cambiano regolarmente perché connessioni elettriche, permessi, attrezzature e impegni dei clienti avanzano secondo calendari diversi. Un sito in ritardo non rappresenta automaticamente un indebolimento della domanda di calcolo.
La distribuzione tramite Google News può appiattire queste distinzioni. Un singolo titolo su una struttura sospesa può comparire accanto a un altro che annuncia un campus da miliardi di dollari, creando l'impressione di un'inversione improvvisa.
L'intervento di Dimon fornisce un quadro più chiaro. Il boom non è un singolo progetto uniforme che riesce o fallisce. È un portafoglio di strutture, schemi di finanziamento, locatari e accordi energetici regionali.
Alcuni progetti perderanno quasi certamente denaro. Questo esito può coesistere con una domanda infrastrutturale sostenuta nell'intero mercato.
Dimon ha già riconosciuto questa separazione. Ha sostenuto che l'AI è reale, pur avvertendo che parte del capitale investito andrà sprecata.
Questa posizione è più credibile che sostenere che ogni valutazione o struttura attuale sia giustificata. Le tecnologie di uso generale spesso producono infrastrutture di valore accanto ad aziende fallite e investimenti effettuati nel momento sbagliato.
Internet è sopravvissuto al collasso delle dot-com. Le reti in fibra costruite in quel periodo hanno poi sostenuto servizi che i loro investitori originari non hanno sempre vissuto abbastanza da monetizzare.
Dimon sembra aspettarsi una separazione analoga tra domanda tecnologica e rendimenti degli investitori. L'AI può trasformare l'attività economica pur continuando a produrre vittime finanziarie.
Questo è il segnale cruciale dietro il titolo di CNBC. Non promette un ciclo lineare. Respinge l'idea che gli ostacoli elimineranno il bisogno sottostante di capacità di calcolo.
La domanda reale distingue questa espansione dal crollo della fibra
L'argomento più forte a favore della posizione di Dimon è che la capacità per l'AI rimane scarsa, mentre il boom delle dot-com produsse infrastrutture molto più avanzate rispetto all'utilizzo.
L'attuale analisi sulle infrastrutture AI di J.P. Morgan afferma che oltre il 70% della capacità dei data center in costruzione è già stato affittato. Questo livello di prelocazione offre agli sviluppatori maggiore visibilità sui ricavi prima che gli edifici entrino in funzione.
La stessa analisi afferma che solo il 7% della rete in fibra ottica veniva utilizzato nel punto più basso del 2002 della bolla delle telecomunicazioni. Gli investitori avevano finanziato un'offerta che superava sostanzialmente la domanda dell'epoca.
Il mercato attuale presenta la condizione opposta, almeno per ora. I fornitori cloud continuano a segnalare una capacità di calcolo limitata, mentre i clienti riservano l'accesso con anni di anticipo.
Le principali piattaforme cloud hanno registrato una crescita media dei ricavi del 44% nel primo trimestre del 2026, secondo J.P. Morgan Asset Management. Questa crescita non deriva interamente dall'AI, ma i servizi AI sono un contributo importante.
Anche il carico di lavoro sta diventando più esigente. I modelli di ragionamento eseguono calcoli aggiuntivi prima di produrre una risposta, mentre gli agenti AI possono effettuare chiamate ripetute al modello per completare un'attività.
Una richiesta a un chatbot di base potrebbe richiedere una sola risposta. Un agente che gestisce ricerca, codice o processi aziendali può generare decine di richieste collegate.
Questa moltiplicazione significa che i miglioramenti dell'efficienza non riducono necessariamente la domanda infrastrutturale totale. Un calcolo meno costoso può incoraggiare gli sviluppatori a eseguire più attività, servire più utenti e creare applicazioni più complesse.
Il modello ricorda altri mercati tecnologici nei quali costi unitari più bassi espandono il consumo totale. Reti più efficienti non hanno ridotto il traffico internet, e chip migliori non hanno posto fine alla domanda di calcolo.
Anche le aziende sono ancora nelle fasi iniziali dell'adozione. J.P. Morgan stima che circa il 20% delle imprese statunitensi dichiari di utilizzare l'AI, sebbene i sondaggi differiscano perché misurano l'utilizzo in modi diversi.
Ciò lascia un notevole margine di espansione. Espone inoltre la debolezza dell'ipotesi che l'adozione attuale si trasformi automaticamente in un'implementazione redditizia a livello aziendale.
La sperimentazione crea domanda di risorse di calcolo, ma una domanda sostenuta richiede flussi di lavoro utili. Le aziende devono integrare i modelli con i propri dati, controlli di sicurezza, software e responsabilità dei dipendenti.
I casi d'uso attuali più solidi includono sviluppo software, elaborazione documentale, assistenza clienti, pubblicità, ricerca e analisi finanziaria. Ciascuno può generare una domanda continua di inferenza dopo l'addestramento di un modello.
JPMorgan stessa offre un esempio rilevante, poiché la banca ha implementato l'AI in ambiti di rischio, operazioni, servizi e strumenti per i dipendenti. La sua esperienza espone direttamente Dimon alla difficoltà e all'utilità dell'adozione aziendale.
La domanda interna della banca non stabilisce il rendimento dell'intero mercato. Tuttavia, aiuta a spiegare perché Dimon considera l'AI una tecnologia operativa anziché una novità speculativa per i consumatori.
L'altra evidenza deriva dalla scarsità fisica. I tassi di sfitto dei data center sono rimasti vicini ai minimi storici nei principali mercati, mentre l'accesso a una fornitura elettrica adeguata è diventato un vincolo determinante.
La scarsità può mascherare progetti deboli perché i clienti accettano condizioni sfavorevoli quando la capacità è limitata. Tuttavia, può anche proteggere le strutture consolidate sostenendo l'occupazione e i contratti a lungo termine.
Il mercato che ne risulta è più complesso di un semplice confronto con una bolla. L'offerta attuale è limitata, i clienti stanno riservando capacità e i ricavi cloud sono in crescita.
Questi fatti favoriscono la visione di Dimon nel breve termine. Non risolvono però la questione se la spesa alla scala prevista per il 2026 genererà rendimenti accettabili nell'arco di vita di una struttura.
Il precedente della fibra si presta quindi a entrambe le interpretazioni. L'infrastruttura può restare socialmente utile distruggendo al tempo stesso capitale per i proprietari che hanno pagato troppo o contratto debiti su ipotesi irrealistiche.
Questa distinzione definisce il conflitto principale. Dimon difende una domanda durevole di capacità di calcolo, mentre gli scettici mettono in discussione le strutture finanziarie costruite attorno a tale domanda.
Il boom ora dipende dal debito quanto dai chip
I data center per l'AI stanno passando da un ciclo tecnologico finanziato con liquidità a una prova di finanziamento che può mettere in luce locatari e progetti più deboli.
Amazon, Alphabet, Meta e Microsoft sono entrate nel ciclo con bilanci insolitamente solidi. J.P. Morgan stima che le quattro detenessero circa 430 miliardi di dollari in liquidità e titoli negoziabili dopo il primo trimestre del 2026.
Il loro flusso di cassa operativo combinato avrebbe dovuto raggiungere circa 575 miliardi di dollari nel corso dell'anno. Questa solidità finanziaria le distingue da molte aziende non redditizie che finanziarono il boom delle dot-com.
Tuttavia, la spesa in conto capitale assorbe una quota crescente di questa generazione di liquidità. J.P. Morgan stima che la spesa degli hyperscaler rappresentasse quasi il 60% del flusso di cassa operativo nel 2025.
La società prevede che la quota raggiunga tra il 90% e il 100% nel corso del 2026. Questo cambiamento riduce il margine disponibile per riacquisti di azioni, acquisizioni, dividendi e debolezze inattese dell'attività.
Le aziende cloud possono continuare a investire, ma devono compiere scelte più nette. Possono rallentare la costruzione, indebitarsi di più o trasferire gli obblighi dei progetti a sviluppatori e veicoli di finanziamento specializzati.
I mercati obbligazionari stanno diventando sempre più importanti. Gli hyperscaler hanno emesso circa 121 miliardi di dollari in obbligazioni nel 2025, secondo J.P. Morgan Asset Management.
L'istituzione prevede che le emissioni salgano a circa 250 miliardi di dollari nel 2026. Si aspetta inoltre che il credito privato e gli accordi fuori bilancio sostengano un numero maggiore di progetti.
Il finanziamento fuori bilancio colloca attività o obbligazioni in entità separate anziché direttamente nel bilancio principale di un'azienda tecnologica. Questa struttura può distribuire il rischio, ma può anche rendere più difficile valutare l'esposizione complessiva.
Il debito netto medio degli hyperscaler resta modesto rispetto agli utili. J.P. Morgan colloca il debito netto a circa 0,8 volte gli utili prima di interessi, imposte, deprezzamento e ammortamento.
Il rapporto comparabile per un tipico emittente investment grade è intorno a 2,6 volte. Questo divario suggerisce che le principali aziende tecnologiche possano assorbire più debito rispetto alla maggior parte degli emittenti societari.
Tuttavia, la media può nascondere differenze importanti tra i progetti. Una struttura affittata a un fornitore cloud diversificato comporta un rischio diverso rispetto a una che dipende da un singolo laboratorio di AI.
Gli sviluppatori finanziano comunemente la costruzione sulla base di contratti di locazione a lungo termine e dei pagamenti attesi dagli inquilini. Se un inquilino non riesce a raccogliere capitale, rinegozia il proprio impegno o utilizza meno capacità, l’economia del progetto può peggiorare.
Le banche sono sotto pressione per distinguere i contratti durevoli dalla domanda generata dal panico competitivo. Devono inoltre valutare il valore di strutture specializzate qualora l’inquilino originario se ne vada.
L’hardware per l’AI può diventare obsoleto più rapidamente degli edifici e delle connessioni elettriche. Un campus progettato attorno a una generazione di processori potrebbe richiedere costosi adeguamenti per i sistemi successivi.
Questo crea uno squilibrio tra una tecnologia in rapida evoluzione e debiti di lunga durata. Il finanziamento dei data center può estendersi per anni, mentre i progetti dei processori e i requisiti di raffreddamento cambiano molto più velocemente.
La posizione di JPMorgan rende l’ottimismo di Dimon particolarmente rilevante. La banca può ricavare commissioni e interessi da un ciclo di costruzione duraturo, ma deve proteggersi da perdite concentrate.
La sua posizione va quindi interpretata come fiducia nella domanda aggregata, non come un’approvazione creditizia generalizzata. JPMorgan può credere nel settore pur rifiutando finanziamenti per specifici inquilini o strutture.
È qui che i titoli di Google News possono oscurare la vera competizione. La divisione cruciale non è tra banche rialziste e tecnologi ribassisti.
È tra domanda durevole e condizioni di finanziamento che presuppongono che ogni parte del mercato crescerà insieme. La prima tesi dispone di prove più solide della seconda.
La pressione ricade ora su finanziatori, sviluppatori e fornitori cloud. Ciascuno deve dimostrare che la domanda contrattuale rappresenta un utilizzo redditizio e continuativo da parte dei clienti, anziché un accumulo strategico di capacità.
Un’azienda può riservare risorse di calcolo perché teme di perdere l’accesso a favore di un concorrente. Questa decisione può sostenere le locazioni nel breve termine senza confermare ricavi applicativi nel lungo periodo.
Il ciclo dei finanziamenti diventerà meno indulgente con l’aumento dell’indebitamento. Spread creditizi, qualità degli inquilini, termini dei contratti di locazione e cancellazioni di progetti riveleranno più dei totali promozionali relativi alle costruzioni.
La fiducia di Dimon supera questa prova solo se i finanziatori riescono ad assorbire i singoli fallimenti senza ritirarsi su vasta scala. Un mercato del credito funzionante può finanziare progetti solidi rivalutando al contempo quelli più deboli.
Un ritiro disordinato avrebbe un aspetto diverso. Combinerebbe insolvenze degli inquilini, sindacazioni fallite, utilizzo in calo e cancellazioni diffuse presso più fornitori cloud.
Le prove disponibili non dimostrano questo scenario. Giustificano però un monitoraggio più attento del debito mentre il ciclo infrastrutturale si espande.
L’energia è un vincolo più grande della scomparsa della domanda di AI
La minaccia più immediata per i data center AI è spesso la mancanza di elettricità disponibile, non una carenza di clienti che richiedono capacità di calcolo.
I data center rappresentano attualmente circa il 4% del consumo di elettricità negli Stati Uniti, secondo l’analisi di J.P. Morgan. Questa quota potrebbe circa triplicare entro il 2030.
Un singolo grande campus può richiedere oltre un gigawatt di potenza. Tale carico è paragonabile al consumo di elettricità di una grande città.
Anche i nuovi rack di server stanno diventando più densi. Le configurazioni pianificate più avanzate impongono requisiti elettrici e di raffreddamento molto maggiori per ogni metro quadrato di struttura.
La costruzione di un data center può richiedere tra due e tre anni. La nuova generazione di energia richiede spesso tra cinque e dieci anni, mentre lo sviluppo della trasmissione può richiedere ancora più tempo.
Questo divario temporale ha reso le connessioni alla rete più preziose dei terreni in diversi mercati. Uno sviluppatore può ottenere permessi e processori, ma non disporre comunque di elettricità sufficiente per farli funzionare.
La Virginia settentrionale illustra il problema. La regione ospita la più grande concentrazione mondiale di data center, eppure le nuove grandi connessioni possono affrontare attese di diversi anni.
Alcune strutture di recente costruzione a Santa Clara hanno operato al di sotto della capacità perché la rete locale non poteva fornire energia sufficiente. Se osservati esclusivamente attraverso il tasso di occupazione, questi esempi possono sembrare domanda debole.
Rivelano invece un’offerta bloccata: infrastrutture completate che non possono operare pienamente perché manca un altro input necessario.
J.P. Morgan stima che siano in costruzione solo circa sei gigawatt di capacità nei principali mercati statunitensi. La pipeline di pianificazione è molto più ampia, ma molti progetti proposti non riusciranno mai a ottenere energia.
Questo processo di selezione può sostenere la prospettiva di Dimon. Se l’elettricità limita le costruzioni, le strutture utilizzabili possono mantenere un’elevata occupazione anche quando gli sviluppatori annunciano più capacità teorica.
Crea anche rischi politici ed economici. Le utility devono decidere chi finanzia generazione, sottostazioni, linee di trasmissione e capacità di riserva.
I residenti si oppongono sempre più ad accordi che potrebbero aumentare le bollette elettriche domestiche. Mettono inoltre in discussione l’uso dell’acqua, il consumo di suolo, il rumore e il numero di posti di lavoro permanenti creati.
Gli Stati hanno iniziato a sviluppare tariffe speciali per gli utenti di elettricità molto grandi. Queste regole possono richiedere ai data center di pagare gli ammodernamenti della rete e garantire pagamenti minimi.
Tali contratti riducono la probabilità che le famiglie sostengano l’intero costo. Aumentano però anche la spesa e l’impegno richiesti agli operatori.
L’opposizione delle comunità non è più una questione secondaria legata ai permessi. J.P. Morgan cita stime secondo cui la resistenza locale ha ritardato o bloccato progetti per oltre 150 miliardi di dollari nel 2025.
Questa cifra non va interpretata come investimento eliminato in modo permanente. Gli sviluppatori possono trasferire i progetti, riprogettarli o negoziare nuovi accordi di condivisione dei costi.
Tuttavia, il trasferimento modifica le prestazioni di rete e l’economia della costruzione. I sistemi AI necessitano di connessioni affidabili tra strutture, utenti e fonti di dati, quindi non tutti i siti sono intercambiabili.
Le aziende cloud stanno rispondendo con accordi energetici a lungo termine. Le loro strategie includono gas naturale, energia nucleare, sistemi geotermici, celle a combustibile, generazione solare e accumulo a batterie.
Diverse soluzioni richiederanno anni per crescere di scala. Le turbine a gas affrontano lunghi arretrati di ordini, mentre i nuovi impianti nucleari comportano incertezze normative, costruttive e di costo.
La scarsità di energia colpisce anche i concorrenti più piccoli in modo più grave. Le grandi aziende cloud possono firmare contratti di lunga durata e finanziare generazione dedicata, mentre le startup devono acquistare capacità ai prezzi di mercato.
Questa dinamica può concentrare l’infrastruttura AI attorno ad aziende con bilanci solidi. Può inoltre aumentare la dipendenza da poche piattaforme cloud.
Per gli acquirenti aziendali, il risultato può emergere attraverso prezzi dei servizi, restrizioni regionali o limiti di capacità. Gli sviluppatori possono sostenere costi più elevati anche se i modelli diventano più efficienti.
L’efficienza resta importante, ma non può essere valutata isolatamente. Quando ogni attività diventa meno costosa, le aziende spesso ne eseguono di più e creano applicazioni più esigenti.
Il collo di bottiglia dell’energia rafforza quindi e complica l’argomentazione di Dimon. La scarsità sostiene il valore delle strutture operative, ma può impedire al settore di soddisfare economicamente la domanda prevista.
Un boom non deve affievolirsi per deludere gli investitori. Ritardi nella costruzione, costi della rete e restrizioni locali possono ridurre i rendimenti lasciando intatta la domanda dei clienti.
Questa distinzione dovrebbe guidare il modo in cui i lettori interpretano la futura copertura di Google News. Un campus cancellato potrebbe riflettere problemi di finanziamento, autorizzazioni, energia o inquilini, anziché un giudizio sull’intero mercato.
La domanda utile non è se un progetto si sia fermato. È perché si sia fermato e se il suo cliente abbia spostato il carico di lavoro altrove.
Tre segnali metteranno alla prova la scommessa di Dimon sui data center AI
I ricavi cloud, le condizioni di finanziamento e la capacità operativa determineranno se Dimon ha identificato una domanda duratura o ha sottovalutato un costoso squilibrio.
Il primo segnale è la crescita dei ricavi cloud dopo l’ondata infrastrutturale del 2026. Gli investitori dovrebbero confrontare la crescita dei servizi legati all’AI con il capitale necessario a sostenerli.
I ricavi non devono eguagliare immediatamente la spesa per la costruzione, poiché i data center operano per molti anni. Devono però mostrare un percorso credibile verso la copertura di ammortamento, elettricità, rete e costi di finanziamento.
La separata analisi sugli investimenti AI di J.P. Morgan stima che ottenere un rendimento del 10% sugli investimenti attuali potrebbe richiedere 650 miliardi di dollari di ricavi annuali dall’AI. Si tratta di una soglia impegnativa, non di una previsione di vendite garantite.
Se la crescita del cloud resta forte mentre i costi unitari diminuiscono, la tesi di Dimon guadagna sostegno. Un utilizzo in aumento mostrerebbe che la nuova capacità serve applicazioni in espansione anziché riserve inutilizzate.
Se la crescita dei ricavi rallenta mentre la spesa in conto capitale resta vicina ai livelli attuali, la tesi si indebolisce. I fornitori cloud si troverebbero allora sotto pressione per ridurre i progetti o accettare rendimenti inferiori.
Il secondo segnale è il comportamento dei mercati del credito. I lettori dovrebbero osservare emissioni obbligazionarie, spread creditizi, finanziamenti privati e la capacità delle banche di distribuire grandi prestiti di progetto.
Emissioni più elevate da sole non indicano difficoltà. Le aziende solide spesso prendono a prestito perché il debito offre un modo efficiente di finanziare asset che producono ricavi per molti anni.
L’avvertimento emerge quando i finanziatori richiedono una compensazione significativamente maggiore o rifiutano l’esposizione a specifici inquilini. Sindacazioni fallite e ristrutturazioni ripetute indicherebbero un aumento del rischio percepito.
Una rendicontazione trasparente sarà importante man mano che più investimenti passeranno attraverso entità di progetto separate. Gli investitori devono sapere quale azienda garantisce un contratto di locazione e chi assorbe le perdite se la domanda cala.
L’esito ottimistico è una rivalutazione selettiva. I progetti solidi continuano a ricevere capitale, mentre i piani più deboli vengono ritardati o cancellati senza destabilizzare l’intero mercato.
L’esito negativo è una contrazione correlata. Diversi grandi inquilini ridurrebbero gli impegni mentre i finanziatori si ritirano contemporaneamente, lasciando agli sviluppatori asset specializzati e sottoutilizzati.
Il terzo segnale è la capacità alimentata, non la capacità annunciata. Un campus annunciato contribuisce poco finché non riceve processori, rete, raffreddamento e una connessione elettrica affidabile.
I lettori dovrebbero confrontare i megawatt operativi con i piani di costruzione e le pipeline teoriche. Dovrebbero inoltre seguire se i siti prelocati iniziano a servire i carichi di lavoro dei clienti nei tempi previsti.
Un divario crescente tra edifici completati e potenza utilizzabile indebolirebbe i rendimenti dei progetti. Non dimostrerebbe necessariamente che la domanda di AI sia scomparsa.
Al contrario, un utilizzo crescente nelle strutture di nuova alimentazione rafforzerebbe l’argomentazione di Dimon. Dimostrerebbe che la capacità riservata si sta trasformando in attività di calcolo reale.
Questi tre segnali dovrebbero essere considerati insieme. Una forte crescita dei ricavi cloud non può proteggere pienamente un progetto con finanziamenti insostenibili o senza connessione elettrica.
Anche finanziamenti facili non possono salvare una struttura senza utenti redditizi. La capacità operativa conta solo quando i clienti continuano a pagare abbastanza da coprirne il costo totale.
La lezione più ampia è che il dibattito sui data center AI contiene due domande diverse. Una chiede se la domanda di calcolo continuerà a crescere.
L’altra chiede se gli investitori, finanziatori, inquilini e sviluppatori di oggi riusciranno a cogliere valore sufficiente da questa crescita. Dimon è su basi più solide nel rispondere alla prima.
L’analisi di J.P. Morgan riconosce l’incertezza che circonda la seconda. Afferma che la domanda supera attualmente l’offerta, mentre i rendimenti a lungo termine restano irrisolti.
Questa conclusione equilibrata è più utile che trattare il ciclo come un successo garantito o un crollo imminente. I boom infrastrutturali possono essere economicamente importanti e finanziariamente disomogenei allo stesso tempo.
Gli sviluppatori dovrebbero monitorare i prezzi della capacità e la disponibilità regionale di energia. Gli acquirenti aziendali dovrebbero monitorare gli impegni cloud, i costi dei servizi e i risultati misurabili delle proprie implementazioni.
I knowledge worker dovrebbero concentrarsi sul fatto che le applicazioni di AI si integrino nel lavoro ricorrente. Un utilizzo persistente crea la domanda di inferenza che, in ultima analisi, sostiene i ricavi dei data center.
Gli investitori dovrebbero distinguere tra strutture supportate da clienti solidi e progetti speculativi che dipendono dalla continua raccolta di finanziamenti. Dovrebbero inoltre esaminare chi garantisce ciascun obbligo.
Google News continuerà a mostrare sia gli annunci di espansione sia i progetti cancellati. Nessuno dei due tipi di titolo, da solo, risolve il dibattito.
I risultati cloud del prossimo trimestre offriranno un segnale più chiaro sulla domanda. L'attività di finanziamento mostrerà se Wall Street accetta ancora il rischio associato.
Le connessioni alla rete elettrica riveleranno quanta della capacità annunciata possa trasformarsi in infrastruttura utilizzabile. Insieme, queste misure verificheranno se il boom si sta ampliando o se sta semplicemente accumulando impegni.
La scommessa di Dimon è che i servizi di AI utili consumeranno molta più capacità di calcolo di quella che il mercato attualmente offre. Le evidenze supportano questa posizione nel breve termine.
Resta incerto chi otterrà il rendimento, chi assorbirà i progetti falliti e quanto debito si accumulerà prima che il mercato trovi una risposta. Osservate questi esiti, non il titolo più rumoroso di Google News, prima di decidere se l'espansione stia perdendo slancio.
