Lo studio di McKinsey sui data center rileva che la sovracostruzione non è il rischio maggiore

McKinsey ha contestato i timori di un eccesso di infrastrutture AI, pur prevedendo che la domanda IT dei data center statunitensi potrebbe raggiungere 121 gigawatt entro il 2030. Lo studio di McKinsey sui data center sostiene che la domanda già impegnata rimanga abbastanza solida da supportare il proseguimento delle costruzioni. Il rischio più concreto è che gli sviluppatori progettino iniziative sulla carta senza riuscire a connetterle, alimentarle o completarle nei luoghi in cui i clienti necessitano di capacità.

Questa distinzione cambia il dibattito sulla sovracostruzione. Una lunga pipeline di progetti non implica necessariamente che gli Stati Uniti finiranno con troppi data center operativi. Più sviluppatori talvolta puntano alla stessa connessione limitata alla rete elettrica, mentre proposte speculative possono restare lontane anni dall'avvio dei lavori. Nel frattempo, la capacità completata nei principali mercati viene affittata quasi con la stessa rapidità con cui diventa disponibile.

Ne deriva un paradosso infrastrutturale. Il settore può apparire sovradimensionato se misurato dagli annunci, pur restando gravemente sotto-capacitato se valutato in megawatt effettivamente utilizzabili. Utility, hyperscaler, operatori di colocation, fornitori di apparecchiature e amministrazioni locali devono ora decidere quali progetti siano abbastanza concreti da meritare supporto.

Lo studio di McKinsey sui data center riformula l'espansione

McKinsey vede una domanda sostenuta scontrarsi con un sistema di realizzazione incapace di espandersi alla stessa velocità.

L'azienda stima che i data center rappresenteranno circa il 75% della crescita prevista della domanda di energia negli Stati Uniti nel prossimo decennio. Le ambizioni costruttive attuali richiederebbero quasi 30 gigawatt di potenza aggiuntiva ogni anno. Questa cifra comprende circa 20 gigawatt di domanda IT incrementale, oltre all'elettricità necessaria per raffreddamento, distribuzione e affidabilità.

L'analisi sulla sovracostruzione dell'azienda non esclude la possibilità di una domanda AI più debole. Esamina invece ciò di cui il sistema elettrico avrebbe bisogno in diversi scenari di adozione. Persino il suo scenario di domanda più bassa richiede consistenti aggiunte alla fornitura di elettricità entro il 2030.

L'argomento centrale di McKinsey si basa sulla qualità della domanda attuale. I grandi hyperscaler dispongono di bilanci solidi, flussi di cassa operativi consistenti e piani infrastrutturali pluriennali. Molti investimenti in data center sono inoltre legati a un utilizzo contrattualizzato, anziché a previsioni di occupazione puramente speculative.

Questo rende il ciclo attuale diverso da un tradizionale boom immobiliare. Gli sviluppatori non stanno semplicemente costruendo magazzini generici sperando che arrivino gli inquilini. Gran parte della capacità più credibile dispone già di un impegno da parte di un cliente, di una strategia energetica o di entrambi.

Gli indicatori della domanda presentano ancora debolezze. McKinsey osserva che l'esecuzione dell'AI nelle imprese resta disomogenea, anche quando le aziende manifestano forte interesse. Il suo sondaggio ha rilevato che circa un terzo degli intervistati stava estendendo l'AI su scala, mentre il 39% riportava un effetto misurabile sugli utili prima di interessi e imposte.

Lo stesso sondaggio ha rilevato che il 64% citava benefici in termini di innovazione. Tuttavia, il 71% delle organizzazioni ha segnalato almeno un esito negativo nell'implementazione. Questi dati suggeriscono che l'adozione dell'AI sia andata oltre la sperimentazione, ma che non ogni progetto stia producendo un valore aziendale affidabile.

Alcuni schemi di finanziamento ricordano inoltre una bolla. Secondo McKinsey, oltre la metà dei nuovi unicorni creati nel 2025 era focalizzata sull'AI. Diverse hanno raggiunto valutazioni di miliardi di dollari prima di commercializzare un prodotto. Altri intermediari infrastrutturali si stanno espandendo pur sostenendo un elevato indebitamento o flussi di cassa negativi.

Questi rischi contano perché la domanda di calcolo dipende in ultima analisi da applicazioni sostenibili. Se i ricavi dell'AI deluderanno, sviluppatori più deboli e inquilini marginali saranno i primi a incontrare difficoltà. Tuttavia, una correzione di questo tipo non eliminerebbe automaticamente la domanda delle aziende cloud ben capitalizzate né risolverebbe la carenza di capacità effettivamente realizzabile.

Lo studio sposta quindi la domanda centrale. Anziché chiedersi se ogni campus annunciato sarà necessario, i pianificatori dovrebbero chiedersi quali campus possano assicurarsi contemporaneamente energia, apparecchiature, clienti, permessi e finanziamenti.

La capacità annunciata non equivale alla capacità utilizzabile

L'apparente sovracostruzione risiede in gran parte nelle pipeline di progetti, mentre la carenza di capacità esiste negli impianti operativi.

Un data center proposto può comparire in diversi database molto prima di diventare un sito funzionante. Lo sviluppatore potrebbe controllare il terreno ma non disporre di un accordo con la utility. Un altro progetto potrebbe essere entrato in uno studio di rete senza finanziamenti, ordini di apparecchiature, permessi o un cliente principale.

Gli sviluppatori presentano inoltre richieste sovrapposte quando più località potrebbero soddisfare una stessa esigenza. Possono quindi portare avanti il sito che ottiene per primo l'accesso all'energia. Contare ogni richiesta come domanda indipendente gonfia l'apparente pipeline di costruzione.

Le aziende in fase iniziale hanno un ulteriore incentivo a riservare l'accesso. Uno sviluppatore può assicurarsi terreni o diritti di interconnessione, quindi vendere il progetto a un operatore più grande. Alcune proposte rappresentano dunque opzioni su infrastrutture scarse, anziché programmi edilizi interamente finanziati.

Queste pratiche spiegano perché una lunga coda possa coesistere con un'offerta limitata. Gli annunci misurano l'ambizione. I megawatt operativi misurano la capacità che i clienti possono effettivamente utilizzare.

I dati sugli immobili commerciali rafforzano questo divario. CBRE ha riferito che l'offerta nei principali mercati di data center del Nord America è cresciuta del 33,7% su base annua nella prima metà del 2026. Eppure, il tasso di sfitto è comunque sceso al minimo storico dell'1,4%.

Le rilevazioni di mercato dell'azienda mostrano 7.481,1 megawatt in costruzione in tali mercati, con un aumento annuo del 24,8%. Oltre l'80% di tale capacità era già pre-affittata. Rimanevano disponibili meno di 1.500 megawatt, equivalenti a circa sei mesi di domanda al tasso di assorbimento attuale.

La Virginia settentrionale illustra questa discrepanza. Rimaneva il più grande mercato di data center del Nord America, con 4.496,5 megawatt di capacità installata. Il suo tasso di sfitto è sceso allo 0,2%, nonostante oltre 2.400 megawatt fossero ancora in costruzione.

Atlanta ha superato la Virginia settentrionale nell'attività di costruzione, raggiungendo circa 2.882 megawatt. Questo spostamento non dimostra che la domanda in Virginia stia svanendo. Mostra che gli sviluppatori si stanno orientando verso località in cui terreni, energia e autorizzazioni offrono un percorso migliore verso il completamento.

Il pre-affitto offre un segnale di domanda più forte di un comunicato stampa. Un cliente che riserva capacità futura assume un impegno contrattuale prima dell'apertura della struttura. Questi accordi variano in solidità, ma offrono più evidenza di un piano di sviluppo non impegnativo.

Limitano inoltre il rischio di costruzioni indiscriminate. Finanziatori e investitori esaminano sempre più il merito creditizio degli inquilini, i termini di locazione, la disponibilità energetica e le tappe di costruzione prima di erogare capitale. I progetti privi di queste basi affrontano maggiori ostacoli finanziari.

Tuttavia, il pre-affitto non elimina il rischio. Un inquilino finanziariamente debole può fallire e un operatore fortemente indebitato può incontrare problemi di rifinanziamento. La concentrazione dei clienti può esporre una struttura al mutamento della strategia AI di una singola azienda.

La costruzione può anche procedere più rapidamente dell'installazione delle apparecchiature. L'involucro di un edificio non fornisce capacità di calcolo utile senza server, hardware di rete, sistemi di raffreddamento, trasformatori e connessioni energizzate. Un progetto può apparire fisicamente avanzato pur restando a mesi dall'entrata in servizio.

Ecco perché “sovracostruito” e “sotto-capacitato” possono entrambi descrivere lo stesso mercato. Il settore ha accumulato più progetti proposti di quanti ne completerà. Al contempo, i clienti trovano pochissimo spazio immediatamente disponibile nelle località che preferiscono.

L'energia è diventata il vero vincolo della capacità

Il vincolo decisivo non è più se gli sviluppatori vogliano costruire, ma se il sistema elettrico possa sostenere le loro tempistiche.

McKinsey prevede che la domanda IT dei data center statunitensi cresca di circa il 27% all'anno fino al 2030. Il suo intervallo modellato raggiunge tra 121 e 137 gigawatt di domanda IT incrementale entro la fine del decennio.

Servire questo carico richiede più capacità di generazione di quanto suggerisca il solo dato IT. I data center necessitano anche di raffreddamento, conversione dell'energia, ridondanza e altri sistemi di supporto. Le risorse di generazione non possono tutte operare ininterrottamente alla capacità nominale dichiarata.

McKinsey stima che gli Stati Uniti dispongano di circa 40 gigawatt di margine dispacciabile, ovvero capacità di generazione superiore alla domanda stabile. Circa 100 gigawatt di capacità aggiuntiva sono stati impegnati per la costruzione.

Queste cifre inizialmente sembrano sufficienti. Tuttavia, la dismissione di impianti a carbone e di vecchi impianti a vapore e gas dovrebbe rimuovere tra 50 e 75 gigawatt entro il 2030. Dopo la crescita prevista della domanda e le dismissioni, McKinsey individua un fabbisogno nazionale di capacità compreso approssimativamente tra 30 e 55 gigawatt.

I totali nazionali nascondono anche carenze locali. La domanda dei data center si sta concentrando nella Virginia settentrionale, a Phoenix, in Louisiana, in Texas e nei mercati emergenti del Midwest. L'energia non può essere trasferita liberamente tra tutte le regioni, soprattutto quando le linee di trasmissione sono congestionate o assenti.

La costruzione di grandi infrastrutture di trasmissione può richiedere più di un decennio. Le tempistiche dei data center sono in genere molto più brevi. Un hyperscaler che acquista acceleratori oggi non può presumere che una linea elettrica proposta arriverà in tempo per il suo prossimo ciclo di implementazione.

L'Agenzia Internazionale dell'Energia rileva la stessa collisione a livello globale. Le sue prospettive energetiche aggiornate prevedono che il consumo elettrico dei data center aumenti da 485 terawattora nel 2025 a 950 terawattora nel 2030. Le strutture focalizzate sull'AI crescono considerevolmente più rapidamente del mercato complessivo.

L'IEA ha inoltre rilevato che il consumo di elettricità nei data center focalizzati sull'AI è aumentato del 50% nel corso del 2025. Questa crescita registrata offre prove più solide dei lontani annunci di costruzione. Mostra che l'hardware AI installato sta già aumentando il carico.

La densità dei server aumenta la difficoltà di realizzazione. Secondo l'IEA, la densità di potenza dei server AI è aumentata di undici volte tra il 2020 e il 2025. L'agenzia prevede un ulteriore aumento di quattro volte entro il 2027. Una maggiore densità concentra più domanda elettrica e di raffreddamento all'interno di ciascuna struttura.

Questa tendenza può migliorare la produzione di calcolo per edificio, ma crea nuovi requisiti ingegneristici. Gli operatori hanno bisogno di distribuzione elettrica ad alta capacità, raffreddamento a liquido, trasformatori adeguati e apparecchiature in grado di gestire rapide fluttuazioni dei carichi di lavoro AI.

La produzione delle apparecchiature non può adeguarsi istantaneamente. Trasformatori, quadri elettrici, turbine e sistemi di raffreddamento specializzati hanno lunghi tempi di produzione. I fornitori devono espandere gli stabilimenti prima di sapere quali progetti annunciati arriveranno alla costruzione.

I pianificatori della rete affrontano un problema di previsione analogo. Devono prepararsi a grandi carichi prima che le strutture inizino a operare, eppure non ogni richiesta rappresenta un progetto distinto. Sovrastimare la domanda può gravare i contribuenti con infrastrutture non necessarie. Sottostimarla può ritardare gli investimenti e minacciare l'affidabilità.

Lo studio di McKinsey sui data center descrive quindi più di una carenza di elettricità. Individua un fallimento di coordinamento tra settori che operano su tempistiche diverse. Le aziende AI pianificano per trimestri, i data center si sviluppano nell'arco di anni e i grandi progetti di rete possono richiedere un decennio.

Gli hyperscaler possono costruire più rapidamente di quanto le utility possano reagire

La pressione ricade sulle utility e sugli operatori regionali della rete perché la spesa degli hyperscaler può muoversi più rapidamente della pianificazione delle infrastrutture regolamentate.

McKinsey afferma che la spesa in conto capitale degli hyperscaler è aumentata di circa il 50% all’anno dal 2022 al 2026. Le maggiori aziende cloud possono finanziare campus, riservare chip, firmare accordi per l’energia e spostare carichi di lavoro tra regioni a una scala non accessibile alla maggior parte degli sviluppatori.

Le utility non possono rispondere con la stessa rapidità. Devono prevedere la domanda, ottenere l’approvazione normativa, studiare gli effetti sul sistema, acquisire i diritti sui terreni, acquistare le apparecchiature e recuperare i costi attraverso strutture approvate. Ogni passaggio può creare ritardi o controversie.

Anche i gestori delle reti regionali hanno bisogno di prove migliori che i carichi proposti si concretizzeranno. PJM, che copre gran parte del Medio Atlantico, ha sottolineato il pericolo di conteggiare due volte le richieste dei data center. Diverse utility possono ricevere richieste relative allo stesso progetto sottostante.

Questo crea una scelta difficile. Se i pianificatori della rete presumono che ogni richiesta diventerà reale, rischiano di acquistare capacità in eccesso. Se ne scontano troppe, possono arrivare a un anno di consegna senza una fornitura affidabile sufficiente.

Le code per la generazione forniscono un avvertimento contro il trattare le domande come infrastrutture completate. Un’analisi del Berkeley Lab ha conteggiato circa 1.400 gigawatt di generazione proposta negli Stati Uniti e 890 gigawatt di accumulo alla fine del 2024.

Solo il 13% della capacità entrata nelle code di interconnessione dal 2000 al 2019 aveva raggiunto l’esercizio commerciale entro la fine del 2024. Un altro 77% era stato ritirato, mentre il 10% rimaneva attivo. Anche il periodo mediano di sviluppo dei progetti completati era cresciuto oltre quattro anni.

Queste code riguardano la generazione elettrica anziché i carichi dei data center, ma la lezione è trasferibile. Una domanda rappresenta un’intenzione, non una consegna. Qualità del progetto, finanziamento, autorizzazioni, apparecchiature e avanzamento dell’interconnessione determinano quali proposte diventeranno asset operativi.

Le utility stanno rispondendo con nuove tariffe e strutture contrattuali. Alcune vogliono che i clienti con grandi carichi forniscano garanzie finanziarie più solide o accettino obblighi di pagamento minimo. Queste misure possono proteggere gli altri clienti quando un data center pianificato non si concretizza mai.

Gli hyperscaler stanno inoltre perseguendo accordi diretti per l’energia. Riavvii di impianti nucleari, contratti per le rinnovabili, generazione a gas, batterie e celle a combustibile possono integrare il servizio convenzionale delle utility. Questi accordi offrono ai grandi acquirenti maggiore controllo, ma non eliminano i vincoli di trasmissione, autorizzazione o apparecchiature.

Gli operatori più piccoli subiscono una pressione maggiore. Non sempre possono finanziare la generazione insieme a un data center e hanno minore potere negoziale con i fornitori. Possono dipendere dai provider di colocation o scegliere mercati secondari con energia più accessibile.

Gli acquirenti enterprise dovrebbero quindi considerare la localizzazione come una variabile di affidabilità. Una prenotazione di capacità in una regione vincolata comporta un rischio di consegna diverso da un’implementazione già operativa. Le revisioni contrattuali devono distinguere tra completamento programmato, capacità energizzata e accordi di contingenza.

I clienti cloud possono avvertirne gli effetti indirettamente. I vincoli di capacità possono influenzare dove diventano disponibili nuove istanze AI, quanto rapidamente si avviano i cluster riservati e se i provider impongono impegni più lunghi. La flessibilità geografica può diventare importante quanto la scelta dell’acceleratore.

Il divario competitivo non separerà semplicemente le aziende che spendono di più da quelle che spendono meno. Separarà gli operatori che controllano un percorso credibile verso l’energia da quelli che detengono piani di costruzione senza energia effettivamente erogabile.

L’energia in loco risolve il problema della velocità ma crea nuovi rischi

La generazione in loco può ridurre i tempi di attesa per l’elettricità, ma trasferisce al data center i rischi relativi a combustibile, apparecchiature, emissioni e affidabilità.

L’indagine McKinsey del 2025 tra i leader del settore elettrico ha rilevato che il 65% prevedeva di adottare una qualche forma di energia in loco. L’indagine ha incluso 145 rispondenti, di cui 46 esperti statunitensi in rappresentanza di hyperscaler, operatori di colocation e utility.

Quasi il 60% prevedeva una generazione permanente in loco entro il 2030, anche dopo la disponibilità del servizio di rete. Tra i rispondenti che pianificavano energia in loco, il 64% prevedeva di usare gas naturale. Ciò suggerisce che la generazione dietro il contatore stia diventando parte della progettazione ordinaria dei data center.

Motori e turbine a gas possono fornire una produzione continua senza attendere un’importante espansione della trasmissione. Celle a combustibile e batterie possono sostenere l’affidabilità o colmare un servizio di rete limitato. Il solare abbinato all’accumulo può contribuire alla fornitura di energia dove lo spazio e le condizioni operative lo consentono.

Tuttavia, l’autogenerazione non fa scomparire i vincoli infrastrutturali. Le turbine a gas sono soggette a ritardi produttivi. Un sito può inoltre richiedere nuova capacità di gasdotto, accesso ridondante al combustibile, permessi sulle emissioni atmosferiche e manutenzione specializzata.

L’IEA stima che sistemi a gas affidabili in loco possano richiedere dal 30% al 70% di capacità di generazione in più rispetto al carico previsto del data center. Gli operatori hanno bisogno di questo margine perché le apparecchiature possono guastarsi o richiedere manutenzione. I carichi di lavoro AI variabili aggiungono un ulteriore livello di complessità.

L’agenzia prevede che tra 15 e 27 gigawatt di generazione a gas naturale in loco potrebbero servire i data center entro il 2030, soprattutto negli Stati Uniti. Avverte inoltre che solo circa un quinto dei progetti monitorati aveva iniziato lo sgombero del terreno o la costruzione al momento della valutazione.

Le batterie offrono rapidità e flessibilità, ma la durata conta. L’accumulo di breve durata può attenuare le oscillazioni di potenza e coprire brevi interruzioni. Non può alimentare autonomamente un grande campus AI durante un’interruzione prolungata della rete.

Una centrale elettrica virtuale, che coordina risorse energetiche distribuite tramite software, può aiutare a spostare la domanda o fornire elettricità nei periodi di vincolo. Tuttavia, dipende dalle regole di mercato, dalle comunicazioni, dalla partecipazione dei clienti e dalla disponibilità di tali risorse distribuite.

I data center potrebbero anche adeguare i carichi di lavoro. Alcune attività di addestramento possono spostarsi tra orari o regioni, riducendo la domanda durante lo stress della rete. McKinsey rileva che gli operatori hanno mostrato una disponibilità limitata a ridurre il calcolo AI di valore, perché i ricavi del computing possono superare i costi dell’elettricità.

I carichi di lavoro di inferenza creano una sfida diversa. Per inferenza si intende l’esecuzione di un modello addestrato per rispondere a richieste o svolgere attività. I servizi rivolti ai clienti richiedono spesso bassa latenza e disponibilità continua, lasciando meno margine per sospendere i consumi.

I compromessi ambientali diventeranno più difficili da evitare. Prolungare la vita delle centrali a carbone o aggiungere gas in loco può contribuire a soddisfare la domanda nel breve termine, ma entrambe le soluzioni possono aumentare le emissioni. Queste decisioni possono entrare in conflitto con gli obiettivi aziendali di energia pulita e con le aspettative delle comunità.

Anche acqua, rumore, uso del suolo e accessibilità economica dell’elettricità possono innescare opposizione locale. Un progetto tecnicamente realizzabile può comunque fallire se residenti o regolatori concludono che i suoi costi pubblici superano i benefici.

Lo studio McKinsey sui data center non stabilisce un’unica soluzione energetica universale. Indica portafogli misti plasmati dalle condizioni locali. Servizio di rete, generazione a gas, solare, accumulo, celle a combustibile e flessibilità dei carichi di lavoro svolgeranno ruoli diversi nei vari mercati.

Il rischio è che misure temporanee diventino permanenti senza un esame adeguato. Una centrale a gas installata per colmare un ritardo della rete può operare per decenni. Utility e regolatori devono quindi valutare la rapidità insieme ai costi di lungo periodo, alle emissioni e all’esposizione ad asset non recuperabili.

Ciò che il caso dell’eccessiva costruzione continua a cogliere nel segno

Una domanda aggregata duratura non garantisce che ogni sviluppatore, inquilino, regione o struttura di finanziamento avrà successo.

L’argomento più forte contro l’eccessiva costruzione deriva dalla capacità contrattualizzata, dalla bassa disponibilità e dal crescente consumo di elettricità. L’argomento scettico più forte si concentra su ciò che accade all’interno di questi numeri aggregati.

Le previsioni della domanda AI dipendono da miglioramenti continui dei modelli e da un uso sostenuto di servizi ad alta intensità di calcolo. I guadagni di efficienza potrebbero ridurre la potenza richiesta per ciascuna attività. Le aziende potrebbero inoltre diventare più selettive dopo che le prime implementazioni non hanno prodotto rendimenti adeguati.

L’efficienza non riduce sempre il consumo totale. Un’inferenza meno costosa può incoraggiare gli sviluppatori a integrare funzionalità AI in più prodotti, aumentando il numero di richieste. Questo effetto di rimbalzo rende difficile prevedere il risultato netto.

McKinsey prevede che la crescita rallenti dopo il 2030. La domanda di chip potrebbe diventare meno intensa, l’adozione potrebbe maturare e gli operatori potrebbero sostituire l’hardware esistente con sistemi più efficienti. Questa transizione potrebbe indebolire la domanda di nuovi edifici sostenendo al contempo gli aggiornamenti all’interno delle strutture consolidate.

Le proiezioni 2026 di EPRI mostrano quanto ampia rimanga l’incertezza. Stima che i data center statunitensi abbiano utilizzato tra 177 e 192 terawattora nel 2024. I suoi scenari per il 2030 variano da 383 a 793 terawattora.

Questa ampiezza è troppo elevata per sostenere un unico piano di costruzione deterministico. Le utility devono investire prima di sapere se la domanda seguirà il percorso basso, medio o alto. Gli sviluppatori affrontano la stessa incertezza quando impegnano capitale in progetti con lunghi periodi di rientro.

Il rischio differisce anche tra i partecipanti al mercato. Un hyperscaler può reindirizzare i server, rallentare un campus o assorbire capacità inutilizzata altrove nella propria rete. Uno sviluppatore speculativo con un solo sito e debiti significativi ha meno opzioni.

Gli intermediari infrastrutturali si collocano tra questi estremi. Possono detenere obblighi energetici di lungo periodo facendo affidamento su clienti la cui qualità creditizia è inferiore a quella di un grande provider cloud. Uno squilibrio tra ricavi da locazione e impegni energetici può diventare costoso.

La geografia crea un’altra fonte di asset non recuperabili. La domanda nazionale può crescere mentre un particolare sito fallisce. Un campus potrebbe perdere perché la connessione alla rete arriva tardi, le regole locali cambiano o i clienti preferiscono un’altra regione con latenza inferiore.

Anche la progettazione tecnologica può rendere inutilizzabile la capacità. Le strutture costruite per server convenzionali raffreddati ad aria possono richiedere ampi retrofit per sistemi AI a maggiore densità. La distribuzione elettrica e l’architettura di raffreddamento possono limitare l’hardware supportato da un sito.

Ecco perché la preoccupazione per l’eccessiva costruzione rimane ragionevole, anche se il mercato generale resta ristretto. È probabile che alcuni progetti scompaiano dalle pipeline. Altri apriranno più tardi del previsto, cambieranno proprietà o opereranno al di sotto della scala pianificata.

L’errore consiste nel trattare questi fallimenti come prova che la domanda aggregata di infrastrutture AI sia crollata. Un’interpretazione più sana è che energia scarsa e capitale stiano selezionando i progetti. La fase di espansione può subire gravi perdite locali rimanendo al contempo complessivamente sottofornita.

Investitori e clienti enterprise dovrebbero esaminare utilizzo contrattualizzato, qualità degli inquilini, capacità energizzata, disponibilità delle apparecchiature e date di consegna dell’energia. I megawatt annunciati da soli rivelano poco sulla solidità del progetto.

Tre segnali determineranno se la carenza persisterà

La prossima fase dell’espansione dei data center AI sarà determinata dalla capacità consegnata, dal carico verificato e dall’economia dell’AI enterprise.

Il primo segnale è il divario tra costruzione e fornitura energizzata. I prossimi aggiornamenti di mercato di CBRE dovrebbero mostrare se la costruzione record aumenta la disponibilità o scompare nella domanda prelocata. Un’offerta in aumento abbinata a una disponibilità persistentemente bassa rafforzerebbe la tesi di McKinsey sulla capacità insufficiente.

Un forte aumento dell’inventario disponibile la indebolirebbe. Questo cambiamento conterebbe soprattutto se comparisse in diversi mercati principali anziché in un singolo campus in ritardo. Osservate la capacità operativa e l’assorbimento netto, non soltanto gli annunci di progetto.

Il secondo segnale è il modo in cui le utility valutano e servono le richieste di grandi carichi. Depositi più elevati, requisiti di pagamento minimo e tappe più chiare aiuterebbero a rimuovere dai pronostici i progetti duplicati o speculativi. Rivelerebbero inoltre quali clienti sono disposti ad assumere impegni vincolanti.

Le aggiunte alla rete contano altrettanto. Una maggiore capacità di generazione che entra in esercizio commerciale, approvazioni più rapide per la trasmissione e progressi misurabili nelle interconnessioni ridurrebbero il rischio di carenze locali. Ritardi persistenti nelle code rafforzerebbero l’idea che il collo di bottiglia sia la realizzazione, non la domanda.

Il terzo segnale è il valore dell’AI per le imprese. La crescita dei ricavi, implementazioni su larga scala e incrementi misurabili della produttività sosterrebbero un consumo di calcolo durevole, oltre i programmi di addestramento degli hyperscaler. Fallimenti ripetuti nell’implementazione o budget per l’AI in diminuzione indebolirebbero l’ipotesi della domanda.

I risultati delle imprese meritano più peso degli annunci sui modelli. Un nuovo leader nei benchmark può attirare attenzione, ma sono i carichi di lavoro ricorrenti a pagare l’infrastruttura. La domanda di data center diventa più duratura quando i sistemi di AI entrano nel servizio clienti, nello sviluppo software, nella ricerca, nelle operazioni e in altri processi continuativi.

I lettori dovrebbero inoltre distinguere tra addestramento e inferenza. La domanda di addestramento può arrivare in cicli grandi e concentrati. L’inferenza cresce con l’uso ricorrente dei prodotti e può distribuirsi in più località. Uno spostamento verso l’inferenza cambierebbe la progettazione delle strutture senza necessariamente ridurre il fabbisogno energetico complessivo.

Per gli acquirenti di tecnologia, la domanda pratica non è più se esista un boom dell’infrastruttura AI. È se un fornitore controlli capacità utilizzabile nella regione giusta, con date credibili per l’alimentazione elettrica e il completamento.

Chiedete ai fornitori quale capacità sia operativa, quale sia soltanto contrattualizzata e cosa accada se una connessione alla rete subisce ritardi. Esaminate le alternative geografiche e la portabilità dei carichi di lavoro prima di affidarvi a un unico futuro campus.

Lo studio di McKinsey sui data center presenta in definitiva un quadro più complesso sia di una bolla sia di una carenza permanente. Gli Stati Uniti dispongono di un’enorme pipeline di sviluppo, ma solo una parte diventerà infrastruttura utilizzabile.

La domanda può restare forte mentre singoli progetti falliscono. La costruzione può raggiungere livelli record mentre i clienti faticano a ottenere capacità. Il test decisivo è se i megawatt promessi diventino sistemi di calcolo alimentati prima che cambino l’economia dell’AI o le condizioni di finanziamento.