Steve Eisman avverte: il boom delle infrastrutture AI ha un punto debole nascosto

Steve Eisman ha venduto la sua storica partecipazione in Alphabet nonostante la forte crescita del cloud, trasformando una notizia di Google News in un avvertimento su un'operazione AI ormai affollata. L'investitore reso celebre dalla scommessa sul mercato immobiliare raccontata in “The Big Short” non sta prevedendo il fallimento dell'intelligenza artificiale. Mette invece in dubbio che i profitti finali possano giustificare l'eccezionale spesa infrastrutturale di oggi.

Questa distinzione cambia il dibattito. I modelli AI possono migliorare, la domanda di cloud può crescere e Nvidia può continuare a vendere processori, mentre gli investitori ottengono comunque rendimenti deludenti. La preoccupazione di Eisman riguarda la catena economica che collega produttori di chip, piattaforme cloud, sviluppatori di modelli, debitori aziendali e investitori indicizzati.

Alphabet illustra il conflitto. Il suo business cloud si sta espandendo rapidamente, ma l'azienda sta destinando più liquidità a server, apparecchiature di rete, energia e data center. Microsoft affronta pressioni simili, poiché la domanda supera la capacità di calcolo disponibile.

La tesi rialzista sostiene che questi vincoli dimostrino che i clienti desiderano più servizi AI di quanti i fornitori possano offrire. La tesi scettica sostiene che la domanda, da sola, non garantisca margini interessanti dopo ammortamenti, elettricità, finanziamenti e costi di sostituzione.

Eisman non ha aperto un'ampia posizione short contro il settore. Ha invece ridotto la propria esposizione all'AI, mantenuto più liquidità e atteso prove più chiare. La sua decisione solleva una domanda più difficile di quella relativa al funzionamento dell'AI: chi guadagnerà alla fine abbastanza denaro da pagare l'espansione?

Cosa ha effettivamente cambiato Steve Eisman

La vendita di Alphabet da parte di Eisman è stata una decisione di rischio, non una dichiarazione che Google o l'AI avessero smesso di crescere.

Eisman ha dichiarato a CNBC di possedere Alphabet da così tanto tempo da non ricordare quando l'avesse acquistata per la prima volta. Ha poi venduto la posizione mentre la spesa per l'AI accelerava nell'intero settore tecnologico.

Secondo l'iniziale avvertimento sull'esposizione all'AI, Eisman ha trasferito i proventi in liquidità anziché in tradizionali titoli difensivi. Non ha sostituito Alphabet con utility, beni di consumo di base o un altro tema ritenuto più sicuro.

Questa scelta è importante perché distingue la sua posizione da una tradizionale operazione legata a una recessione. Non sostiene che le aziende a bassa crescita offrano automaticamente rendimenti migliori. Dice che il mercato offre attualmente pochi modi interessanti per sottrarsi alla sua esposizione dominante all'AI.

L'avvertimento più diretto di Eisman riguardava ciò che accadrebbe se la tecnologia non riuscisse a produrre un rendimento finanziario adeguato. Ha affermato di aspettarsi una “grande correzione” in tale scenario, senza tuttavia fornire una tempistica né stimare l'entità del calo.

La frase può sembrare più ribassista della sua posizione complessiva. Eisman ha riconosciuto che l'AI può diventare una tecnologia straordinaria. Il suo dubbio riguarda se ogni azienda che finanzia, fornisce o gestisce quella tecnologia meriti le aspettative attuali.

Questo è il punto debole nascosto dietro il titolo di Google News. Il successo tecnologico e il successo degli investimenti sono collegati, ma non sono intercambiabili.

Un prodotto utile può generare un'attività enorme senza produrre abbastanza profitto per ogni partecipante. Le compagnie aeree hanno trasformato i trasporti, eppure la loro economia è rimasta difficile per lunghi periodi. Le reti di telecomunicazioni sono diventate essenziali anche dopo che gli investitori avevano perso denaro a causa dell'eccesso di capacità.

Le infrastrutture AI affrontano una propria versione di questo problema. I fornitori di chip possono registrare vendite quando le aziende cloud acquistano processori. I provider cloud possono segnalare domanda quando le aziende che sviluppano modelli prenotano capacità. Nessuna delle due transazioni dimostra che i clienti finali produrranno profitti duraturi dai servizi risultanti.

Eisman ha inoltre messo in dubbio gli accordi finanziari sempre più interconnessi attorno al settore. Produttori di chip, provider cloud, sviluppatori di modelli e investitori infrastrutturali possono sostenersi reciprocamente attraverso contratti, investimenti, prestiti o impegni di capacità.

Queste relazioni non sono automaticamente improprie. Possono contribuire a finanziare infrastrutture scarse durante una reale espansione. Tuttavia, rendono anche più difficile identificare dove inizi una domanda indipendente e redditizia.

La vendita di Alphabet funziona quindi come un avvertimento per il portafoglio. Eisman ha ridotto l'esposizione prima di ricevere prove definitive che il ciclo AI fosse fallito. La liquidità gli ha dato la possibilità di attendere senza scegliere un altro tema affollato.

La sua azione non ha risolto il dibattito. Ha rivelato quali prove ora desidera vedere: ricavi sostenibili, margini durevoli e generazione di cassa superiori al costo complessivo dell'infrastruttura AI.

Google News incontra il crescente conto capitale di Alphabet

Il dinamismo operativo di Alphabet sostiene la tesi dell'AI, ma i suoi requisiti di capitale mostrano perché la sola crescita non può risolvere il dibattito.

Alphabet ha riportato solidi risultati del secondo trimestre il 22 luglio 2026. I ricavi hanno raggiunto 119,8 miliardi di dollari, con un aumento del 24% rispetto allo stesso periodo dell'anno precedente. Il reddito operativo è salito del 30% a 40,8 miliardi di dollari.

Google Cloud ha registrato l'espansione più notevole. I ricavi sono aumentati dell'82% a 24,8 miliardi di dollari, mentre il portafoglio ordini ha raggiunto 514 miliardi di dollari. Il portafoglio ordini rappresenta attività contrattualizzate che non sono ancora state riconosciute come ricavi.

Questi dati offrono un sostegno significativo alla redditività delle infrastrutture AI. Mostrano che Alphabet non sta costruendo data center senza domanda commerciale. I clienti stanno assumendo impegni, utilizzando più capacità e adottando i servizi AI di Google.

Alphabet ha dichiarato che quasi il 90% delle Fortune 100 utilizzava Gemini Enterprise. Ha inoltre riferito che più di 2.000 aziende avevano consumato oltre 100 miliardi di token nei precedenti 12 mesi.

Il volume di token misura il testo, il codice, le immagini o altri dati elaborati da un modello AI. Indica l'attività, anche se non rivela il profitto ottenuto da ciascuna unità.

I risultati trimestrali della società hanno inoltre mostrato circa 22 miliardi di token API elaborati ogni minuto. Si tratta di un aumento rispetto ai 16 miliardi di un trimestre prima.

La ricerca fornisce un altro segnale a sostegno. Alphabet ha dichiarato che AI Mode aveva superato un miliardo di utenti attivi mensili dopo la sua espansione globale. I ricavi da ricerca e altra pubblicità sono aumentati del 17%.

Questi risultati mettono in discussione l'argomento più semplice a favore di una bolla. Google non sta riportando prodotti stagnanti mentre spende per un esperimento non correlato. Le funzionalità AI stanno raggiungendo un vasto pubblico e i clienti cloud stanno consumando una notevole capacità di calcolo.

Tuttavia, Alphabet ha speso 44,9 miliardi di dollari in spese in conto capitale durante il trimestre. Le spese in conto capitale, o capex, coprono asset di lunga durata come server, sistemi di rete e data center.

Quella spesa trimestrale ha superato i 39,1 miliardi di dollari di flusso di cassa operativo di Alphabet. Il flusso di cassa libero è stato negativo per 5,9 miliardi di dollari dopo le spese in conto capitale e altri aggiustamenti.

Il management ha aumentato la previsione di spesa in conto capitale per il 2026 a una cifra compresa tra 195 e 205 miliardi di dollari. Ha inoltre affermato che la spesa aumenterà nuovamente in modo significativo nel 2027.

È qui che l'avvertimento AI di Steve Eisman diventa più difficile da liquidare. Una forte crescita dei ricavi non elimina la questione dei costi quando l'investimento infrastrutturale cresce ancora più rapidamente.

Un data center richiede più di un pagamento iniziale per la costruzione. Necessita di processori, memoria, raffreddamento, apparecchiature di rete, elettricità, manutenzione e operatori qualificati. Anche l'hardware più vecchio perde valore economico quando diventano disponibili sistemi più veloci.

Le regole contabili distribuiscono il costo registrato di molti asset lungo la loro vita utile prevista. Questo processo, chiamato ammortamento, riduce il profitto dichiarato nell'arco di più periodi anziché rilevare immediatamente l'intera spesa.

L'ammortamento non crea da solo l'intero rischio. La questione più ampia è se la vita economica dell'hardware corrisponda al calendario contabile. Un processore funzionante può restare utile anche dopo che chip più nuovi lo rendono meno competitivo.

Alphabet sostiene che miglioramenti ingegneristici e hardware stiano riducendo i costi di erogazione dell'AI. Ha dichiarato che il costo delle risposte di AI Mode ha raggiunto il livello più basso dal lancio durante il trimestre.

Questo progresso è importante. La diminuzione dei costi unitari può trasformare l'aumento dell'utilizzo in margini in miglioramento. Può inoltre prolungare il ruolo utile delle infrastrutture esistenti grazie a software e gestione dei carichi di lavoro migliori.

Tuttavia, un costo inferiore per risposta non riduce automaticamente la spesa totale. L'utilizzo può crescere più rapidamente di quanto migliori l'efficienza. Modelli più capaci possono anche richiedere maggiori risorse di calcolo per ogni attività complessa.

Gli investitori hanno quindi bisogno di due serie di numeri. La copertura di Google News enfatizza naturalmente crescita, prodotti e utilizzo. Il test finanziario richiede inoltre intensità di capitale, ammortamenti, spese operative e flusso di cassa libero.

L'intero mercato si basa su un'unica ipotesi sull'AI

La preoccupazione più ampia di Eisman è la concentrazione: azioni e obbligazioni possono dipendere dalla stessa economia dell'AI pur apparendo diversificate.

Un fondo indicizzato ampio detiene centinaia di aziende. Questa struttura di solito riduce il danno causato dal calo di una singola società. Non elimina l'esposizione quando le maggiori partecipazioni condividono lo stesso ciclo di spesa.

S&P Dow Jones Indices classifica l'S&P 500 come benchmark delle grandi aziende che copre circa l'80% della capitalizzazione di mercato statunitense disponibile. La sua ponderazione per capitalizzazione attribuisce alle aziende più grandi la maggiore influenza.

Le dieci maggiori aziende rappresentavano circa il 36,4% dell'indice quando TheStreet ha pubblicato il suo rapporto. Alphabet, Microsoft, Nvidia, Amazon, Meta e altre aziende legate all'AI occupavano gran parte di quel gruppo concentrato.

La metodologia ufficiale dell'indice non promette un'esposizione uniforme tra aziende o temi economici. Gli investitori possono possedere 500 azioni mentre un piccolo gruppo determina comunque una larga quota della performance.

Questo crea un lato dell'operazione pericolosa di Eisman. Gli investitori azionari dipendono fortemente dal fatto che le grandi aziende tecnologiche mantengano la crescita degli utili legati all'AI.

Il secondo lato raggiunge il mercato obbligazionario. I data center richiedono asset fisici di lunga durata e la scala dell'espansione incoraggia l'indebitamento da parte di aziende tecnologiche, sviluppatori, utility e partner infrastrutturali.

Azioni e obbligazioni si comportano diversamente in condizioni normali. Tuttavia, entrambe possono soffrire quando gli emittenti sottostanti dipendono dagli stessi flussi di cassa attesi.

Un investitore potrebbe detenere azioni tecnologiche per la crescita e obbligazioni societarie per la stabilità. Se l'infrastruttura AI sostiene i profitti delle azioni e il merito creditizio delle obbligazioni, quel portafoglio presenta una minore diversità economica di quanto suggeriscano le sue etichette.

La Federal Reserve non ha dichiarato una crisi dell'AI. La sua revisione di maggio 2026 ha descritto nel complesso come moderate le vulnerabilità legate al debito di famiglie e imprese. Ha inoltre affermato che le banche restavano solide e resilienti.

Tuttavia, la Fed ha rilevato che le pressioni sulle valutazioni azionarie rimanevano elevate. Il rapporto prezzo-utili delle società dell'S&P 500 restava vicino alla fascia superiore della propria distribuzione storica.

I partecipanti al mercato intervistati dalla Fed hanno spesso identificato gli sviluppi legati all'AI tra le potenziali minacce. Hanno inoltre citato il rischio geopolitico, uno shock petrolifero, il credito privato e l'inflazione persistente.

La revisione della stabilità finanziaria offre un utile equilibrio. Riconosce l'AI come canale di rischio senza affermare che un crollo sia certo o imminente.

Questa distinzione è coerente con la posizione di Eisman. Un’elevata concentrazione crea vulnerabilità, ma non fornisce un segnale affidabile sul momento giusto. I mercati costosi possono continuare a salire finché gli utili restano solidi.

La concentrazione funziona anche in entrambi i sensi. Un piccolo gruppo di aziende redditizie può sostenere un indice quando i settori più deboli faticano. Alphabet e Microsoft hanno attività consolidate che generano liquidità al di là delle loro operazioni nell’AI.

Google continua a ricavare ingenti entrate dalla pubblicità. Microsoft vende software e servizi cloud per numerosi carichi di lavoro. Amazon gestisce attività nel retail e nella logistica, mentre Meta finanzia l’infrastruttura attraverso la pubblicità.

Questi motori di liquidità distinguono i leader odierni dalle aziende speculative prive di ricavi consolidati. Offrono agli hyperscaler più tempo per migliorare l’economia dell’AI e assorbire le perdite operative iniziali.

La pressione, tuttavia, resta. Le grandi aziende possono sostenere programmi di spesa enormi, ma gli investitori confrontano comunque ogni programma con altri impieghi del capitale. I data center competono con acquisizioni, ricerca, dividendi e riacquisti di azioni.

Un grande bilancio non rende il capitale gratuito. Ogni server deve infine contribuire ai ricavi, ridurre i costi, difendere un’attività principale o creare una preziosa opzione strategica.

Questo criterio spiega perché il boom dell’AI possa apparire sano e fragile al tempo stesso. Le aziende più forti lo stanno finanziando, ma molti portafogli diversificati dipendono dal fatto che quelle stesse aziende riescano a far quadrare i conti.

La domanda cloud è reale, ma la redditività è la prova decisiva

Il conflitto centrale non è tra domanda reale e domanda immaginaria. È tra domanda reale e costo di servirla in modo redditizio.

Microsoft offre importanti elementi a sostegno della tesi rialzista. L’azienda ha riportato 31,9 miliardi di dollari in spese in conto capitale nel terzo trimestre fiscale del 2026.

Circa due terzi di tale spesa sono andati ad asset con vita utile più breve, incluse unità di elaborazione grafica e unità di elaborazione centrale. Questi asset gestiscono i calcoli alla base dei carichi di lavoro cloud e AI.

Microsoft ha affermato che la capacità cloud continuava a rimanere inferiore alla domanda dei clienti. La sua informativa sulla capacità suggerisce che l’azienda stesse rispondendo a vincoli reali, e non semplicemente costruendo strutture inutilizzate.

I vincoli di offerta possono indicare potere di determinazione dei prezzi. Quando i clienti desiderano più capacità di quanta un fornitore possa erogare, il fornitore può dare priorità ai carichi di lavoro più redditizi e negoziare impegni favorevoli.

Possono però anche mascherare una domanda non redditizia. I clienti richiederanno maggiormente un servizio sovvenzionato, soprattutto quando i fornitori competono per quote di mercato o offrono incentivi.

La misura fondamentale non è una lista d’attesa. È il margine ottenuto dopo i costi di elaborazione, energia, ammortamento, rete, supporto e finanziamento.

L’inferenza è al centro di questa questione. L’inferenza è il processo di esecuzione di un modello addestrato per rispondere a una richiesta, generare contenuti o completare un’attività.

L’addestramento produce il modello, ma l’inferenza serve gli utenti quotidiani. La sua economia determina se l’adozione su larga scala diventerà un motore di profitti ricorrenti o una costosa strategia di coinvolgimento.

La preoccupazione di Eisman è che i clienti possano opporsi ai prezzi necessari per un’inferenza redditizia. Alle aziende piace un’assistenza AI economica, ma la loro disponibilità a pagare ha dei limiti.

I fornitori di modelli possono ridurre i prezzi man mano che chip e software migliorano. La concorrenza può anche imporre tali riduzioni prima che i costi diminuiscano a sufficienza, comprimendo i margini in tutto il settore.

I modelli chiusi subiscono la pressione delle alternative open-weight. Un modello open-weight rende disponibili i suoi parametri appresi a condizioni specificate, consentendo alle organizzazioni di ospitarlo o adattarlo autonomamente.

L’hosting autonomo non elimina i costi. Le aziende necessitano comunque di hardware, ingegneria, sicurezza, monitoraggio e governance. Tuttavia, offre agli acquirenti più sofisticati un’ulteriore opzione negoziale.

Le piattaforme cloud possono rispondere offrendo sistemi completi anziché semplice accesso ai modelli. Questi sistemi combinano strumenti dati, controlli di sicurezza, processori personalizzati, agenti software e supporto enterprise.

L’approccio di Alphabet segue questa strategia. Google Cloud vende chip, modelli, servizi dati, prodotti di sicurezza e strumenti per lo sviluppo di agenti come pacchetto integrato.

L’integrazione può migliorare i margini perché i clienti acquistano una relazione più ampia. Può inoltre aumentare i costi di migrazione quando le applicazioni dipendono dai servizi proprietari di un singolo fornitore.

Questo crea un test più sfumato della redditività dell’infrastruttura AI. Gli investitori non dovrebbero misurare soltanto i ricavi derivanti dalle chiamate dirette ai modelli. L’AI può rafforzare la pubblicità, la fidelizzazione cloud, l’adozione da parte degli sviluppatori, le vendite di sicurezza e la produttività.

Alcuni rendimenti appariranno anche come ricavi difesi anziché nuovi ricavi. Google può spendere molto nell’AI perché non migliorare Search metterebbe a rischio la sua attività esistente.

L’investimento difensivo può comunque essere razionale. Tuttavia, complica il calcolo perché il management non può dimostrare facilmente quali ricavi esistano soltanto perché l’azienda ha costruito più infrastruttura.

La tesi di Eisman diventa più forte se la spesa in conto capitale continua a salire mentre margini, flusso di cassa e prezzi per i clienti si indeboliscono. Diventa più debole se i ricavi crescono in modo composto, i costi unitari calano e il flusso di cassa libero si riprende.

Le prove attuali sostengono entrambe le parti. La crescita del cloud e la capacità limitata dimostrano la domanda. Il flusso di cassa libero trimestrale negativo di Alphabet dimostra il costo immediato per soddisfarla.

Ecco perché una semplice etichetta di bolla aggiunge poco. Una bolla implica che i prezzi si siano separati da un’economia sostenibile, ma tale economia è ancora in fase di sviluppo.

La domanda utile è più circoscritta: gli hyperscaler possono trasformare una capacità di calcolo scarsa in rendimenti superiori al loro costo totale del capitale prima che la concorrenza renda quella capacità ordinaria?

Cosa coglie correttamente la tesi rialzista sull’espansione

L’avvertimento di Eisman merita attenzione perché la controargomentazione più forte deriva dai risultati operativi, non dall’ottimismo.

I dati di Alphabet relativi al secondo trimestre mostrano ricavi, utile operativo, backlog cloud e utilizzo dell’AI in espansione. Non sono i segnali tipici di un’attività i cui clienti siano scomparsi.

I vincoli di capacità di Microsoft forniscono un altro segnale concreto. Normalmente le aziende non rimangono vincolate dall’offerta quando la domanda è puramente promozionale o limitata a piccoli esperimenti.

Anche Nvidia occupa una posizione favorevole nella catena. Può realizzare un profitto quando i clienti acquistano i suoi processori, anche se alcune applicazioni a valle dovessero successivamente deludere.

Secondo quanto riportato, Eisman ha riconosciuto che Nvidia probabilmente venderà i suoi chip con profitto. La sua preoccupazione inizia più a valle nella catena, dove i fornitori cloud e gli utenti finali devono ottenere rendimenti da quella capacità di calcolo.

La distinzione ricorda quella di un fornitore che vende attrezzature durante un boom delle risorse. Il fornitore può prosperare anche quando alcuni clienti sopravvalutano il valore degli asset acquistati.

Tuttavia, gli hyperscaler non sono acquirenti passivi. Alphabet, Amazon e Microsoft gestiscono piattaforme cloud globali con vaste basi clienti e ampi portafogli software.

Possono riutilizzare l’infrastruttura tra ricerca, pubblicità, software per la produttività, cybersicurezza, video e carichi di lavoro cloud esterni. Un processore acquistato per un servizio può sostenere altre attività quando la domanda cambia.

I chip personalizzati possono inoltre ridurre i costi. Alphabet sviluppa tensor processing units, mentre Amazon e Microsoft hanno progettato i propri processori AI. Questi sistemi riducono la dipendenza totale da un unico fornitore.

L’ottimizzazione del software amplia l’argomentazione. Compilatori migliori, compressione dei modelli, pianificazione dei carichi di lavoro e caching possono aumentare l’output generato dall’hardware esistente.

I guadagni di efficienza possono arrivare più rapidamente di quanto rivelino i bilanci. Il capex appare immediatamente nel flusso di cassa, mentre gli asset risultanti possono generare ricavi nell’arco di diversi anni.

I grandi programmi di costruzione creano anche trimestri disomogenei. Un periodo di flusso di cassa libero negativo non dimostra che un investimento pluriennale fallirà.

Il backlog di Alphabet indica una futura domanda contrattualizzata, sebbene il backlog non garantisca il profitto. Tempistiche, utilizzo da parte dei clienti, costi del servizio e termini contrattuali incidono ancora sul rendimento finale.

La tesi rialzista riconosce anche la necessità strategica. L’AI sta cambiando il modo in cui le persone cercano informazioni, scrivono software, analizzano dati e interagiscono con i sistemi aziendali.

Un hyperscaler che spende troppo poco può perdere rilevanza di prodotto anche se un capex ridotto migliora il flusso di cassa nel breve termine. I team manageriali devono bilanciare i rendimenti attuali con tale rischio competitivo.

Per gli sviluppatori, una maggiore offerta di infrastruttura può ridurre la latenza e migliorare la disponibilità dei modelli. Può inoltre sostenere le aziende più piccole che non possono costruire i propri data center.

Gli acquirenti enterprise beneficiano quando i fornitori cloud competono su prezzo, governance e prestazioni. La concorrenza può migliorare l’economia per i clienti anche quando mette sotto pressione i margini dei fornitori.

I lavoratori della conoscenza possono vedere strumenti migliori prima che gli investitori osservino rendimenti chiari. Un servizio può far risparmiare tempo a un dipendente senza che il suo fornitore catturi l’intero valore di quella produttività.

Ciò crea un divario tra beneficio sociale e rendimento per gli azionisti. Una tecnologia ampiamente utile può distribuire i guadagni a clienti, lavoratori e imprese concorrenti anziché concentrarli presso i proprietari dell’infrastruttura.

Il precedente storico non è una replica perfetta dell’era dot-com. Gli acquirenti leader di oggi generano una liquidità sostanziale e molti servizi AI hanno già clienti paganti.

Tuttavia, la storia offre una lezione rilevante. Un’infrastruttura essenziale può essere costruita in eccesso quando ogni partecipante si aspetta che la domanda giustifichi un’espansione simultanea.

I vincitori finali potrebbero acquisire capacità a basso costo dopo il ritiro degli operatori più deboli. I clienti possono beneficiare di prezzi più bassi anche mentre i primi investitori subiscono perdite.

La cautela di Eisman sopravvive quindi alle prove rialziste. L’adozione reale riduce la probabilità di una tecnologia priva di valore, ma non garantisce rendimenti interessanti a ogni livello.

Anche la tesi scettica deve restare altrettanto disciplinata. Un trimestre di flusso di cassa libero negativo non prova un eccesso di costruzione. Una previsione di capex elevato non prova che i clienti smetteranno di pagare.

Nessuna prova pubblica stabilisce ancora la redditività finale di questo ciclo di investimenti. L’espansione resta attiva, la capacità resta limitata e le aziende continuano a riportare un utilizzo elevato.

Tre segnali determineranno se l’avvertimento regge

Gli investitori dovrebbero osservare la crescita dei ricavi rispetto ai costi, il flusso di cassa libero e i prezzi per i clienti, invece di trattare ogni aggiornamento di Google News come un verdetto.

Il primo segnale è se i ricavi legati all’AI crescono più rapidamente dei costi dell’infrastruttura. I ricavi cloud forniscono una misura, ma gli investitori dovrebbero anche esaminare i margini operativi e gli ammortamenti.

La crescita cloud dell’82% di Alphabet lascia spazio all’ottimismo. Il confronto diventa meno favorevole se capex, elettricità e ammortamenti continuano ad accelerare dopo la normalizzazione della crescita.

Le comunicazioni del management dovrebbero diventare più specifiche nel tempo. Gli investitori hanno bisogno di una separazione più chiara tra spesa per la domanda AI, espansione generale del cloud e sostituzione delle attrezzature esistenti.

Hanno inoltre bisogno di prove sull’utilizzo degli asset. Un data center pieno che serve carichi di lavoro redditizi sostiene la tesi rialzista. Una struttura piena che serve carichi di lavoro scontati non risponde alla domanda sui rendimenti.

Il secondo segnale è la ripresa del flusso di cassa libero. Il risultato trimestrale negativo di 5,9 miliardi di dollari di Alphabet ha riflesso un importante periodo di costruzione, non necessariamente una condizione duratura.

Una ripresa durante la continua crescita dei ricavi indebolirebbe l’avvertimento di Eisman. Mostrerebbe che l’azienda può finanziare l’espansione convertendo al contempo una quota maggiore dell’utile operativo in liquidità disponibile.

Un flusso di cassa persistentemente debole rafforzerebbe l’avvertimento, soprattutto se il management continuasse ad aumentare le previsioni di spesa in conto capitale. La pressione aumenterebbe se le aziende ricorressero maggiormente al debito mentre i rendimenti restassero lontani.

Gli investitori dovrebbero esaminare diversi trimestri anziché un solo rapporto. I calendari di costruzione, le consegne delle apparecchiature e i pagamenti fiscali possono creare una volatilità che oscura la tendenza di fondo.

Il terzo segnale è la disponibilità dei clienti a pagare per l'inferenza. La crescita dell'utilizzo conta meno se i fornitori devono ridurre continuamente i prezzi più rapidamente di quanto diminuiscano i costi.

I rinnovi aziendali, i contratti cloud vincolanti e carichi di lavoro in espansione possono sostenere la tesi rialzista. Clienti che si orientano verso modelli più economici o implementazioni più piccole avvalorerebbero le preoccupazioni di Eisman.

La qualità del modello da sola non deciderà questa sfida. Gli acquirenti confrontano sempre più spesso prestazioni, privacy, latenza, governance e costo operativo totale.

I modelli a pesi aperti offriranno un ulteriore riferimento per i prezzi. Se le aziende possono soddisfare le proprie esigenze con sistemi meno costosi, i fornitori premium dovranno giustificare i loro prezzi con risultati migliori.

I vincoli di capacità meritano particolare attenzione nell'ambito di questo terzo segnale. Carenze persistenti accompagnate da margini stabili indicherebbero una domanda duratura. Carenze accompagnate da sconti aggressivi racconterebbero una storia diversa.

L'ampiezza del mercato offre inoltre una verifica secondaria. Una crescita più diffusa degli utili ridurrebbe la concentrazione del portafoglio identificata da Eisman.

Se i guadagni di mercato restano concentrati in poche aziende legate all'AI, gli investitori continueranno a dipendere da una sola ipotesi finanziaria. Questa dipendenza può amplificare qualsiasi delusione.

Anche l'emissione di obbligazioni dovrebbe essere esaminata con analoga attenzione. L'indebitamento che sostiene infrastrutture redditizie e già contrattualizzate comporta un rischio diverso rispetto a quello basato principalmente sulla domanda prevista.

Nessuno di questi segnali richiede di prevedere il picco esatto di un ciclo d'investimento. Consentono ai lettori di verificare la tesi rispetto ai risultati comunicati.

Gli sviluppatori dovrebbero preoccuparsene perché una correzione può modificare l'accesso alle risorse di calcolo. I fornitori potrebbero ridurre i sussidi, cancellare prodotti sperimentali o concentrare la capacità sui clienti con contratti più solidi.

Gli acquirenti aziendali dovrebbero preoccuparsene perché gli attuali prezzi bassi per l'utilizzo potrebbero non durare. Un servizio costruito attorno a un'inferenza sovvenzionata diventa costoso da sostituire una volta che flussi di lavoro e dati proprietari ne dipendono.

I lavoratori della conoscenza dovrebbero distinguere tra prodotti utili e fornitori durevoli. Conservare il lavoro importante in formati portabili e mantenere una base di conoscenza personale ricercabile può ridurre la dipendenza da un singolo fornitore.

I team di prodotto AI dovrebbero modellare i costi in diversi scenari di prezzo. Dovrebbero inoltre misurare se i clienti pagano per risultati completati anziché per il mero consumo di token.

La vendita di Eisman non dimostra che Alphabet sia sopravvalutata, che l'AI sia una bolla o che una correzione sia imminente. Mostra che un investitore rispettato ha ritenuto il rischio più difficile da diversificare.

La risposta più convincente non arriverà da un altro titolo drammatico. Arriverà dai margini cloud, dal flusso di cassa libero, dai rinnovi dei clienti e dal costo di gestione di ciascuna richiesta AI.

Il prossimo ciclo di risultati dovrebbe chiarire se la spesa attuale stia costruendo un servizio pubblico redditizio o finanziando un periodo prolungato di adozione sovvenzionata. Osservate questi numeri prima di accettare uno dei due estremi.

Google News continuerà a diffondere affermazioni su bolle, svolte tecnologiche e vasti nuovi impegni. I lettori dovrebbero porsi una domanda coerente alla base di ogni storia: chi guadagna l'ultimo dollaro?

Questa domanda trasforma la copertura dell'AI in uno strumento decisionale pratico. Monitorate i ricavi, ricostruite i costi e verificate se il cliente finale può sostenere l'intera catena.