Le Big Tech investiranno 700 mld $ in IA entro il 2026

Paragrafo introduttivo

Le Big Tech hanno impegnato circa 700 miliardi di dollari in spese correlate all'intelligenza artificiale fino alla fine del 2026, cifra riportata da Yahoo Finance il 2 maggio 2026. Questa stima aggrega spese in conto capitale (capex), consumi cloud, acquisti di GPU e acceleratori e costi operativi incrementali su base pluriennale per le maggiori società tecnologiche. La portata è rilevante: distribuiti in modo uniforme, 700 miliardi implicano circa 233 miliardi di dollari all'anno su tre anni — un'entità di investimento che supera i budget di capitale annuali di molte aziende industriali. Un professore della NYU citato nel rapporto ha definito questa ondata potenzialmente sprecona; il commento cristallizza un dibattito emergente sull'efficienza del capitale, sui rendimenti marginali della spesa per l'IA e sui tempi di monetizzazione. Questo articolo esamina i dati, confronta i modelli storici del capex tecnologico e valuta dove risiedono i rischi e i potenziali errori di allocazione per investitori e consigli di amministrazione.

Contesto

Il titolo dei 700 miliardi (Yahoo Finance, 2 maggio 2026) è arrivato in un contesto di aggressiva allocazione del capitale verso infrastrutture per l'IA e commercializzazione dei prodotti nel settore tecnologico statunitense. Documenti pubblici e comunicati stampa degli ultimi tre anni mostrano un modello di impegni da miliardi: Microsoft ha annunciato un investimento pluriennale in OpenAI — comunemente riportato attorno ai 10 miliardi di dollari nel 2023 (comunicato Microsoft, marzo 2023) — mentre i provider cloud hanno accelerato gli investimenti in data center e networking per supportare carichi di compute AI maggiori. Questi annunci, se scalati su Google/Alphabet, Amazon Web Services, Microsoft, Meta e altri, si compongono nel grande numero aggregato citato dai media e da alcune stime sell-side.

Questa dinamica di spesa non è puramente discrezionale. L'aumento delle dimensioni dei modelli e dei cicli di addestramento pone esigenze strutturali su compute, memoria ed energia. OpenAI e le relative analisi sulle tendenze del compute (OpenAI, 2022) hanno documentato incrementi esponenziali del compute usato per i principali training negli ultimi anni, creando un'intensità di hardware ed energia inesistente un decennio fa. Allo stesso tempo, le società finanziano R&D, acquisizioni di startup AI e roll-out di prodotti che richiedono opex continuativo — non solo capex una tantum — perciò la cifra di 700 mld cattura un mix di impegni di bilancio e di conto economico (P&L).

Il contesto normativo e di mercato complica l'incertezza. Governi negli Stati Uniti e nell'UE stanno esaminando l'IA insieme a preoccupazioni sulla concorrenza; gli esiti regolamentari potrebbero influenzare materialmente la curva di monetizzazione per alcuni servizi abilitati all'IA. Data la dimensione dell'esposizione dei mercati pubblici a una manciata di nomi tecnologici large-cap, la sovrapposizione macro e regolatoria aumenta la posta in gioco di qualsiasi rivalutazione dei rendimenti attesi su questi investimenti.

Analisi dei dati

La cifra di 700 miliardi merita disaggregazione. Il pezzo di Yahoo Finance (2 maggio 2026) aggrega quattro ampie categorie: (1) capex incrementale per cloud e data center, (2) acquisti di GPU e hardware acceleratore, (3) spese software e R&D legate direttamente alla consegna di prodotti IA, e (4) M&A e investimenti strategici in startup AI. Le voci riportate pubblicamente sono frammentarie; le società comunicano i totali di capex e le aggiunte all'infrastruttura cloud ma raramente assegnano una quota coerente esplicitamente all'IA. Ciò rende necessarie assunzioni di modellizzazione conservative per l'allocazione.

Per illustrare la scala, dividendo i 700 mld $ in un arco triennale (2024–2026) il titolo equivale a circa 233 mld $ all'anno. Per contesto, tale importo annualizzato supererebbe il capex tipico di un singolo grande gruppo integrato del settore energetico (ad esempio, molti oil major hanno range di capex tra 15 e 35 mld $ annui negli ultimi anni). Il confronto è intenzionalmente netto: mostra che la spinta all'IA delle Big Tech è un impegno di capitale su scala intersettoriale piuttosto che un aggiornamento tecnologico incrementale per linee di prodotto esistenti.

I precedenti storici mostrano somiglianze e differenze. Le costruzioni hyperscale del cloud nel ciclo 2016–2020 avevano motivazioni strutturali simili (domanda di nuovi prodotti, benefici di scala), eppure i consigli di amministrazione oggi affrontano un modello di ricavi diverso: molti servizi IA restano strategie di monetizzazione in fase iniziale rispetto ai contratti IaaS cloud ben compresi. Questo aumenta l'incertezza sui ricavi per dollaro speso. Dove i passati cicli di capex avevano curve di utilizzo relativamente prevedibili, i carichi di lavoro IA — a causa delle distinzioni tra addestramento e inferenza e delle architetture di modello in rapido mutamento — possono produrre profili di utilizzo più volatili e meno lineari.

Implicazioni settoriali

La spinta delle Big Tech altererà in modo significativo il mercato dei semiconduttori, dei servizi data center e delle licenze software enterprise. I fornitori di GPU e acceleratori hanno visto allungarsi i backlog degli ordini mentre i clienti bloccano capacità; ciò crea una dinamica a doppio senso in cui i fornitori di componenti possono godere di potere di prezzo nel breve termine ma affrontano anche rischio di concentrazione se gli acquirenti cloud cancellano o riallocano gli ordini. Vendor come NVIDIA (ticker citati nelle coperture di mercato) beneficiano della domanda elevata per acceleratori di fascia alta, ma le loro traiettorie di ricavi sono legate non solo alle spedizioni unità ma anche alla disponibilità dei clienti a sostenere acquisti ricorrenti e aggiornamenti.

I provider cloud — Amazon Web Services, Google Cloud e Microsoft Azure — possono catturare una grande quota dei carichi di lavoro di inference ricorrenti grazie a vantaggi di scala e integrazione. Tuttavia assumono anche oneri di costo significativi nel breve termine mentre forniscono capacità GPU e networking specializzato, comprimendo i margini finché l'utilizzo e i modelli di prezzo non matureranno. Per i vendor di software enterprise, l'opportunità consiste nell'integrare l'IA nei flussi di lavoro e addebitare servizi a valore aggiunto; la sfida è convertire la spesa incrementale in una crescita sostenibile di ARR (ricavi ricorrenti annuali).

I confronti per gli investitori sono istruttivi: la crescita anno su anno (YoY) dei ricavi nei servizi cloud ha storicamente superato la crescita aggregata del capex tecnologico, riflettendo la monetizzazione del prodotto a valle dell'investimento. Se la monetizzazione dell'IA dovesse rimanere indietro rispetto al ciclo di spesa, il settore potrebbe attraversare un periodo in cui la crescita del capex supera materialmente la crescita dei ricavi.