L'espansione dei centri dati AI richiede $2,91 per GPU-ora

# L'espansione dei centri dati AI richiede $2,91 per GPU-ora per un ritorno del 15%

Una nuova analisi di Scotiabank Global Equity Research conclude che il massiccio investimento di capitale dietro i centri dati per intelligenza artificiale affronta un preciso ostacolo finanziario. Per un campus da 100 megawatt dedicato all'esecuzione dei rack Nvidia GB200 NVL72, il progetto deve generare circa $2,91 per GPU-ora per raggiungere un tasso di rendimento interno sul capitale di 15% levered. Questa cifra, derivata da un costo totale del progetto di $4,03 miliardi, stabilisce un benchmark concreto rispetto al quale saranno giudicati i prezzi attuali e futuri del calcolo AI. Il rapporto indica che le attuali tariffe di affitto per la capacità GB200 superano questo ostacolo, ma una vasta dispersione nei costi dei token di output introduce un rischio di mercato significativo.

Contesto — perché questo è importante ora

Il ciclo di investimento hyperscale nell'infrastruttura AI è senza precedenti, con impegni che ora si estendono fino a trilioni di dollari. L'analisi di Scotiabank stima che la scala degli impegni fuori bilancio per questi progetti sia di $2.588 trilioni, con ulteriori $779 miliardi già sui bilanci aziendali. Questa scala invita a un confronto storico con il boom e il crollo della fibra ottica all'inizio degli anni 2000, dove oltre $90 miliardi di spese in conto capitale tra il 1999 e il 2001 portarono a un'enorme sovraccapacità e a bancarotte diffuse quando la crescita della domanda non soddisfò le proiezioni. L'attuale contesto macroeconomico di costi di finanziamento elevati, con il modello di Scotiabank che assume un debito dell'8% per sei anni, aumenta la sensibilità di questi progetti ai ricavi per unità.

Il catalizzatore per questo intenso scrutinio è la collisione tra enormi spese in conto capitale annunciate e i costi di inferenza dei modelli AI in rapida evoluzione, e in alcuni casi in calo. La sostenibilità finanziaria di queste scommesse da miliardi di dollari dipende dalla stabilità dei prezzi per l'output computazionale che vendono. L'analisi arriva mentre i principali fornitori di cloud e operatori specializzati stanno siglando contratti di acquisto di energia a lungo termine e avviando la costruzione di strutture, rendendo il calcolo dei ritorni una preoccupazione immediata per gli investitori in equity e credito. La domanda centrale è se la crescita della domanda possa superare la pressione deflazionistica sui prezzi dei token.

Dati — cosa mostrano i numeri

Il profondo approfondimento di Scotiabank fornisce una suddivisione dettagliata dei costi per un ipotetico campus di inferenza da 100 MW. Il costo totale del progetto capex è di $4,03 miliardi, pari a $40,3 milioni per megawatt di carico IT critico. Questo si suddivide in attrezzature IT, che costituiscono il 64% del costo a $3,0 milioni per rack NVL72, e la struttura fisica, che rappresenta il restante 36% a $14,5 milioni per MW. Il modello assume che il 70% del capex sia finanziato con debito a un tasso d'interesse dell'8,0% su un termine di sei anni e assegna un valore residuo del 15% alle attrezzature IT dopo quel periodo.

L'ostacolo di $2,91 per GPU-ora si traduce direttamente in un costo per token di output. A quel tasso, il modello equivale a $0,81 per milione di token di output. Questo crea un confronto netto con i prezzi di mercato attuali. I costi API di modelli chiusi per i token di output variano da $1,50 per il Gemini 3.1 Flash-Lite di Google fino a $15 per un modello come GPT 5.4. Tuttavia, la pressione competitiva è evidente da modelli come DeepSeek V4 Flash, il cui prezzo varia tra $0,28 e $0,66 per milione di token, e Ox Alpha, che si avvicina a $0,50. Il rapporto identifica anche un costo operativo critico di $0,52 per GPU-ora, al di sotto del quale diventa economicamente razionale spegnere i server.

Metri	Ostacolo Scotiabank	Intervallo di Mercato Attuale
Costo per GPU-Ora	$2,91	N/A (Affitto)
Costo per Milione di Token di Output	$0,81	$0,28 - $15,00
Costo Minimo (per GPU-Ora)	$0,52 (Opex)	N/A

Lo scenario del caso ribassista si basa sul rischio per i locatari. Il modello mostra che se un grande locatario come OpenAI o Anthropic dovesse inadempiere, un creditore potrebbe pignorare una struttura e gestirla a un costo di cassa di soli $0,53 per GPU-ora, inondando il mercato spot con calcolo a basso costo. Questa dinamica rispecchia la crisi della fibra ottica, dove la domanda contrattata è evaporata e la capacità in eccesso ha schiacciato i prezzi per tutti i restanti attori.

Analisi — cosa significa per i mercati / settori / ticker

Il principale beneficiario di questo ciclo di capitale rimane Nvidia (NVDA), che cattura una parte significativa della spesa per attrezzature IT di $3,0 milioni per rack. L'analisi rafforza la posizione dominante di NVDA nel stack hardware per addestramento e inferenza. Aziende come Google (GOOGL), Microsoft (MSFT) e Amazon (AMZN), che sono sia locatari che operatori, affrontano un calcolo complesso. I loro massicci investimenti devono generare guadagni incrementali genuini per giustificare le loro valutazioni; se i progetti superano a malapena gli ostacoli agli investimenti, gli utili per azione potrebbero crescere in un processo di declassamento, portando a prezzi delle azioni stagnanti per anni—una transizione classica da un business ad alto rendimento a uno intensivo di capitale.

I REIT specializzati in centri dati e i costruttori di infrastrutture traggono vantaggio dalla spesa di $14,5 milioni per MW per le strutture, ma portano un rischio concentrato sui locatari. I creditori che forniscono il 70% del finanziamento del progetto, tipicamente grandi banche d'investimento e fondi di credito privato, sono esposti a un rischio di credito correlato tra locatari, sviluppatori e proprietari di infrastrutture. Un argomento chiave contro è che la domanda in forte aumento per l'inferenza AI potrebbe assorbire tutta la nuova capacità anche a prezzi più bassi, mantenendo l'economia del progetto. Tuttavia, la limitazione riconosciuta è la sensibilità del modello: Scotia osserva che un intervallo di prezzo contrattuale tra $2,50 e $3,50 per GPU-ora separa il fallimento del progetto dal successo sia nei test di rendimento che di copertura del debito.

I dati di posizionamento mostrano flussi istituzionali pesanti verso ETF di semiconduttori e infrastrutture, mentre l'interesse short sta aumentando in alcuni nomi di software AI puri percepiti come vulnerabili alla compressione dei prezzi. Il finanziamento circolare evidenziato—dove gli impegni hyperscaler supportano il debito del progetto—crea un collegamento sistemico che potrebbe amplificare un calo se i prezzi dei token si indeboliscono.

Prospettive — cosa osservare prossimamente

I catalizzatori immediati includono il prossimo rapporto sugli utili di Nvidia, previsto per la fine di agosto 2026, che fornirà dati aggiornati sulle entrate dei centri dati e commenti sui tempi di ramp-up del GB200. La riunione del FOMC della Federal Reserve di settembre 2026 sarà critica per l'assunzione del costo di finanziamento dell'8%; un ambiente di tassi sostenuti più elevati pressa tutti i progetti levered. I partecipanti al mercato dovrebbero monitorare le chiamate trimestrali sugli utili dei principali fornitori di cloud per eventuali cambiamenti nelle linee guida di spesa in conto capitale o menzioni delle pressioni sui prezzi del calcolo AI.

Livelli chiave da osservare sono i tassi spot e contrattuali per gli affitti dei cluster GB200. Prezzi sostenuti superiori a $3,50 per GPU-ora convaliderebbero l'attuale onda di investimenti, mentre una rottura al di sotto di $2,50 segnerebbe stress emergente. Gli osservatori devono anche monitorare il valore di mercato secondario dei cluster GPU di generazione precedente, come l'H100, come indicatore anticipato per i valori residui delle attrezzature. Le tempistiche di consegna dei trasformatori e delle turbine elettriche, spesso estese a 18-24 mesi, determineranno se la capacità annunciata può essere messa online fisicamente come previsto.

Domande Frequenti

Cosa significa la cifra di $2,91 per GPU-ora per le startup AI?

Per le startup AI che si affidano all'inferenza in affitto, questa cifra rappresenta il costo dell'infrastruttura sottostante che i fornitori devono coprire. Se i fornitori riescono a far pagare tariffe superiori a questo ostacolo, le startup affrontano bollette di calcolo stabili o in aumento. Tuttavia, se l'offerta competitiva o in difficoltà spinge i tassi di mercato verso il costo minimo di cassa di $0,53, le startup potrebbero vedere costi di input drasticamente inferiori. Questo biforca il rischio: le startup ben finanziate possono bloccare contratti a lungo termine, mentre altre scommettono sulla volatilità del mercato spot. L'ampio intervallo di prezzo dei token da $0,28 a $15 crea un campo di gioco disuguale basato sull'efficienza del modello e sui margini dei fornitori.