Goldman avverte che il mercato AI è una gomma tesa in crisi

Goldman Sachs strategist Rich Privorotsky issued a cautionary note on the artificial intelligence market, characterizing its current state as a stretched 'rubber band' facing mounting tension from divergent trends. The analysis, detailed on June 23, 2026, highlights a growing disparity between soaring capital expenditure forecasts from major cloud providers and the rapidly decreasing cost of developing AI software on alternative platforms. This dynamic was reflected in early market action as Intel Corp. (INTC) surged 16,38% to $140,94, while Goldman Sachs (GS) itself traded at $1.106,37, up 0,66%, as of 09:56 UTC today. Privorotsky's comments signal concern over the sustainability of current valuations as underlying economics shift.

Context — perché è importante ora

Il ciclo di investimento attuale nell'AI, iniziato seriamente con la commercializzazione dei grandi modelli linguistici alla fine del 2022, si basa su spese di capitale sempre crescenti per le infrastrutture informatiche. I precedenti storici, come l'espansione infrastrutturale dot-com del 1999-2000 e il ciclo di spesa in capitale per il 5G del 2018-2020, dimostrano che i cicli di domanda hardware spesso raggiungono il picco proprio quando il livello software diventa più efficiente e accessibile. Il fattore scatenante per l'attuale scrutinio è una congiunzione di annunci di spese record da parte dei cosiddetti hyperscaler—Amazon Web Services, Microsoft Azure e Google Cloud—che coincide con la maturazione dei modelli AI open-source e degli strumenti di sviluppo che riducono la dipendenza da piattaforme proprietarie e costose. Questo disaccoppiamento degli investimenti hardware dall'innovazione software crea la tensione fondamentale identificata da Privorotsky.

Il contesto macroeconomico per questo cambiamento include un ambiente dei tassi di interesse stabilizzante, con il rendimento dei Treasury a 10 anni che si attesta vicino al 4,3%. Questo fornisce una certa certezza per il finanziamento delle infrastrutture a lungo termine, ma aumenta anche il tasso di rendimento per i progetti che richiedono un massiccio capitale iniziale. La catena di catalizzatori è diretta: gli impegni pluriennali degli hyperscaler per costruire data center e acquisire semiconduttori avanzati come le GPU H100 e B200 di Nvidia hanno spinto le valutazioni dei produttori di chip, mentre simultaneamente finanziano lo sviluppo di strumenti che potrebbero alla fine erodere il loro potere di determinazione dei prezzi. Questo crea un ciclo auto-limitante in cui il successo degli investimenti genera alternative competitive.

Dati — cosa mostrano i numeri

I dati di mercato illustrano l'intenso focus sull'infrastruttura AI. Il balzo intraday di Intel del 16,38% ha spinto il suo prezzo delle azioni a un massimo di $141,45, riflettendo un aumento della capitalizzazione di mercato di oltre $20 miliardi in una sola sessione. Questo movimento supera significativamente il settore tecnologico più ampio e i guadagni più modesti dell'S&P 500 da inizio anno. La performance azionaria di Goldman Sachs, un guadagno dello 0,66% a $1.106,37, sottolinea la ricezione del mercato della sua prospettiva analitica rispetto ai giochi diretti sulla tendenza.

Le previsioni di spesa in capitale degli hyperscaler sono aumentate drasticamente. Le proiezioni di spesa aggregate per il 2026 dei primi tre fornitori di cloud superano ora i $180 miliardi, con un aumento anno su anno di oltre il 25%. Questa spesa è fortemente orientata verso infrastrutture ottimizzate per l'AI. Al contrario, il costo di addestramento e inferenza per alcuni modelli AI è crollato. I dati di benchmarking mostrano che il costo per addestrare un modello linguistico all'avanguardia è sceso di circa il 70% dal 2024 a causa di miglioramenti algoritmici e della disponibilità di soluzioni hardware più efficienti e non proprietarie. La divergenza è netta: i costi di input di capitale stanno aumentando mentre il valore di output, in termini di capacità software accessibile, sta diventando più economico da produrre.

Metri	Base 2024	Livello metà 2026	Variazione
Spesa in capitale dei primi 3 hyperscaler	~$144B	>$180B	+25%+
Costo di addestramento dei modelli AI (Indice)	100	~30	-70%

Analisi — cosa significa per i mercati / settori / ticker

L'effetto immediato di secondo ordine è una biforcazione all'interno del settore tecnologico. Le aziende di attrezzature per semiconduttori e i progettisti di chip con esposizione alla domanda degli hyperscaler, come AMD e Broadcom, potrebbero continuare a vedere forza negli ordini nel breve termine. Tuttavia, le aziende le cui valutazioni dipendono da una scarsità perpetua di calcolo AI, inclusi alcuni produttori di chip AI puri, affrontano un rischio maggiore se la commoditizzazione del software accelera. L'ambiente di sviluppo più economico beneficia le aziende di software enterprise e le startup che ora possono costruire funzionalità AI avanzate senza la necessità di possedere massicce infrastrutture, potenzialmente aumentando settori come SaaS e cybersecurity.

Una limitazione chiave alla tesi della 'gomma tesa' è la possibilità di scoperte impreviste nell'AI che richiedono hardware ancora più potente e specializzato, ripristinando la curva dei costi. Le tendenze attuali nel calcolo quantistico-ibrido e nelle architetture neurali di nuova generazione suggeriscono che la domanda di hardware potrebbe aumentare nuovamente. I dati di posizionamento indicano che i fondi istituzionali long-only rimangono fortemente orientati verso le azioni dei semiconduttori, mentre i fondi hedge hanno iniziato a costruire posizioni corte in aziende percepite come eccessivamente dipendenti dalla spesa degli hyperscaler che manca di chiare tempistiche di monetizzazione. I flussi si stanno orientando verso le aziende che costruiscono applicazioni AI con modelli di ricavi chiari rispetto a quelle che vendono attrezzature per infrastrutture.

Prospettive — cosa osservare in seguito

Il principale catalizzatore per testare l'analogia della gomma tesa sarà il prossimo round di report sugli utili degli hyperscaler, che inizierà con Alphabet il 23 luglio, seguito da Microsoft e Amazon a fine luglio e inizio agosto. Gli investitori esamineranno la redditività delle divisioni cloud e le indicazioni sulle spese in capitale per eventuali segni di rallentamento o cautela. I livelli chiave da osservare includono l'indice Nasdaq-100 che si mantiene sopra 19.500 e il Philadelphia Semiconductor Index (SOX) che mantiene supporto alla sua media mobile a 100 giorni.

Eventi di settore imminenti includono l'esposizione tecnologica Computex Taipei all'inizio di giugno, dove spesso vengono presentate nuove architetture di chip, e la conferenza Allen & Co. Sun Valley a luglio, un luogo per importanti affari nei media e nella tecnologia che potrebbe segnalare tendenze di consolidamento. Una rottura sotto $130 per Intel o un fallimento di Nvidia nel mantenere il suo slancio sopra $120 segnerebbe un potenziale ribaltamento del sentiment. La reazione del mercato a questi eventi determinerà se la gomma tesa si riporterà indietro con forza o continuerà a allungarsi.

Domande Frequenti

Cosa significa la teoria della gomma tesa dell'AI per gli investitori retail?

La teoria suggerisce che gli investitori retail dovrebbero differenziare tra le aziende che costruiscono infrastrutture AI e quelle che la utilizzano per creare prodotti. Mentre le azioni delle infrastrutture sono volatili e legate ai cicli di spesa in capitale, le aziende focalizzate sulle applicazioni potrebbero offrire una crescita più stabile man mano che gli strumenti AI diventano più economici. I portafogli retail fortemente concentrati in ETF sui semiconduttori potrebbero necessitare di riequilibrio se la spesa degli hyperscaler raggiunge il picco, sottolineando l'importanza della diversificazione lungo la catena del valore dell'AI piuttosto che scommettere esclusivamente sull'hardware.