INCHIESTA | I SOLDI DELL’AI — 01/05

Microsoft, Amazon, Alphabet, Meta e Oracle si avvicinano insieme agli 800 miliardi di dollari di Capex nel 2026. Non sono tutti investimenti in intelligenza artificiale, ma una parte enorme serve a costruire data center, compute ed energia anticipando una domanda che deve ancora materializzarsi. È da qui che comincia “I soldi dell’AI”, la nuova inchiesta di Rivista.AI.

Ottocento miliardi di dollari sono una cifra abbastanza grande da perdere rapidamente significato, ma rappresentano il capitale che Microsoft, Amazon, Alphabet, Meta e Oracle potrebbero investire complessivamente nel 2026, sulla base dei dati e delle guidance raccolti da Rivista.AI.

Per essere precisi, 788 miliardi di dollari. Ed è proprio da questo numero che parte la nostra inchiesta.

Non perché 788 miliardi siano “il costo dell’intelligenza artificiale”. Non lo sono. Dentro il Capex delle Big Tech convivono data center, server, networking, immobili, logistica, infrastrutture cloud e investimenti destinati anche ad attività che con l’AI hanno poco o nulla a che vedere.

Il problema è proprio questo: nessuna delle grandi piattaforme pubblica una contabilità sufficientemente granulare da permettere di separare con precisione il Capex AI dal resto degli investimenti infrastrutturali.

Eppure una cosa è ormai evidente. L’intelligenza artificiale sta modificando profondamente dimensione, velocità e composizione di quella spesa. La rivoluzione dei modelli è diventata una rivoluzione delle infrastrutture.

E le infrastrutture hanno una caratteristica poco digitale: bisogna pagarle prima di sapere esattamente quanto renderanno.

Da software company a costruttori di infrastrutture

Il fascino economico delle grandi piattaforme tecnologiche è stato fino ad oggi relativamente semplice da spiegare. Una volta costruito il prodotto, aggiungere utenti costava relativamente poco. Il software aveva costi marginali bassi e poteva essere distribuito globalmente con una scalabilità difficilmente replicabile nell’economia fisica.

L’AI generativa sta modificando questo modello.

Ogni nuovo modello richiede capacità di calcolo così come ogni aumento dell’utilizzo richiede inferenza. La capacità di calcolo richiede GPU, server, networking, raffreddamento, edifici, terreni ed energia. E prima ancora che il primo token venga venduto a un cliente, qualcuno deve aver costruito tutto questo.

Microsoft, Alphabet, Amazon, Meta e Oracle stanno così assumendo caratteristiche che fino a pochi anni fa avremmo associato più facilmente a operatori infrastrutturali che a società software.

La differenza è che lo stanno facendo a una velocità straordinaria.

Nel perimetro utilizzato da Rivista.AI, le indicazioni disponibili per il 2026, portano Microsoft verso circa 175 miliardi di dollari di Capex, Alphabet verso 200 miliardi, Amazon intorno a 220 miliardi, Meta verso 137,5 miliardi nello scenario centrale e Oracle a circa 55,7 miliardi.

Totale: circa 788 miliardi di dollari.

Il numero è impressionante. Ma utilizzarlo senza una seconda domanda sarebbe fuorviante. Quanto di questi 788 miliardi possiamo davvero attribuire all’AI?

Il problema dei 788 miliardi

La risposta più corretta è anche quella meno spettacolare: non lo sappiamo con precisione.

Gli hyperscaler non costruiscono normalmente un data center “AI” accanto a un data center “non AI” con due contabilità perfettamente separate. Le infrastrutture vengono condivise. Networking, immobili, energia e capacità cloud possono sostenere contemporaneamente workload tradizionali e applicazioni di intelligenza artificiale.

Per questo Rivista.AI ha scelto di non trasformare una stima in un dato societario. Abbiamo invece costruito tre scenari di sensitivity.

Se attribuiamo all’AI il 55% del Capex complessivo, otteniamo circa 433,5 miliardi di dollari. Con uno scenario centrale del 70%, arriviamo a circa 551,7 miliardi. Con un’ipotesi più aggressiva dell’85%, raggiungiamo circa 669,9 miliardi.

Sono scenari Rivista.AI, non disclosure delle società. Ed è probabilmente più utile ragionare attraverso questo intervallo che fingere di conoscere un numero che le aziende stesse non rendono disponibile.

Il punto interessante, però, non cambia molto passando dallo scenario Low a quello High.

Anche utilizzando l’ipotesi più prudente, stiamo parlando di centinaia di miliardi di dollari investiti in un solo anno per preparare la capacità necessaria all’economia dell’AI.

Ed è qui che il problema diventa più interessante del numero.

Prima si costruisce, poi si cerca la domanda

In un mercato maturo l’investimento tende a seguire la domanda. Un’impresa vede crescere gli ordini, aumenta la capacità produttiva e investe per soddisfarli. Nell’AI sta accadendo, almeno in parte, il contrario.

La capacità deve essere disponibile prima che la domanda si manifesti completamente.

Un data center richiede anni per essere progettato, autorizzato, collegato alla rete e costruito. La capacità elettrica deve essere prenotata. Le GPU devono essere ordinate. I contratti con fornitori e operatori energetici devono essere sottoscritti molto prima che sia possibile sapere quanti token, agenti o applicazioni utilizzeranno effettivamente quell’infrastruttura.

Le Big Tech stanno quindi facendo una scommessa sul futuro, non scommettendo semplicemente che l’intelligenza artificiale crescerà, ma che crescerà abbastanza velocemente da assorbire una quantità di infrastruttura costruita oggi sulla base della domanda attesa domani.

Questa distinzione è fondamentale.

Perché una tecnologia può avere successo straordinario e, contemporaneamente, attraversare una fase nella quale la capacità cresce più velocemente della monetizzazione.

Internet lo ha già mostrato così come le telecomunicazioni e le ferrovie, che molto tempo prima, lo avevano mostrato ancora meglio.

Un’infrastruttura può essere necessaria e trasformativa senza che ogni investimento realizzato durante la sua costruzione produca necessariamente il rendimento previsto.

Perché nessuno può permettersi di rallentare

A questo punto sembrerebbe esserci una soluzione molto semplice: aspettare. Costruire meno capacità, osservare la domanda e aumentare gli investimenti soltanto quando il mercato dimostra di averne bisogno.

Il problema, per Microsoft, Amazon, Alphabet, Meta e Oracle è che aspettare potrebbe essere più rischioso che spendere troppo.

L’AI presenta infatti una struttura competitiva particolare. Se tutti rallentassero contemporaneamente, probabilmente l’intero settore potrebbe costruire capacità in maniera più disciplinata. Ma nessuna società può sapere con certezza che le altre faranno lo stesso.

Se Microsoft rallenta e Amazon continua a costruire, AWS potrebbe trovarsi con più capacità disponibile così come se Google rallenta mentre Microsoft accelera, Azure potrebbe conquistare workload che difficilmente torneranno indietro.

Se Meta decidesse di investire meno mentre i concorrenti continuano ad acquistare GPU e capacità energetica, rischierebbe di trovarsi con meno compute proprio nel momento in cui nuovi modelli richiedono più risorse.

È una classica dinamica da teoria dei giochi.

La decisione razionale per il singolo operatore può produrre un risultato collettivo molto più aggressivo.

Ognuno continua a costruire perché il costo di una capacità inutilizzata domani può apparire inferiore al costo strategico di non averne abbastanza.

Il Capex diventa così non soltanto investimento: diventa assicurazione contro il rischio di perdere la corsa all’AI.

E poi c’è Nvidia

In questa storia esiste però un soggetto che occupa una posizione molto diversa. Mentre gli hyperscaler devono trasformare centinaia di miliardi di investimenti in servizi che qualcuno dovrà acquistare, Nvidia si trova dall’altra parte della transazione: vende una delle risorse più richieste per costruire quella capacità.

È una differenza fondamentale e torneremo su questo punto nelle prossime puntate.

Per ora basta osservare la geometria del sistema: il Capex di qualcuno diventa il ricavo di qualcun altro.

Ed è proprio seguendo questi passaggi che il quadro finanziario dell’AI diventa progressivamente meno lineare.

Gli hyperscaler acquistano GPU. Gli AI Lab acquistano compute dagli hyperscaler. Alcuni hyperscaler investono negli stessi AI Lab che utilizzano il loro cloud. Nvidia vende l’hardware e contemporaneamente entra in investimenti e partnership destinati ad ampliare l’ecosistema che utilizzerà quell’hardware.

I soldi cominciano a muoversi in più direzioni. Ma prima di seguirli dobbiamo capire una cosa ancora più elementare: chi riesce a permettersi questa corsa?

Spendere 800 miliardi è una cosa. Generarli è un’altra

Le Big Tech partono da una posizione eccezionale.

Generano quantità di cassa che quasi nessun altro settore industriale può avvicinare. È proprio questa capacità finanziaria ad aver permesso alla prima fase del build-out AI di essere sostenuta in larga parte internamente.

Ma l’aumento del Capex sta modificando anche questa equazione.

Quando gli investimenti crescono più rapidamente dell’Operating Cash Flow, il Free Cash Flow si comprime. Quando il Capex raggiunge o supera la cassa operativa prodotta, diventa necessario decidere se utilizzare liquidità accumulata, emettere debito, ricorrere a lease, coinvolgere investitori esterni oppure costruire nuove strutture finanziarie.

Non tutte le Big Tech si trovano nello stesso punto. Nvidia, Microsoft, Meta, Amazon, Alphabet e Oracle presentano oggi situazioni profondamente differenti.

Per misurarle abbiamo costruito un indicatore molto semplice, l’Internal Funding Coverage espresso come Operating Cash Flow / Cash Capex

La soglia da osservare è 1x.

Sopra 1x, la cassa operativa del periodo copre il Capex. Sotto 1x, gli investimenti superano la cassa operativa prodotta nello stesso perimetro temporale.

Ed è qui che gli 800 miliardi cominciano a trasformarsi da storia tecnologica a storia finanziaria.

Ma questa è la seconda puntata.

.

Nota su dati e strumenti AI

L’inchiesta “I soldi dell’AI” utilizza informazioni disponibili e verificate fino al 10 settembre 2026. I dati utilizzati in questa inchiesta provengono prioritariamente da filing regolamentari, risultati societari, investor relations e altre fonti primarie, integrate quando necessario da fonti finanziarie qualificate. Stime, proxy e scenari elaborati da Rivista.AI sono indicati come tali e possono essere soggetti ad aggiornamento. Grafici e visualizzazioni sono realizzati da Rivista.AI anche con il supporto di strumenti di intelligenza artificiale generativa, sulla base di dati, struttura e indicazioni editoriali definite e verificate dalla redazione.