INCHIESTA | I SOLDI DELL’AI — 03
Debito, equity, leasing, SPV e private credit stanno finanziando la seconda fase del boom dell’AI
La cassa resta il primo motore della corsa all’intelligenza artificiale. Ma centinaia di miliardi di investimenti stanno trasformando data center, GPU, contratti cloud e persino futuri canoni di locazione in oggetti finanziabili. Il capitale necessario a costruire l’AI non arriva più soltanto dai bilanci delle Big Tech. E capire dove si trova richiede di guardare ben oltre il debito tradizionale.
Se la cassa non basta più a pagare tutta l’infrastruttura che vuoi costruire, le possibilità sono sostanzialmente due: costruire meno oppure trovare qualcun altro disposto a mettere i soldi.
Le Big Tech hanno scelto soprattutto la seconda.
Nella puntata precedente de “I soldi dell’AI” abbiamo misurato quanta parte del Capex delle principali società tecnologiche possa ancora essere coperta dall’Operating Cash Flow. La fotografia era tutt’altro che uniforme: Nvidia a 8,8x, Microsoft a 1,55x, Meta praticamente sulla soglia dell’1x, Amazon e Alphabet leggermente sotto. Oracle, aggiornata al Q1 FY2027, a 0,81x.
Ma scendere sotto 1x non significa automaticamente avere un problema di liquidità. E soprattutto non significa che il funding gap diventi automaticamente debito.
È qui che comincia questa terza storia, perché la seconda fase della corsa infrastrutturale all’AI non si capisce più guardando soltanto il Capex. Bisogna seguire il modo in cui quel Capex viene finanziato.
Oracle ci ha già mostrato come funziona
Oracle è probabilmente il punto migliore da cui partire. Nel febbraio 2026 la società aveva annunciato un piano esplicito: raccogliere tra 45 e 50 miliardi di dollari nell’anno per finanziare l’espansione di Oracle Cloud Infrastructure, utilizzando una combinazione di debito ed equity. Tra gli strumenti previsti comparivano azioni ordinarie, titoli convertibili e un programma at-the-market fino a 20 miliardi di dollari.
A settembre quel programma ATM non era più un’intenzione. Oracle aveva completato un aumento di capitale attraverso il programma at-the-market, emettendo circa 141 milioni di nuove azioni e raccogliendo quasi 20 miliardi di dollari netti.
Un’operazione societaria distinta dal piano personale di Larry Ellison per vendere parte delle proprie azioni Oracle, cancellato il 12 settembre senza che fosse effettuata alcuna vendita.
Nel frattempo aveva aggiunto 850 MW di capacità data center, consegnato più di 300.000 GPU dalla fine del trimestre precedente e portato i Remaining Performance Obligations a $664 miliardi.
È difficile trovare un’illustrazione più chiara del passaggio che stiamo osservando: la domanda per il cloud AI genera contratti; i contratti richiedono capacità; la capacità richiede data center e GPU; gli investimenti superano temporaneamente la cassa disponibile e il mercato dei capitali finanzia la differenza.
Oracle aveva già raccolto nell’FY2026 43 miliardi di dollari attraverso debito e 5 miliardi attraverso equity.
L’intelligenza artificiale comincia così a cambiare anche la struttura finanziaria delle aziende che la stanno costruendo.
Ma quanto debito c’è davvero dietro l’AI?
Nelle ricostruzioni sulla corsa all’AI finiscono spesso nella stessa grande cifra debito societario, leasing, commitment futuri, contratti di acquisto, project finance e obbligazioni di veicoli speciali.
Il risultato può essere impressionante ma finanziariamente significa poco.
Nella ricostruzione di Rivista.AI, il gross debt del nostro Financial Core, costituito da Microsoft, Amazon, Alphabet, Meta, Oracle e Nvidia, si collocava intorno a $520 miliardi.
Allargando il perimetro a CoreWeave si arrivava nell’ordine dei $545 miliardi.
È già molto denaro, ma non sono tre trilioni. Per arrivare alle cifre molto più grandi che circolano nel dibattito bisogna aggiungere altre categorie: finance leases, project finance, SPV, future leases non ancora iniziate, purchase commitments, take-or-pay e impegni contrattuali.
Ed è proprio qui che bisogna fermarsi, perché queste grandezze non sono automaticamente sommabili.
Un commitment futuro non è necessariamente debito presente, un contratto pluriennale non equivale a un bond, così come un lease non ancora iniziato non è contabilizzato come una normale passività finanziaria corrente e il debito contratto da una SPV non coincide necessariamente con quello dell’hyperscaler che utilizzerà l’infrastruttura.
La domanda interessante non è quindi quanto debito ha prodotto l’AI, ma quali obbligazioni economiche sta creando la costruzione dell’AI, chi le finanzia e in quale bilancio finiscono?
Il trilione che ancora non si vede
È sufficiente guardare ai leasing per capire perché questa distinzione sia importante.
Un’analisi Reuters dei filing societari ha calcolato circa 1,09 trilioni di dollari di future lease payments impegnati da Microsoft, Meta, Oracle, Amazon e Alphabet, in larga misura collegati alla costruzione di data center. Si tratta soprattutto di uncommenced leases: strutture contrattate ma non ancora entrate in funzione e quindi non ancora registrate come normali lease liabilities nei bilanci.
Microsoft da sola risultava avere circa 329 miliardi di dollari di future lease commitments; Meta circa 279 miliardi, prima di ulteriori accordi; Oracle circa 260 miliardi.
Quel trilione non sono mille miliardi di nuovo debito, ma neppure può essere trattato come se non esistesse.
Rappresenta una promessa economica: infrastrutture che qualcuno costruirà oggi perché qualcun altro si è impegnato a utilizzarle e pagarle domani. Ed è precisamente questo tipo di promessa che Wall Street sta imparando a finanziare.
Il data center esce dal bilancio
Il meccanismo può diventare ancora più sofisticato. Immaginiamo che un hyperscaler voglia un nuovo campus AI ma non voglia necessariamente finanziarne interamente la costruzione con il proprio Capex.
Si crea una joint venture o una Special Purpose Vehicle. Investitori esterni apportano equity, il veicolo raccoglie debito, costruisce o acquista il data center, l’hyperscaler firma un contratto pluriennale per utilizzare la capacità.
Il debito rimane principalmente nel veicolo, il data center esiste, l’hyperscaler ottiene la capacità e il capitale arriva da investitori che fino a pochi anni fa probabilmente non avremmo inserito nella stessa frase con GPU e modelli linguistici.
La Bank for International Settlements (BIS), la Banca dei Regolamenti Internazionali di Basilea, descrive strutture di questo tipo come una forma di “shadow borrowing”: obbligazioni economicamente simili al debito che possono però risiedere prevalentemente fuori dal bilancio dell’hyperscaler. I flussi derivanti dai lease o dai capacity agreement servono poi a sostenere il debito detenuto da private-credit fund e altri investitori istituzionali.
È un passaggio importante. Non scompare il fabbisogno di capitale, cambia il soggetto che lo finanzia e il luogo in cui appare.
Meta e il modello Hyperion
Meta offre un esempio concreto. Per sviluppare il campus Hyperion in Louisiana, la società ha costituito una joint venture con fondi gestiti da Blue Owl Capital. Il veicolo sviluppa e possiede il campus, mentre Meta mantiene un ruolo nella gestione della costruzione e della proprietà. Blue Owl porta capitale e competenze nell’investimento in infrastrutture digitali.
È una struttura molto diversa dal modello più intuitivo: Meta genera cassa → Meta spende Capex → Meta possiede il data center.
Ora la catena può diventare: investitori → fondo infrastrutturale → JV/SPV → data center → contratto pluriennale con Meta.
La capacità di calcolo rimane destinata all’ecosistema tecnologico, ma una parte del capitale necessario per costruirla arriva da un altro ecosistema: quello finanziario.
Poi ci sono le GPU che diventano collateral
CoreWeave porta questa trasformazione ancora più avanti. A giugno 2026 la società dichiarava $35,6 miliardi di indebitamento complessivo e altri $10 miliardi circa di capacità non utilizzata attraverso revolving facility e delayed-draw term loans.
Ma è la struttura di quei finanziamenti a essere interessante.
A marzo CoreWeave ha chiuso una facility da 8,5 miliardi di dollari, non-recourse e investment grade, garantita da infrastruttura HPC e dal relativo contratto con il cliente.
A maggio ne ha aggiunta un’altra da 3,1 miliardi di dollari, descritta dalla stessa società come la prima delayed-draw term loan facility HPC-backed sindacata pubblicamente.
Ad agosto è arrivata un’ulteriore facility da 2,6 miliardi di dollari, sostenuta da contratti con diversi clienti e con una durata di circa cinque anni, persino superiore alla durata media dei contratti sottostanti, pari a circa tre anni.
GPU, server, data center e contratti di utilizzo stanno quindi assumendo una seconda identità, non sono più soltanto infrastruttura tecnologica: stanno diventando collateral.
Dalla GPU all’asset class
È forse il cambiamento finanziario più interessante dell’intera corsa all’AI. Un investitore infrastrutturale sa finanziare un’autostrada perché può stimare traffico, pedaggi, vita utile dell’asset e flussi di cassa. Sa finanziare un aeroporto perché esistono concessioni, passeggeri, slot e contratti pluriennali. Ora il mercato sta provando a fare qualcosa di simile con data center e capacità GPU.
Ma esiste una differenza non trascurabile: una centrale elettrica può funzionare per decenni, una GPU tecnologicamente dominante oggi potrebbe non esserlo tra pochi anni e un contratto cloud può avere una durata inferiore a quella del finanziamento che ha permesso di costruire l’infrastruttura necessaria a servirlo.
È qui che compare un nuovo rischio: l’asset può invecchiare più velocemente del capitale che lo finanzia.
CoreWeave mostra contemporaneamente entrambe le facce del fenomeno. Il mercato è ormai sufficientemente maturo da attribuire rating investment grade ad alcune strutture HPC-backed; ma la società stessa avverte nei propri filing che il suo elevato indebitamento può limitare la capacità di raccogliere ulteriore capitale e richiede significativi pagamenti di interessi e principal.
Wall Street non sta semplicemente finanziando l’AI, sta imparando a prezzarne la durata.
Il private credit entra nella sala macchine
Ed è qui che entra un’altra enorme fonte di capitale. Private equity, infrastructure fund, assicurazioni, asset manager e private credit possono finanziare strutture che non devono necessariamente apparire come nuovo debito direttamente nei bilanci delle Big Tech.
La BIS, la Banca dei Regolamenti Internazionali di Basilea, sottolinea proprio questo collegamento crescente tra hyperscaler e investitori non bancari. Le banche possono a loro volta finanziare i veicoli o fornire linee di credito, creando ulteriori collegamenti tra infrastruttura digitale e sistema finanziario.
Il fenomeno sta diventando abbastanza grande da attirare l’attenzione delle autorità finanziarie. Il direttore generale della BIS, Pablo Hernández de Cos, ha avvertito il 10 settembre che il boom dell’AI sta creando nuovi potenziali rischi per la stabilità finanziaria, proprio mentre il finanziamento dell’infrastruttura diventa più complesso e meno concentrato nei tradizionali bilanci corporate.
Non significa che siamo davanti a una crisi. Significa qualcosa di più interessante per questa inchiesta: la finanza dell’AI sta diventando abbastanza grande da non essere più soltanto una questione tecnologica.
Il mercato ha già cominciato a chiedere un prezzo diverso
E nelle ultime settimane è apparso un altro segnale. Secondo Reuters, nel 2026 le emissioni di debito collegate all’infrastruttura AI avevano raggiunto quasi 500 miliardi di dollari già all’inizio di agosto, circa il 20% del debito statunitense di qualità più elevata emesso nel periodo. Ma ritardi nei progetti, difficoltà nell’accesso all’energia e opposizione politica stanno rendendo alcuni finanziatori più selettivi: maggiori garanzie, rendimenti più elevati e condizioni più stringenti prima dell’erogazione del capitale.
A questo punto, la domanda non è più soltanto se esista capitale sufficiente per costruire l’AI, comincia a essere a quale prezzo quel capitale sarà ancora disponibile?
Perché quando un investimento passa dalla cassa aziendale al mercato, compare inevitabilmente un costo: il costo del capitale.
Il rischio non sparisce. Cambia indirizzo
È quindi troppo semplice sostenere che Big Tech stia semplicemente “portando il debito fuori bilancio”. In alcuni casi accade qualcosa di economicamente simile, in altri si tratta di genuine partnership infrastrutturali, project finance, leasing o strutture in cui investitori diversi accettano rischi differenti in cambio di rendimenti differenti.
La distinzione conta, ma il principio rimane.
Quando un fondo finanzia un data center, quando un’assicurazione compra il debito di un veicolo infrastrutturale, quando una banca finanzia una SPV o quando un hyperscaler firma un lease ventennale, il rischio economico della costruzione dell’AI viene distribuito lungo una catena più lunga.
Questo può rendere il sistema più resiliente, perché nessuna singola società deve finanziare tutto, ma può anche renderlo più difficile da leggere.
Per questo i circa $520 miliardi di gross debt del nostro Financial Core raccontano soltanto una parte della storia: il resto si trova nei contratti, nei lease, nelle joint venture, nei veicoli speciali e nei portafogli degli investitori che stanno finanziando l’infrastruttura.
Ed è proprio seguendo questi collegamenti che emerge una domanda ancora più interessante: perché alcuni dei soggetti che finanziano l’AI sono anche quelli che vendono il compute. Alcuni investono nei laboratori che diventano loro clienti. Alcuni produttori di chip contribuiscono all’espansione dell’ecosistema che acquista i loro prodotti.
A questo punto non basta più chiedersi da dove arrivano i soldi, bisogna vedere dove vanno e quante volte attraversano lo stesso ecosistema.
Ma questo lo vedremo nella prossima puntata.
→ Vai alla pagina dell’inchiesta “I soldi del’AI”
.
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.