INCHIESTA | I SOLDI DELL’AI — 09
Dai rendimenti delle obbligazioni CoreWeave al debito subordinato di Anthropic, passando per Oracle e le garanzie delle Big Tech. La corsa ai data center entra in una fase in cui non conta soltanto quanto capitale viene investito, ma a quali condizioni può essere raccolto.
Nell’ultima puntata de I soldi dell’AI abbiamo analizzato come il consenso delle comunità locali, la disponibilità di energia, le connessioni alla rete e le autorizzazioni stiano diventando componenti sempre più rilevanti del costo delle infrastrutture. Il risultato è un paradosso industriale: le grandi aziende tecnologiche possono trovarsi a spendere di più senza ottenere necessariamente una quantità proporzionalmente maggiore di capacità di calcolo.
A distanza di poche settimane, un’altra variabile sta assumendo un peso crescente e non riguarda direttamente la costruzione dei data center, ma il denaro necessario per finanziarli.
Il mercato del credito sta cominciando a chiedere quanto valgano realmente le garanzie offerte dagli operatori dell’intelligenza artificiale, quanto siano affidabili i ricavi futuri utilizzati per sostenere i prestiti e quale rendimento sia necessario per compensare i rischi di infrastrutture costose, tecnologicamente esposte all’obsolescenza e dipendenti da contratti pluriennali.
La questione è emersa con particolare evidenza nella settimana del 12-16 ottobre 2026, quando le obbligazioni di CoreWeave hanno subito forti vendite e il rendimento di alcuni titoli ha raggiunto livelli intorno al 16%. Contemporaneamente, per la nuova operazione di finanziamento di Anthropic Blackstone avrebbe richiesto un rendimento superiore al 10% per assumere una parte subordinata del rischio.
Non sono due prezzi direttamente confrontabili. Il primo riguarda obbligazioni negoziate sul mercato secondario, il secondo una proposta di finanziamento privato ancora in definizione. Ma sono due manifestazioni di uno stesso cambiamento: gli investitori stanno diventando più selettivi nel valutare il rischio finanziario dell’infrastruttura AI.
La domanda che emerge non è più soltanto quanti miliardi servano per costruire l’intelligenza artificiale, ma quanti miliardi il mercato sia ancora disposto a prestare, a chi e a quale prezzo.
È una distinzione che potrebbe cambiare gli equilibri industriali del settore prima ancora che si manifesti un eventuale rallentamento della domanda di AI.
Il mercato del credito manda un segnale diverso da Wall Street
Per buona parte dell’espansione dell’intelligenza artificiale, l’attenzione degli investitori si è concentrata sulle valutazioni azionarie, sui ricavi dei produttori di semiconduttori, sulla crescita dei servizi cloud e sugli impegni di investimento annunciati dalle grandi piattaforme.
Il mercato obbligazionario osserva gli stessi fenomeni da una prospettiva differente. Chi acquista azioni partecipa al potenziale aumento del valore dell’impresa mentre chi presta denaro deve invece chiedersi se il debitore sarà in grado di pagare gli interessi e restituire il capitale, indipendentemente da quanto promettenti siano le prospettive tecnologiche.
La differenza diventa particolarmente importante per le imprese che devono anticipare enormi investimenti prima di poter incassare i ricavi corrispondenti.
CoreWeave rappresenta un caso emblematico. La società americana, specializzata nella fornitura di capacità di calcolo basata su GPU, è diventata un’infrastruttura importante per aziende come Microsoft, OpenAI e Meta. Ha costruito la propria crescita su contratti pluriennali e sull’accesso privilegiato ai processori Nvidia, finanziando l’espansione attraverso prestiti bancari, private credit, obbligazioni e operazioni garantite da asset tecnologici.
Secondo i dati LSEG riportati da Reuters, a metà ottobre il suo debito era stimato intorno ai 50 miliardi di dollari. Durante la settimana, alcuni rendimenti obbligazionari sono saliti fino al 15-16%, mentre il costo della protezione contro l’insolvenza, misurato attraverso i credit default swap, ha raggiunto circa 1.200 punti base.
Il movimento non significa che CoreWeave stia pagando il 16% sull’intero debito esistente. Le condizioni dei finanziamenti già sottoscritti non cambiano automaticamente quando le obbligazioni perdono valore sul mercato. Ma quel rendimento rappresenta un’indicazione del prezzo che gli investitori richiedono per detenere una determinata esposizione e delle difficoltà che potrebbero emergere in future operazioni di rifinanziamento.
Il segnale non riguarda necessariamente un deterioramento immediato della domanda di capacità di calcolo quanto la capacità di trasformare quella domanda in ricavi incassati, dopo aver sostenuto i costi di costruzione, installazione e finanziamento delle infrastrutture.
È una distinzione essenziale. Un’azienda può avere contratti per decine di miliardi di dollari e incontrare comunque difficoltà nel finanziare gli investimenti necessari per eseguirli. Il portafoglio ordini non equivale a liquidità disponibile e non elimina i rischi di realizzazione.
Nel caso CoreWeave, il mercato sta mettendo un prezzo proprio a questa distanza tra impegni commerciali e capacità di generare cassa.
Anthropic: quanto costa il rischio quando cambia chi lo garantisce
Il caso Anthropic permette di osservare lo stesso problema attraverso una struttura finanziaria differente. Secondo quanto riportato dal Financial Times e ripreso da Reuters il 16 ottobre, Blackstone starebbe valutando un investimento da 9 miliardi di dollari in una componente subordinata di un finanziamento destinato a sostenere la disponibilità di chip Google TPU per Anthropic. Il rendimento prospettato supererebbe il 10%.
L’operazione si inserirebbe in un pacchetto da circa 60 miliardi di dollari, con una componente senior da 42 miliardi sostenuta da Broadcom e una junior da 18 miliardi, della quale Blackstone assumerebbe una quota significativa.
Il dato più interessante non è semplicemente il rendimento a doppia cifra, ma la distribuzione del rischio tra i partecipanti. I creditori senior hanno generalmente priorità nei rimborsi e possono beneficiare di garanzie o forme di sostegno che riducono la loro esposizione economica. I creditori junior vengono rimborsati dopo quelli senior e sono quindi maggiormente esposti alle eventuali perdite. Per questa ragione richiedono una remunerazione più elevata.
Attribuire l’intera differenza di rendimento alla presenza o all’assenza di Broadcom sarebbe scorretto: seniority, garanzie, durata, struttura contrattuale e condizioni di mercato incidono contemporaneamente sul prezzo.
La questione industriale, però, resta evidente. Per assicurarsi una capacità di calcolo crescente, Anthropic deve sostenere impegni finanziari pluriennali. La domanda di servizi Claude può crescere rapidamente, ma la realizzazione delle infrastrutture richiede capitale anticipato, mentre i ricavi necessari a remunerarlo maturano nel tempo.
Broadcom, fornitore tecnologico coinvolto nella filiera dei processori personalizzati, assume anche un ruolo finanziario. Il produttore contribuisce così a rendere possibile l’espansione del cliente che utilizzerà la tecnologia.
È una relazione che ritroviamo, con forme differenti, anche tra Nvidia e CoreWeave. In entrambi i casi il finanziamento non è più un’attività esterna alla filiera tecnologica. Diventa uno degli strumenti attraverso cui la filiera stessa sostiene la propria crescita.
Questo modello può facilitare investimenti che altrimenti richiederebbero tempi più lunghi, ma rende necessario comprendere dove si concentra il rischio e quali soggetti sarebbero chiamati ad assorbirlo se le condizioni economiche cambiassero.
Il costo del capitale non è un numero solo
Per comprendere ciò che sta accadendo bisogna evitare un errore frequente: confrontare rendimenti finanziari differenti come se misurassero tutti il medesimo rischio.
Un’obbligazione societaria investment grade, un prestito garantito da GPU, una tranche subordinata di un finanziamento privato e un titolo high yield scambiato sul mercato secondario possono presentare rendimenti molto diversi anche quando finanziano attività riconducibili alla stessa industria.
Il costo di un finanziamento dipende anzitutto dal tasso di riferimento, che incorpora le condizioni monetarie e le aspettative sui tassi. A questo si aggiunge il premio richiesto per il rischio di credito, influenzato dalla capacità del debitore di generare cassa, dal suo indebitamento e dalle prospettive dell’attività.
Ma non basta.
Conta la posizione del creditore nella gerarchia dei rimborsi, la qualità delle garanzie, la durata del prestito, la possibilità di negoziarlo, la presenza di clausole contrattuali e la concentrazione dei ricavi su pochi clienti.
Nel caso dei data center AI, bisogna aggiungere variabili particolari: il valore residuo delle GPU, la disponibilità energetica, i tempi di entrata in servizio, la durata dei contratti di utilizzo e il rischio che nuove generazioni di semiconduttori modifichino l’economia delle infrastrutture già installate.
Il rendimento di mercato di un’obbligazione è inoltre diverso dal costo storico del finanziamento per l’emittente. Se un titolo già collocato perde valore, il rendimento richiesto dai nuovi acquirenti aumenta, ma la cedola contrattuale non viene automaticamente modificata.
Queste differenze non sono semplici dettagli tecnici. Sono necessarie per capire se il mercato stia rivalutando il rischio di una specifica società, di un progetto infrastrutturale o dell’intero settore.
Il confronto tra CoreWeave e Anthropic, quindi, non dimostra che una delle due aziende sia necessariamente più rischiosa dell’altra nella proporzione suggerita dai rendimenti. Mostra piuttosto che la disponibilità del capitale dipende sempre più dalla struttura attraverso cui viene raccolto.
Il vero indicatore da osservare non è soltanto il tasso nominale, ma il rapporto tra costo del finanziamento, rischio effettivamente assunto dal creditore e capacità del progetto di generare flussi di cassa sufficienti a sostenerlo.
Oracle: il problema non è trovare 38 miliardi, ma distribuirne il rischio
Oracle introduce una terza dimensione della stessa trasformazione. La società è diventata uno dei principali protagonisti dell’espansione delle infrastrutture cloud destinate all’intelligenza artificiale, assumendo impegni di investimento rilevanti per sostenere la domanda di capacità di calcolo proveniente dai grandi sviluppatori di modelli.
Ma l’espansione richiede una combinazione di finanziamenti societari, contratti pluriennali, leasing e capitali raccolti da soggetti che costruiscono infrastrutture destinate a essere utilizzate da Oracle.
Nelle ultime settimane è emerso il caso di circa 38 miliardi di dollari di finanziamenti collegati alla costruzione di data center destinati alla società, con il coinvolgimento di grandi banche internazionali, tra cui JPMorgan, MUFG, Morgan Stanley e SMBC.
La questione più significativa non è l’esistenza del finanziamento, ma la difficoltà di collocare e distribuire esposizioni di dimensioni così elevate presso una platea sufficientemente ampia di investitori.
Quando un gruppo di banche organizza un prestito infrastrutturale, può decidere di conservarne una parte e distribuirne un’altra attraverso syndacation, fondi o altri investitori istituzionali. Questo processo consente di liberare capacità di bilancio per ulteriori operazioni e di evitare concentrazioni eccessive su singoli progetti. Se però gli investitori richiedono rendimenti più elevati o garanzie più robuste, distribuire il rischio diventa più costoso e complesso.
Oracle è quindi importante non soltanto per l’entità dei propri investimenti, ma perché rende visibile una questione che coinvolge l’intero sistema bancario: quanta esposizione verso l’infrastruttura AI possono assorbire gli intermediari finanziari senza concentrare eccessivamente i propri rischi?
Non tutto il debito contratto per realizzare data center utilizzati da Oracle è necessariamente debito societario di Oracle. Occorre distinguere il soggetto che prende formalmente a prestito il denaro, il proprietario dell’infrastruttura, l’utilizzatore finale e gli eventuali garanti.
Questa distinzione non riduce l’importanza economica degli impegni ma permette invece di comprendere dove si trovano le obbligazioni contrattuali e quali rischi potrebbero tornare indirettamente sul cliente attraverso clausole di leasing, impegni di acquisto o garanzie.
È lo stesso problema che abbiamo incontrato nelle precedenti puntate dell’inchiesta, osservando come una parte crescente degli investimenti infrastrutturali venga finanziata attraverso soggetti e veicoli differenti dalle grandi piattaforme che ne utilizzano la capacità.
Quando il debito esce dal bilancio, il rischio non scompare
Le strutture finanziarie utilizzate per costruire l’infrastruttura AI stanno diventando sempre più articolate.
Una società veicolo, o SPV, può raccogliere capitale proprio e debito per acquistare GPU, finanziare un data center o realizzare un’infrastruttura destinata a essere concessa in leasing a un grande operatore tecnologico.
L’utilizzatore può così ottenere capacità di calcolo senza dover necessariamente acquistare direttamente tutti gli asset. Gli investitori finanziano il veicolo confidando nei canoni contrattuali, nelle garanzie disponibili e nel valore delle infrastrutture.
Il modello non è nuovo: il project finance e le società veicolo sono strumenti consolidati nel finanziamento di energia, trasporti, immobili e grandi infrastrutture. La particolarità dell’AI riguarda la velocità con cui cresce il fabbisogno di capitale e la natura degli asset finanziati.
Un impianto energetico e una flotta di GPU non presentano necessariamente lo stesso profilo di obsolescenza. I processori destinati all’intelligenza artificiale possono conservare una significativa utilità economica per anni, ma il loro valore dipende dall’evoluzione delle prestazioni, dall’efficienza energetica e dalla domanda di mercato.
Per questo diventano particolarmente importanti le garanzie sul valore residuo, gli impegni di acquisto della capacità inutilizzata e i contratti di lungo periodo.
Nel progetto Hyperion di Meta, ad esempio, che abbiamo analizzato nelle precedenti puntate, la struttura finanziaria coinvolge Blue Owl e strumenti di debito collegati al veicolo infrastrutturale, con garanzie che incidono sulla distribuzione effettiva del rischio.
In un’altra operazione emersa a ottobre, Amazon starebbe valutando il trasferimento di circa 8 miliardi di dollari di GPU Nvidia Grace Blackwell a una società veicolo, mantenendo una partecipazione minoritaria e utilizzando successivamente le apparecchiature attraverso contratti di leasing.
Le due strutture non sono identiche, ma rispondono a un’esigenza comune: mobilitare capitale esterno per finanziare asset necessari all’espansione dell’AI.
La conseguenza è che il rischio economico deve essere ricostruito attraverso più livelli. Un debito può essere formalmente contratto da una SPV, mentre la sostenibilità del finanziamento dipende dai pagamenti di un hyperscaler, dalle garanzie di un produttore di chip o dal valore futuro dell’hardware.
Il fatto che un’obbligazione non compaia come debito finanziario diretto nel bilancio di una Big Tech non significa che il gruppo sia privo di impegni o di esposizioni economiche. Così come, allo stesso tempo, non è corretto sommare indistintamente debito societario, leasing, finanziamenti delle SPV, garanzie e impegni futuri: alcune grandezze possono riferirsi alla stessa operazione o rappresentare obbligazioni di natura diversa.
La questione centrale diventa quindi individuare chi deve pagare, chi garantisce e chi assorbe le perdite se il valore economico dell’infrastruttura risulta inferiore alle attese.
Ed è allora qui che il prezzo del capitale rivela ciò che la sola dimensione degli investimenti non permette di vedere.
Nvidia, Broadcom e il fornitore che sostiene la domanda
Nell’economia tradizionale il rapporto tra fornitore e cliente viene spesso rappresentato come uno scambio relativamente semplice: un’impresa vende un prodotto, l’altra lo acquista e lo utilizza. Nella filiera dell’intelligenza artificiale il rapporto può essere molto più complesso.
Nvidia fornisce GPU a CoreWeave, partecipa al suo capitale e ha assunto impegni per acquistare capacità di calcolo che potrebbe rimanere inutilizzata. Broadcom partecipa alla filiera tecnologica dei TPU utilizzati da Anthropic e sostiene una componente rilevante delle strutture finanziarie che consentono al laboratorio di assicurarsi quei processori.
Sono accordi differenti, che non possono essere assimilati automaticamente. Ma mostrano come il fornitore possa assumere contemporaneamente ruoli industriali, commerciali e finanziari.
Il vantaggio è evidente: una maggiore disponibilità di capitale permette ai clienti di acquistare tecnologia e accelerare la realizzazione delle infrastrutture. I produttori di semiconduttori possono così sostenere la crescita del proprio mercato finale.
Il problema nasce quando le esposizioni diventano interdipendenti. Se il valore di un investimento dipende dai ricavi futuri del cliente e il cliente dipende a sua volta dalla disponibilità di nuovi finanziamenti per continuare ad acquistare tecnologia, la solidità della filiera deve essere valutata nel suo insieme.
Non significa che ogni relazione finanziaria tra fornitori e clienti sia circolare o priva di sostanza economica. I servizi vengono effettivamente erogati, i chip vengono installati e la capacità di calcolo viene utilizzata.
Significa però che una parte della crescita viene sostenuta da accordi nei quali domanda commerciale e disponibilità del finanziamento si rafforzano reciprocamente.
In una fase di espansione questo meccanismo può accelerare gli investimenti. In una fase di maggiore selettività del credito può rendere più visibili le concentrazioni di rischio.
La domanda non è soltanto quanto valgano le garanzie offerte da Nvidia o Broadcom, ma fino a quale punto i grandi fornitori saranno disposti a impiegare il proprio capitale e la propria capacità di credito per sostenere l’espansione dei clienti.
L’AI entra nel mercato obbligazionario globale
La trasformazione non riguarda più soltanto singole società o progetti. L’intelligenza artificiale sta diventando una componente rilevante della domanda globale di finanziamenti, attraverso obbligazioni societarie, prestiti sindacati, private credit, project finance e strumenti garantiti da asset.
Secondo un’analisi pubblicata da Apollo il 7 ottobre, gli hyperscaler avevano già raccolto nel 2026 circa 48 miliardi di dollari attraverso obbligazioni denominate in valute europee, più del triplo rispetto all’intero 2025. La distribuzione comprendeva emissioni in euro, sterline e franchi svizzeri.
Il dato è importante perché mostra come il finanziamento dell’infrastruttura AI americana stia coinvolgendo in misura crescente anche i mercati internazionali del credito anche se non equivale automaticamente a una prova di saturazione. La stessa analisi di Apollo osserva che, al momento, non emergono segnali evidenti di spiazzamento delle emissioni di altri debitori investment grade.
Il problema è piuttosto prospettico: se il fabbisogno di capitale continuerà a crescere, gli investitori dovranno decidere quale quota dei propri portafogli destinare all’infrastruttura AI, con quali limiti di concentrazione e a quali rendimenti.
Il private credit ha già assunto un ruolo centrale. Carlyle ha stimato che questo mercato potrebbe essere chiamato a finanziare circa mille miliardi di dollari della costruzione di capacità di calcolo AI. È una valutazione potenziale, non un ammontare già erogato, ma rende evidente la scala delle risorse che potrebbero essere richieste agli investitori non bancari.
La Banca dei regolamenti internazionali ha inoltre richiamato l’attenzione sulle strutture attraverso cui i data center vengono finanziati da soggetti terzi e concessi in leasing agli utilizzatori finali, sottolineando i problemi di trasparenza e di ricostruzione delle esposizioni.
Il tema assume una dimensione macroeconomica perché un settore che assorbe quantità crescenti di capitale può influenzare la composizione dei portafogli, le condizioni di finanziamento e la disponibilità degli intermediari ad assumere altri rischi.
Non possiamo tuttavia attribuire all’AI ogni aumento dei rendimenti obbligazionari. Il costo del denaro dipende dalle politiche monetarie, dalle aspettative di inflazione, dall’offerta di titoli pubblici, dalla crescita economica e dalla propensione generale al rischio.
Anzi, nelle recenti sedute si è osservato un fenomeno che aiuta a comprendere la distinzione: mentre alcune obbligazioni legate all’infrastruttura AI subivano vendite e vedevano aumentare i rendimenti, i titoli di Stato americani beneficiavano della ricerca di attività considerate più sicure.
Il tasso di riferimento e il premio per il rischio di credito possono quindi muoversi in direzioni differenti. Per valutare il finanziamento dell’AI non basta osservare il livello generale dei tassi, bisogna capire quanto gli investitori chiedano in più per finanziare uno specifico debitore o progetto rispetto a un’attività di riferimento comparabile.
Proprio in questo differenziale il mercato esprime una parte importante del proprio giudizio sulla sostenibilità economica dell’investimento.
Dal prezzo del consenso al prezzo del capitale
Il collegamento con la precedente puntata de “I soldi dell’AI” non è soltanto editoriale: energia, acqua, connessioni alla rete, autorizzazioni e opposizione delle comunità locali incidono sulla possibilità di realizzare un data center e sui tempi necessari per renderlo operativo.
Questi fattori possono avere anche una conseguenza finanziaria. Un progetto che entra in servizio in ritardo può generare ricavi più tardi del previsto, mentre una parte degli interessi e degli impegni contrattuali continua a maturare. Un’infrastruttura che richiede investimenti aggiuntivi per ottenere energia o superare ostacoli autorizzativi può aumentare il fabbisogno di capitale rispetto alle previsioni iniziali.
Il rischio di costruzione diventa così anche rischio di credito. Reuters ha riportato che alcuni finanziatori stanno privilegiando i progetti di data center più vicini al completamento e con meno ostacoli prima dell’entrata in funzione, chiedendo una remunerazione maggiore per quelli ancora esposti a significative incertezze operative.
È un passaggio importante perché collega direttamente l’economia industriale dell’AI alla sua struttura finanziaria.
Il consenso locale può aumentare il costo necessario per costruire un’infrastruttura e l’incertezza sulla sua realizzazione può aumentare anche il rendimento richiesto per finanziarla.
Non è un automatismo: un contratto solido, un garante affidabile o una struttura finanziaria adeguata possono attenuare parte del rischio. Ma la relazione esiste e merita di essere considerata nella valutazione complessiva del Capex.
La quantità di capacità di calcolo ottenibile con un miliardo di dollari dipende quindi non soltanto dal prezzo dei chip e delle infrastrutture, ma anche dal costo del capitale impiegato per finanziarli. Una dimensione che rende ancora più complesso il confronto tra investimenti annunciati e capacità effettivamente operativa.
Il costo del capitale diventa una barriera competitiva
L’effetto più rilevante di questa trasformazione potrebbe emergere nella struttura industriale del settore.
Microsoft, Alphabet, Amazon e Meta dispongono di attività consolidate che generano ricavi e flussi di cassa su larga scala. Possono finanziare una parte significativa degli investimenti attraverso risorse interne e accedere ai mercati obbligazionari con profili creditizi generalmente più solidi rispetto agli operatori specializzati.
Questo non significa che il capitale sia gratuito per gli hyperscaler o che tutti presentino la stessa situazione finanziaria. L’intensità degli investimenti, la remunerazione degli azionisti, gli impegni contrattuali e la generazione di cassa differiscono sensibilmente tra le società, ma la possibilità di combinare autofinanziamento e accesso a debito di qualità elevata costituisce un vantaggio competitivo.
Per un neocloud o uno sviluppatore di modelli che dipende maggiormente da capitali esterni, il prezzo del finanziamento può diventare una variabile decisiva.
Due operatori possono utilizzare GPU simili, offrire capacità di calcolo comparabile e servire clienti con esigenze analoghe. Se uno riesce a finanziarsi a condizioni significativamente migliori, può sostenere costi inferiori, assorbire ritardi più lunghi e affrontare con maggiore flessibilità le oscillazioni della domanda. Il costo del capitale finisce così per incidere sulla competitività industriale.
Non è necessario ipotizzare un crollo della domanda di intelligenza artificiale per immaginare una selezione degli operatori. Anche in un mercato in crescita, alcune imprese potrebbero essere costrette a ridimensionare gli investimenti, cercare nuovi partner o accettare condizioni finanziarie meno favorevoli, altre potrebbero beneficiare del consolidamento del settore, acquisendo capacità, clienti e infrastrutture da operatori finanziariamente più fragili.
In questo scenario, il vantaggio competitivo non sarebbe determinato soltanto dall’accesso alla tecnologia, ma dalla possibilità di sostenerne il costo nel tempo.
La prossima verifica arriverà dai bilanci
La stagione delle trimestrali che entra nel vivo proprio a partire da questa settimana offrirà un’occasione importante per verificare la sostenibilità dell’espansione infrastrutturale.
Il mercato azionario continuerà a concentrarsi sulla crescita dei ricavi, sui margini e sulle prospettive commerciali dell’intelligenza artificiale. Il mercato del credito cercherà conferme sulla capacità delle imprese di finanziare gli investimenti senza compromettere eccessivamente la generazione di cassa o aumentare in modo insostenibile l’indebitamento.
Le due valutazioni sono collegate, ma non coincidono. Un aumento dei ricavi cloud può rappresentare un segnale positivo per la domanda. Non dimostra, da solo, che gli investimenti necessari per sostenerla producano rendimenti adeguati al capitale impiegato.
Per questo “I soldi dell’AI” tornerà sui risultati degli hyperscaler, aggiornando il cruscotto dell’inchiesta attraverso Capex, flussi di cassa operativi, free cash flow, debito finanziario, leasing, impegni contrattuali e crescita dei ricavi cloud e AI.
A questi indicatori aggiungeremo una nuova dimensione: il prezzo del finanziamento.
Distingueremo il rendimento delle nuove emissioni da quello dei titoli già negoziati, il premio per il rischio di credito dal livello dei tassi di riferimento, il debito societario dai finanziamenti dei veicoli infrastrutturali e le garanzie effettive dalle esposizioni economiche indirette.
L’obiettivo non è tanto quello di costruire una graduatoria semplicistica delle società più indebitate, ma di comprendere quali operatori siano in grado di sostenere l’espansione e quali dipendano maggiormente dalla continua disponibilità di capitale esterno.
È una verifica che diventerà sempre più importante man mano che gli investimenti annunciati si trasformeranno in infrastrutture operative, ammortamenti, interessi e obbligazioni contrattuali.
Il mercato del credito comincia a scegliere
La corsa all’intelligenza artificiale non si è fermata (almeno per il momento). Le grandi piattaforme continuano a investire, i produttori di semiconduttori beneficiano di una domanda elevata e gli sviluppatori di modelli cercano di assicurarsi capacità di calcolo per sostenere la propria crescita.
Ma il modo in cui questa espansione viene finanziata sta cambiando. Le tensioni sulle obbligazioni CoreWeave, il rendimento richiesto per il debito subordinato di Anthropic, la distribuzione dei finanziamenti collegati ai data center Oracle e il ricorso crescente a società veicolo e private credit mostrano un mercato nel quale il rischio viene valutato con maggiore attenzione.
Non siamo necessariamente di fronte a una crisi generalizzata del credito AI. Gli investitori continuano a finanziare infrastrutture e progetti, ma chiedono di distinguere tra debitori, garanzie, qualità dei contratti e capacità effettiva di generare cassa. È una selettività che può diventare un fattore determinante nella prossima fase di sviluppo del settore.
Nell’ultima puntata abbiamo osservato che il consenso delle comunità locali ha cominciato ad avere un prezzo, ora emerge che anche il capitale necessario per costruire l’AI deve essere valutato in funzione del rischio che gli investitori sono disposti ad assumere.
Le due dimensioni si rafforzano reciprocamente: un progetto più costoso o incerto può richiedere maggiori finanziamenti; un finanziamento più oneroso può rendere meno conveniente realizzare quel progetto.
Per comprendere il futuro dell’infrastruttura AI non basterà quindi sapere quanti miliardi vengono annunciati, ma bisognerà verificare quanti diventano investimenti eseguibili, quanti si trasformano in capacità operativa e quanti generano flussi di cassa sufficienti a sostenere il capitale utilizzato.
Il mercato del credito non sta necessariamente dicendo che l’intelligenza artificiale vale meno di quanto si pensasse. Sta cominciando a chiedere quanto costa davvero costruirla, chi può permetterselo e chi pagherà se le aspettative non saranno rispettate.
È una domanda meno spettacolare delle valutazioni miliardarie e delle nuove generazioni di modelli, ma potrebbe rivelarsi decisiva per stabilire chi controllerà l’infrastruttura dell’AI nei prossimi anni.
.
→ Vai alla pagina dell’inchiesta “I soldi del’AI” per leggere tutte le puntate
Nota metodologica – L’analisi utilizza dati societari, comunicazioni finanziarie, rendimenti obbligazionari e informazioni sulle operazioni di finanziamento disponibili al 18 ottobre 2026. Distingue tra debito societario, finanziamenti infrastrutturali, leasing, garanzie e impegni contrattuali, evitando di sommare esposizioni potenzialmente sovrapposte. I rendimenti sul mercato secondario non rappresentano il costo medio del debito degli emittenti; le operazioni in negoziazione sono indicate come tali. Le valutazioni prospettiche costituiscono scenari di analisi, non previsioni certe.