40 trilioni di dollari di debiti incombono, ma la febbre per le infrastrutture di calcolo AI non si ferma! L’ondata da migliaia di miliardi di dollari alimenta il super ciclo della potenza di calcolo

Secondo quanto riportato da Zhitong Finance APP, un team guidato dall'esperto stratega Andrew Sheets, appartenente al colosso finanziario di Wall Street Morgan Stanley, ha recentemente dichiarato che il governo degli Stati Uniti ha accumulato circa 40 trilioni di dollari di debito federale. Tuttavia, il costante aumento del debito pubblico non ha ancora frenato l'ondata storica di prestiti da parte delle società tecnologiche legate all'AI, né ha scosso la resilienza ancora presente nei consumi delle famiglie americane.

Ciò significa che, secondo il team di strategist di Morgan Stanley, l'attuale debito federale statunitense di 40 trilioni di dollari non ha ancora innescato il cosiddetto "crowding-out" di credito per le aziende e i privati—a maggior ragione visto che la leva finanziaria aziendale si mantiene stabile, il volume delle emissioni obbligazionarie potrebbe segnare nuovi record, il carico di debito delle famiglie è inferiore rispetto al 2000 e al 2019, e una spesa al consumo sempre più robusta nonché utili aziendali continuano a compensare l’impatto negativo sull’azionario USA e sui mercati azionari globali causato dall'aumento dei tassi d'interesse e dalla curva dei rendimenti dei Treasury. Il rendimento delle obbligazioni statunitensi investment grade a lunga scadenza si attesta al 6,2%, mentre i Treasury a 30 anni superano l’inflazione prevista di circa 300 basis points, alzando costantemente il costo opportunità delle azioni; ciò che potrebbe realmente mettere fine al binomio "forza sia delle obbligazioni che delle azioni" non è tanto l'ammontare del debito, ma il fatto che l'elevato costo del finanziamento finisca per rallentare la crescita degli utili delle società.

Il macigno dei 40 trilioni di dollari di debito USA non ha ancora chiuso i canali di credito aziendali, il che vuol dire che il super-ciclo di calcolo AI si confronta in questo momento con “il costo del finanziamento in aumento”, non con “l’esaurimento delle fonti di finanziamento”. Il debito societario USA rispetto al PIL è in linea con dieci anni fa e nettamente sotto i livelli pre-pandemici; Morgan Stanley prevede ancora che quest’anno l’emissione di debito aziendale segnerà un record. Il debito delle famiglie si aggira intorno al 67% del PIL, ben lontano da livelli limiti, e la resilienza dei consumi sta sostenendo gli utili aziendali.

Così, i cloud provider su larga scala (“Hyperscalers”), laboratori di AI di punta come Anthropic e OpenAI, e i nuovi sviluppatori di data center AI dominati dalle forze “Nuvola 2.0”, possono ancora far leva su obbligazioni investment grade, project financing e crediti privati, collegando gran parte degli introiti futuri attesi in Token nonché i flussi di cassa effettivi generati da abbonamenti AI, chiamate API e servizi cloud, con una robusta domanda lungo l’intera catena del valore della potenza di calcolo AI: dai cabinet di GPU, componenti di storage HBM/DRAM/NAND, CPU e sistemi di interconnessione ottica dei data center, alle infrastrutture elettriche e ai sistemi di raffreddamento a liquido. Il debito lordo degli Stati Uniti ha superato i 40 trilioni di dollari, ma non si è ancora manifestato un "effetto di crowd-out" classico sul settore privato.

In altri termini, i 40 trilioni di debito non hanno posto fine alla frenesia di investimenti in potenza di calcolo AI, ma hanno invece fatto entrare la costruzione delle relative infrastrutture in una "seconda fase" caratterizzata da credito ancora aperto ma capitale più costoso; nei prossimi 2-3 anni, le infrastrutture AI sono ancora probabilmente destinate a un ciclo intenso di costruzione.

Con i mercati dei capitali ancora aperti, i colossi del cloud su larga scala possono emettere debito investment grade basandosi sui propri bilanci, i laboratori AI possono reperire fondi tramite capitale azionario, impegni di acquisto di calcolo e garanzie di terzi, mentre i developer di data center possono ottenere project financing o crediti privati su leasing a lungo termine, contratti di fornitura di energia elettrica e asset di progetto; questi flussi di capitale si convertono poi in ordini per GPU, HBM, interconnessioni ottiche, sistemi di alimentazione e raffreddamento, con la fonte ultima per il rimborso che sono i flussi di cassa reali generati da abbonamenti AI, chiamate API e servizi cloud, più che il semplice aumento atteso degli introiti futuri da Token.

Un’altra grande banca di Wall Street, Goldman Sachs, stima che le big tech sosterranno una spesa in conto capitale di circa 5,3 trilioni di dollari tra il 2025 e il 2030; la quota di debito nel capex AI potrebbe salire dal 33% del 2026 al 35% del 2027, mentre solo nel 2026 le emissioni obbligazionarie dei cloud provider su larga scala potrebbero ammontare a circa 250 miliardi di dollari, senza contare il project financing. Queste previsioni e le tendenze infrastrutturali del calcolo AI dimostrano che i 40 trilioni di debito americano non hanno ancora chiuso i rubinetti del credito societario: obbligazioni investment grade, project financing su leasing a lungo termine, crediti privati e garanzie dei fornitori continuano a sostenere la realizzazione di asset per il calcolo AI.

Il peso del debito da 40 trilioni schiaccia, ma il flusso delle aziende verso il finanziamento non si arresta! Morgan Stanley: il vero rischio per l’azionario USA non sono i tassi, ma il rallentamento degli utili

Circa la metà dell’attuale debito federale degli Stati Uniti è stato accumulato negli ultimi dieci anni. Anche il rapporto tra debito pubblico e PIL è aumentato tra le principali economie mondiali; fatta eccezione per il Regno Unito, i deficit fiscali rimarranno probabilmente elevati ancora a lungo, mantenendo alto il livello di indebitamento dei governi.

Nonostante il continuo aumento dei tassi di interesse di riferimento e dei rendimenti dei titoli di stato a lunga scadenza, i bilanci aziendali mostrano una resilienza relativamente forte. Il debito societario americano rispetto al PIL è simile a dieci anni fa e resta nettamente sotto i livelli pre-pandemia; nel frattempo, gli strategist del credito di Morgan Stanley prevedono ancora che quest’anno il volume delle emissioni obbligazionarie aziendali segnerà un record storico. Sheets afferma che non si dovrebbe sperare che l’aumento dei rendimenti fermi questa ondata di finanziamenti senza precedenti legati al calcolo AI.

Anche la salute finanziaria delle famiglie americane rimane relativamente solida. Il debito delle famiglie equivale attualmente a circa il 67% del PIL USA, meno del 70% circa del 2000 e ben inferiore al picco record del 74% raggiunto nel 2019. Sheets sottolinea che, sebbene tassi e rendimenti dei Treasury a lunga scadenza siano in crescita, la spesa delle famiglie resta resiliente.

Dal punto di vista dei mercati finanziari, la questione più importante e critica è se i rendimenti/tassi di riferimento saliranno abbastanza da indurre gli investitori a spostare in massa la propria allocazione da azioni a obbligazioni. Secondo le statistiche di Morgan Stanley, la curva dei rendimenti sui Treasury a 30 anni oggi offre circa 300 punti base in più rispetto all’inflazione attesa, mentre i rendimenti delle obbligazioni investment grade a lunga scadenza arrivano al 6,2%.

Finora, questi spostamenti di capitale non si sono ancora verificati su larga scala. Sebbene da inizio anno i rendimenti dei Treasury USA a dieci anni siano aumentati di circa 50 basis points, l’indice azionario di riferimento S&P 500 è comunque salito del 13%. La febbre AI, scoppiata in modo diffuso dall’inizio del 2023, ha visto la crescita robusta degli utili delle tech sostenere la competitività degli asset azionari nonostante i rendimenti obbligazionari più alti.

Per il team di strategist Morgan Stanley guidato da Sheets, la vera domanda chiave diventa questa: in presenza di costi di finanziamento persistentemente elevati, il mercato azionario sarà in grado di mantenere la solidità della crescita degli utili? Qualora in futuro la crescita decelerasse visibilmente, il rapporto tra l’aumento della curva a lungo termine dei Treasury USA e la valutazione complessiva dell’azionario prenderebbe un’importanza decisamente maggiore sul mercato.

Consumo di Token diretto a 24 volte, 10 trilioni di dollari di capitali istituzionali si diffondono ancora sul collo di bottiglia della potenza AI! Il debito da 40 trilioni non può chiudere il rubinetto del credito

L’ultimo report di Goldman Sachs sulle posizioni istituzionali da 10 trilioni di dollari non rileva una “fine della fede nell’AI”, bensì una diffusione del capitale dai produttori principali di GPU verso le infrastrutture di base insostituibili, veri colli di bottiglia. Goldman Sachs analizza 991 hedge fund con un portafoglio azionario in gestione totale di 5.4 trilioni di dollari e 504 grandi fondi comuni attivi con asset azionari per 4.6 trilioni.

Ambedue le tipologie incrementano le posizioni su anelli critici della catena della potenza AI—come Bloom Energy, Flex, Seagate Technology—focalizzati su linee di prodotto per lo storage, alimentazione del data center e fabbricazione di server, trovando consenso trasversale tra le istituzioni. Nove delle dieci principali posizioni degli hedge fund sono legate all’AI, Amazon è al primo posto per l’undicesimo trimestre di fila; i fondi comuni detengono Nvidia e AMD relativamente meno dell’indice di riferimento di circa 100 e 60 punti base rispettivamente, segno che il trade sull’AI non è ancora al massimo del suo potenziale di portafoglio, ma che futuri aumenti delle allocazioni dovranno essere supportati dalla crescita degli utili effettivi più che dal semplice entusiasmo tematico.

Questa diffusione e rotazione rispecchiano il passaggio dell’AI da un “super ciclo delle chip di calcolo” a un vero e proprio ciclo di capitale per tutta la filiera dell’AI: l’aumento nel numero di GPU/TPU/ASIC AI espande simultaneamente la domanda di server, memoria, storage NAND aziendale, switch Ethernet, moduli ottici, comunicazione ottica per data center, connessioni ad alta velocità, slitte per rack server, sistemi di raffreddamento e distribuzione di energia; quanto più grande il cluster di training e inference, tanto maggiore il numero di porte, il valore per cabinet e la complessità delle interconnessioni.

Morgan Stanley prevede che entro il 2028 circa 3 trilioni di dollari di investimenti in infrastrutture AI attraverseranno l’economia globale, con oltre l’80% della spesa che deve ancora venire. Secondo le più recenti stime di Goldman Sachs, la spesa in conto capitale AI nel mondo dovrebbe salire da 765 miliardi di dollari annui nel 2026 a 1,6 trilioni nel 2031, con un accumulo totale di circa 7,6 trilioni tra il 2026 e il 2031. La richiesta di energia elettrica dei data center USA salirà da 31 GW nel 2025 a 66 GW nel 2027, il che espanderà direttamente gli investimenti AI a CPU server, DRAM/NAND/HBM, advanced packaging, liquid cooling, apparecchiature elettriche, trasformatori, turbine a gas, dispositivi per la connessione in rete, data center REIT e costruzioni ingegneristiche.

Il motore dell’incremento nella domanda di potenza AI deriva dalla transizione dell’AI da “rispondere alle domande” a “eseguire workflow”: gli agent intelligenti devono pianificare, utilizzare tool, verificare risultati, ripetere in caso di errore, e il consumo di Token per task può raggiungere 10, 20 o perfino 50 volte quello delle query di chat tradizionali; i “modelli del mondo” estendono il perimetro della potenza dal testo alla robotica, simulazione industriale e sistemi fisici veri e propri. Goldman Sachs prevede ufficialmente che entro il 2030 il consumo globale di Token possa aumentare di 24 volte fino a 120 mila trilioni al mese; nel frattempo, il costo unitario per Token di inference scenderà del 60%-70% annuo, innescando l’effetto Jevons di “costo che scende, applicazioni che esplodono, domanda totale che cresce”.

I 40 trilioni di debito USA non hanno posto fine all’ondata di investimenti in potenza AI, ma hanno portato il settore nella “fase due”: credito ancora aperto, capitale però più caro. Il rendimento dei Treasury a 30 anni è circa 5,23%, quello delle obbligazioni corporate investment grade a lunga scadenza arriva al 6,2%, il che significa che ogni progetto AI deve dimostrare di essere in grado di coprire il crescente costo del capitale, con il proprio IRR; il capitale si dirigerà dunque in modo selettivo verso le aziende leader nella filiera AI—grappoli di GPU con ordini a lungo termine, cash flow libero, pricing power e ruoli chiave nei colli di bottiglia: storage HBM/DRAM/NAND, networking ad alta velocità per datacenter e interconnessione ottica, nuovi fornitori cloud. Se la commercializzazione dei Token continuerà a svilupparsi, il flusso di finanziamenti aziendali estenderà il ciclo degli investimenti in AI; viceversa, se la crescita degli utili rallenta o i tassi di lungo periodo, trainati dai “Bond Vigilantes”, dovessero salire fuori controllo, i nuovi cloud provider altamente indebitati e i progetti basati su garanzie esterne saranno i primi a subire un doppio colpo sui valori e sui rating creditizi.