Citadel: La carenza di potenza di calcolo rimane il principale collo di bottiglia per l’AI, i grandi provider di cloud potrebbero essere i vincitori finali

La competizione nell'industria dell'AI sta accelerando la sua polarizzazione, e la variabile chiave che determinerà il vincitore non è più la capacità del modello, bensì la disponibilità della potenza di calcolo fisica.

L'ultima analisi di Citadel Securities evidenzia che la richiesta di potenza di calcolo supera costantemente la crescita dell'offerta, il vero asset raro non sono i chip immagazzinati, bensì la potenza di calcolo già alimentata e immediatamente pronta all'uso.

Tale collo di bottiglia strutturale non può essere eliminato nel breve termine: l'accesso alla rete elettrica e i tempi di approvazione dei progetti sono spesso misurati in anni. Anche piani di investimento massicci non possono colmare rapidamente questa lacuna, il che significa che i hyperscaler attuali potrebbero sottovalutare il reale potenziale di profitto delle infrastrutture esistenti nei loro flussi di cassa.

Sulla base dei segnali di mercato, il prezzo di noleggio della potenza di calcolo, inclusi i vecchi modelli di GPU, rimane elevato, dimostrando che la capacità esistente viene ancora consumata attivamente e che la tensione tra domanda e offerta non si è attenuata in modo significativo neanche dopo consistenti investimenti nelle costruzioni. Nel frattempo, l’ascesa degli agent AI sta amplificando il consumo di calcolo—un singolo comando umano può attivare decine se non centinaia di chiamate al modello, aumentando il consumo di calcolo per attività e sostenendo ulteriormente la domanda.

La natura della stretta della potenza di calcolo: non solo chip

Secondo l’analista di Citadel Securities Nohshad Shah, “potenza di calcolo” non riguarda solo le GPU, ma è un insieme che comprende GPU, energia elettrica, spazio nei data center, memoria, reti, sistemi di raffreddamento e competenze operative. Ciò che è veramente raro è la “potenza di calcolo già alimentata e immediatamente disponibile”, non l’hardware inattivo in magazzino.

I dati delle curve di potenza di calcolo a termine mostrano che, nonostante l'aumento dell'offerta, la domanda sta crescendo ancora più velocemente. A causa dei tempi, in anni, per l'accesso alla rete e per le approvazioni dei progetti, anche i piani di spesa in conto capitale più massicci non possono colmare rapidamente questo deficit. Il vero vincolo per l’intelligenza artificiale oggi non è la carenza di utenti, ma la carenza di potenza di calcolo realmente operativa.

È importante notare che una grande quantità della capacità di calcolo attuale dipende da contratti stipulati per il periodo 2024-2025, quando l’intensità della domanda non era ancora pienamente evidente. Con la scadenza progressiva di questi contratti, le infrastrutture esistenti potranno essere rivalutate mentre il loro tasso di utilizzo crescerà, con la struttura dei costi sostanzialmente fissa, liberando gradualmente l’effetto leva operativa. L’analisi suggerisce che il mercato tende attualmente a contabilizzare immediatamente il costo delle spese in conto capitale, ma potrebbe sottovalutare il potenziale di crescita dei profitti nel prossimo futuro.

Inoltre, una diminuzione del prezzo dei token non rappresenta necessariamente una notizia negativa. Un costo dell’intelligenza inferiore renderà economicamente fattibili più scenari applicativi e, combinato con il consumo moltiplicato dagli agent AI, la domanda complessiva di potenza di calcolo continuerà probabilmente a crescere. La variabile chiave è l’elasticità della domanda: se il tasso di crescita dell’utilizzo supera il calo del prezzo unitario, prezzi più bassi allargheranno il mercato invece di comprimerlo. Il vero scenario negativo è che i token diventano più economici, senza però che aumenti significativamente l’utilizzo.

Pianificazione della polarizzazione del settore: i hyperscaler si avvantaggiano su due fronti

L’analisi di Citadel Securities delinea un quadro sempre più polarizzato per il settore AI: da un lato OpenAI, Anthropic e altri laboratori d’avanguardia, che offrono l’intelligenza stessa come prodotto; dall’altro Google, Microsoft e altri hyperscaler diversificati, che potranno monetizzare attraverso l’intera filiera, indipendentemente dal modello vincente finale.

In questa struttura, i modelli d’avanguardia si concentreranno su task ad alto valore aggiunto come pianificazione, ragionamento, programmazione e orchestrazione delle attività, ottenendo guadagni premium su una piccola quota di token; modelli più economici o open source gestiranno invece i compiti di esecuzione ad alta concorrenza. I laboratori d’avanguardia potranno mantenere il potere di determinazione dei prezzi sulle attività di fascia alta, ma gli hyperscaler e i fornitori di servizi di inferenza beneficeranno di entrambi i livelli: qualunque sia il carico di lavoro, c’è sempre bisogno di chip, memoria, rete ed energia elettrica.

La sintesi di questa strategia è: i modelli d’avanguardia si occupano della pianificazione, quelli economici dell’esecuzione, mentre chi possiede “potenza di calcolo già alimentata” raccoglierà valore economico da entrambe le estremità. Per gli investitori, in un contesto di incertezza sulla strada verso la commercializzazione dell’AI, i hyperscaler che controllano le infrastrutture fisiche di potenza di calcolo rappresentano probabilmente la scommessa più certa in termini di rapporto rischio/rendimento in questa corsa.