Barclays analizza la struttura dei profitti dell’AI: per ogni 100 dollari di entrate delle società che sviluppano modelli, 35-40 dollari vanno ai fornitori cloud, portando loro 10-20 dollari di profitto operativo

Autore | Kozmon

      Editore | Hard AI

Per ogni 100 dollari guadagnati da una società di modelli AI, circa 35-40 dollari in costi computazionali di inferenza vanno ai tre grandi provider cloud: AWS, Azure e GCP. Di queste entrate, i cloud provider realizzano 10-20 dollari di profitto operativo, cioè un margine tra il 35% e il 45%.

Questa è la scoperta principale del rapporto sull'economia unitaria del settore AI pubblicato da Barclays il 28 agosto.

Allo stesso tempo, il margine di profitto sull'inferenza a pagamento dei laboratori AI è già salito da poco più del 10% nel 2025 a oltre il 50%-65% nel 2026, con il margine lordo rettificato cresciuto di 30-50 punti percentuali su base annua. Questa crescita è trainata dai clienti enterprise e dai workflow agentici che sono divenuti prodotti "must-have" sul mercato.

L’analista di Barclays Ross Sandler ritiene che i margini reali possano attualmente essere ancora più alti rispetto alle stime del rapporto, ma prevede che, con l’aumentare della competizione e dell’offerta di capacità computazionale, tenderanno a calare gradualmente.

Stesso settore, due panorami finanziari

Barclays ha costruito due modelli teorici di laboratori d’avanguardia per analizzare la differenza nei margini. Nel "Laboratorio A" circa il 70% delle entrate deriva da API e il 30% da abbonamenti; nel "Laboratorio B" accade l’opposto, con l’80% di entrate da abbonamenti e solo il 20% da API.

Le API presentano naturalmente un margine di profitto per l’inferenza superiore agli abbonamenti. Sommando differenze nella ripartizione dei costi di training e nelle revenue sharing con i partner, il margine lordo rettificato può variare di ben 17 punti percentuali: circa il 55% per il Laboratorio A e circa il 38% per il Laboratorio B.

Il metodo di riconoscimento dei ricavi accentua ulteriormente questa "distorsione". Il Laboratorio A riconosce i ricavi indiretti API con metodo lordo, mentre il Laboratorio B li registra su base netta, e talvolta non contabilizza affatto i ricavi API indiretti gestiti da partner strategici. Barclays paragona la situazione a UBER e LYFT: stesso core business, ma numeri in bilancio diversi per via di criteri contabili diversi. Con la progressiva pubblicazione dei bilanci GAAP da parte dei laboratori AI, gli investitori dovranno tenere conto di queste differenze per valutazioni incrociate.

Margine di inferenza in forte crescita

Scendendo alle diverse linee di prodotto——

I prodotti in abbonamento (come Claude Code, Codex) hanno un margine d’inferenza stimato intorno al 70%, il più basso tra le tre principali linee di prodotto. Il motivo è che i laboratori AI sono disposti a sovvenzionare i costi dei token per fidelizzare gli utenti. Gli abbonamenti sono generalmente a canone mensile e con limite di utilizzo; negli ultimi tempi la frequenza di reset di questo limite è aumentata, probabilmente sia per aumentare il tasso di fidelizzazione che per il miglioramento dell’efficienza del modello.

Le API dirette sono il modello di business originario dei laboratori AI e garantiscono i margini più elevati. Sviluppatori come Cursor e Figma pagano in base ai token consumati. Secondo Barclays, il margine di inferenza delle API è ormai superiore all’80%. Il miglioramento dell’efficienza del token di modello (meno token necessari per completare lo stesso compito), l’aumento dei prezzi nominali delle API e le ottimizzazioni del servizio di inferenza a livello infrastrutturale (quantizzazione, tecnologia speculator, nuova generazione di hardware) continuano a liberare ulteriore profitto. Barclays sottolinea che il margine di inferenza delle API nel secondo trimestre 2026 è ben superiore a quanto appaia nelle tabelle, ma probabilmente tornerà verso il basso in futuro.

L’esperienza per l’utente finale delle API indirette è simile a quella delle API dirette, ma il pagamento avviene tra utente e provider cloud. Con la crescita della quota di API indirette sui ricavi, le differenze nei criteri di riconoscimento dei ricavi tra laboratori amplieranno ulteriormente le differenze comparabili tra i bilanci.

Quanto guadagnano i cloud providers

Per ogni 100 dollari di ricavi dei laboratori AI, il Laboratorio A genera 35 dollari di ricavi per i cloud provider e, sottratti i costi infrastrutturali, circa 11,8 dollari di profitto, con un margine operativo del 34%. Nel Laboratorio B, a causa della revenue share con partner strategici (20% delle entrate, con limite cumulativo), i cloud provider ricevono di più – 41 dollari di ricavi e 19,1 dollari di profitto, con un margine operativo del 47%.

Barclays sottolinea che la revenue share aumenta solo il margine di profitto apparente dei cloud provider, mentre il profitto effettivo per token rimane uguale. Tale revenue share dovrebbe azzerarsi dopo il 2028.

I prodotti di abbonamento agentici generano ulteriore valore per i cloud provider. Questo tipo di prodotto runtime stateful spesso richiede l’integrazione di database e altre risorse software di livello superiore; il ricavo unitario è quindi più elevato e, in certi scenari, esistono accordi di revenue sharing tra cloud e laboratori AI.

Dal dominio del training al dominio dell’inferenza

Barclays stima che i ricavi complessivi dei laboratori AI aumenteranno da 7 miliardi di dollari nel 2024 a 137 miliardi di dollari nel 2026, fino a 690 miliardi di dollari nel 2028. Secondo il parametro ARR, la stima è ancora più aggressiva: circa 200 miliardi a fine 2026, circa 782 miliardi a fine 2028.

Attualmente, la spesa per il training rappresenta ancora circa il 48% dei ricavi dei laboratori AI: significa che quasi ogni dollaro di ricavi va anche ai cloud provider. Ma la quota dei costi di training sta diminuendo rapidamente: dal 96% del 2024, al 35% previsto nel 2027, fino al 30% nel 2028. Con i margini di inferenza che superano progressivamente la spesa per il training, la redditività complessiva dei laboratori continuerà a migliorare.

Anche la quota dei ricavi dei cloud provider rispetto a quelli dei laboratori AI è in calo: dal 153% del 2024 al 90% nel 2026, fino al 73% previsto per il 2028. Barclays prevede che AWS, Azure e GCP manterranno la quota maggioritaria nella spesa di calcolo dei laboratori AI nei prossimi due anni, ma dal 2028 in poi, l’entrata in funzione di infrastrutture AI proprietarie diventerà la scelta prioritaria per i laboratori – e i tre big cloud potrebbero perdere quote di mercato sia nel training che nell’inferenza.