Cinque grandi gruppi tecnologici statunitensi investiranno nel 2026 circa 700 miliardi di dollari in spese in conto capitale, in larga parte per data center e chip dedicati all’intelligenza artificiale. Il dato, riportato da The Economist, supera gli investimenti annuali dell’industria globale oil & gas in esplorazione e produzione, stimati in 570 miliardi nel 2025.
L’AI è ormai un’infrastruttura industriale. Ma la sua ossatura – le gpu e i server che alimentano i modelli – apre un problema meno discusso: come valutare, ammortizzare e finanziare asset che possono diventare obsoleti nel giro di pochi anni. La risposta non è solo tecnica. È contabile e finanziaria. Ed è decisiva per la maturazione del settore.
Indice degli argomenti:
Il peso degli ammortamenti nei bilanci dei big tech
Secondo un’analisi del Wall Street Journal, Alphabet, Amazon, Meta, Microsoft e Oracle sono proiettate verso 3.000 miliardi di dollari di investimenti in property and equipment nei prossimi quattro anni.
Server e gpu non vengono spesati subito. Sono ammortizzati in cinque o sei anni. Con il boom dei capex, le spese per ammortamenti cresceranno in modo marcato nei prossimi esercizi, incidendo sugli utili.
Alcuni numeri aiutano a capire la scala. Alphabet ha registrato nel 2025 ammortamenti per 21,1 miliardi di dollari, pari a circa il 5% dei ricavi. Le stime indicano quasi 78 miliardi nel 2029, l’11% dei ricavi. Oracle è passata da 3,9 miliardi (7% dei ricavi) a una previsione superiore a 33 miliardi nel 2029, circa il 18% dei ricavi.
Nel complesso, i cinque hyperscaler hanno riportato 146 miliardi tra ammortamenti e svalutazioni nel 2025; le stime per il 2029 parlano di 394 miliardi.
Queste aziende, nate come asset-light, stanno diventando asset-heavy. Il cambiamento non è marginale: modifica struttura dei costi, profili di margine e valutazioni di mercato.
Vita utile dei chip e rischio di svalutazioni
Il nodo centrale è la velocità dell’innovazione hardware. Le gpu di ultima generazione possono perdere valore rapidamente quando arriva una nuova architettura più potente.
Morgan Stanley stima che la rapida obsolescenza possa portare nei prossimi quattro anni a svalutazioni per 680 miliardi di dollari complessivi per Alphabet, Microsoft, Meta e Oracle. Si tratta di proiezioni, quindi soggette a forte incertezza. Ma il segnale è chiaro: la variabile “vita utile” pesa sempre di più.
Un esempio concreto: Meta ha dichiarato che nel 2025 i suoi 60,5 miliardi di utili hanno beneficiato per 2,6 miliardi dell’estensione della vita utile stimata di server e asset di rete. La scelta è legittima sul piano contabile, ma mostra quanto una modifica nelle stime possa incidere sul risultato finale.
Per gli investitori diventa più difficile distinguere tra miglioramento operativo e effetto di una revisione contabile.
Il problema della trasparenza contabile
Non tutte le big tech espongono l’ammortamento come voce autonoma nel conto economico. In diversi casi è distribuito tra costo del venduto, ricerca e sviluppo o spese generali. Questo rende complesso modellare l’evoluzione dei margini.
Una nuova norma contabile statunitense, approvata nel 2024, imporrà dal 2028 una maggiore disaggregazione delle spese trimestrali, includendo ammortamenti e compensi ai dipendenti come categorie specifiche. Fino ad allora, la comparabilità resta limitata.
Per un settore che concentra migliaia di miliardi di dollari di capitalizzazione, la qualità dell’informativa non è un dettaglio. Incide sul costo del capitale e sulla fiducia degli investitori.
Trasparenza e finanziarizzazione: un legame diretto
Qui si inserisce il secondo livello della questione: la possibile “finanziarizzazione” dei chip e della capacità di calcolo.
The Economist segnala che startup come OneChronos stanno lavorando a mercati per scambiare pacchetti di compute, mentre altre iniziative puntano a creare indici sui prezzi delle gpu e strumenti derivati per coprirsi dal rischio di ribasso.
Perché questi mercati funzionino servono benchmark credibili, dati omogenei e criteri di valutazione condivisi. In altre parole, serve trasparenza contabile. Se non è chiaro dove e come gli ammortamenti incidano sui conti, diventa difficile stimare il valore residuo delle gpu, costruire indici affidabili o strutturare obbligazioni garantite da panieri di chip.
La sequenza è lineare: maggiore disclosure riduce l’incertezza; minore incertezza abbassa il premio per il rischio richiesto dagli investitori; un rischio meglio prezzato consente di sviluppare strumenti di copertura e finanziamento.
Trasparenza e finanziarizzazione non sono quindi percorsi alternativi. Procedono insieme.
Innovare con meno pressione di bilancio
C’è poi un effetto industriale.
Se un’azienda può usare le gpu come collaterale accettato dal mercato, cartolarizzare parte degli investimenti o coprirsi dal rischio di deprezzamento con strumenti derivati, riduce la concentrazione del rischio sul proprio bilancio operativo.
Il rischio di obsolescenza non scompare. Viene redistribuito verso soggetti disposti ad assumerlo in cambio di rendimento. Questo consente agli operatori di pianificare upgrade tecnologici con maggiore prevedibilità finanziaria, senza che ogni salto generazionale si traduca in una potenziale sorpresa sugli utili.
Un’infrastruttura finanziaria più solida può quindi sostenere un ritmo di innovazione elevato senza trasformare il capex in una scommessa contabile permanente.
Un passaggio necessario per la maturità dell’AI
La storia dei settori capital intensive mostra un percorso ricorrente: prima la fase espansiva, poi la standardizzazione dei criteri di valutazione, infine la nascita di mercati finanziari dedicati. Quando il rischio diventa misurabile e trasferibile, il capitale affluisce con maggiore stabilità.
Per l’AI questo passaggio è ancora in corso. I chip sono già il cuore industriale del sistema. Devono diventare anche un asset pienamente leggibile, confrontabile e finanziabile.
La maturazione del settore non dipende solo dai modelli linguistici o dalla potenza di calcolo. Dipende dalla capacità di integrare hardware, regole contabili e strumenti finanziari in un’architettura coerente.
È su questo terreno che si giocherà la sostenibilità economica della corsa all’intelligenza artificiale nei prossimi anni.
