Investimenti AI e data center: servono 6.000 miliardi di ricavi l’anno, ne mancano 4.200

Bain & Company ha messo una cifra sul problema che il settore dell’intelligenza artificiale rinvia da tre anni: per sostenere gli investimenti AI in data center, chip, reti ed energia, entro il 2031 il mercato dovrà generare circa 6.000 miliardi di dollari di ricavi annui. Le applicazioni che esistono oggi, dagli abbonamenti consumer all’adozione nelle imprese, potrebbero arrivare al massimo a 1.800 miliardi; gli altri 4.200 dovranno venire da prodotti e mercati che in larga parte non esistono ancora. La stima, contenuta nel settimo Global Technology Report della società di consulenza, pubblicato a fine settembre, arriva mentre gli hyperscaler accelerano la spesa e i prospetti di quotazione dei laboratori AI rendono pubblici impegni finanziari rimasti finora lontani dagli occhi del mercato.

Ricavi AI: da dove nasce la cifra di Bain

Il ragionamento parte dalla spesa. Microsoft, Google, Amazon, Meta e Oracle potrebbero investire 780 miliardi di dollari in conto capitale nel 2026, quasi cinque volte il livello di tre anni prima; la spesa annua in infrastruttura AI potrebbe salire fino a 1.500 miliardi entro il 2031. Se gli investimenti valgono circa un quarto dei ricavi del settore, rapporto che la stessa Bain definisce ambizioso ma coerente con la storia dei cloud provider, il mercato dell’AI deve avvicinarsi ai 6.000 miliardi l’anno per reggere il ciclo. Dall’altra parte del conto ci sono le applicazioni conosciute. Il consumer, tra abbonamenti e pubblicità, potrebbe valere fra 200 e 400 miliardi; l’adozione nelle imprese, trainata da sviluppo software, vendite, marketing, assistenza clienti e operations IT, potrebbe aggiungerne fra 1.000 e 1.400. Anche nello scenario più favorevole, i ricavi AI oggi prevedibili restano sotto un terzo del necessario.
I 4.200 miliardi, quindi, non descrivono un debito in scadenza né una perdita già scritta nei bilanci; misurano la distanza fra il capitale in movimento e le entrate che oggi si riescono a intravedere.

Quattro mercati da costruire per colmare il divario

Bain indica quattro direzioni da cui potrebbero arrivare i ricavi mancanti: i fornitori di modelli che prendono il posto dei motori di ricerca e integrano la pubblicità; i sistemi autonomi, dai veicoli ai droni; l’AI fisica, con robotica, simulazioni e digital twin; infine prodotti oggi inesistenti, in ambiti come la farmaceutica, la salute mentale e la produzione di energia. In buona parte si tratta di mercati ancora piccoli o fortemente regolati; chiedere loro migliaia di miliardi di fatturato in cinque anni significa scommettere su una maturazione molto più rapida di quella osservata finora in quei settori.

Data center AI: l’infrastruttura arriva prima delle applicazioni

La spesa materiale procede con un passo che le applicazioni non hanno ancora dimostrato di saper seguire. Secondo il comunicato italiano di Bain, entro il 2030 serviranno fra 5.000 e 6.500 miliardi di dollari per costruire quasi 150 gigawatt di nuova capacità di calcolo, quasi triplicando quella globale; i data center AI più avanzati raddoppiano di scala ogni 12-16 mesi. In un working paper pubblicato dal National Bureau of Economic Research, l’economista della Columbia Business School Stijn Van Nieuwerburgh stima che un campus AI da un gigawatt costi circa 41 miliardi di dollari; la costruzione prevista negli Stati Uniti fino al 2032 richiederebbe quasi 9.000 miliardi, pari al 3,2% del PIL americano ogni anno. Per ottenere un rendimento del 10%, il settore AI statunitense dovrebbe arrivare a circa 3.550 miliardi di ricavi annui nel 2032. Su scala globale, PwC proietta una spesa cumulativa nei soli data center oltre i 30.000 miliardi entro il 2050.

Sono proiezioni, non risultati acquisiti. La loro utilità sta nel rendere visibile la natura industriale del fenomeno: l’intelligenza artificiale richiede capannoni, trasformatori, sistemi di raffreddamento, reti ad alta capacità e contratti energetici pluriennali, con componenti ordinati anni prima del loro impiego.

Il passaggio dalla sperimentazione alla produzione è anche il terreno su cui si stanno riposizionando i fornitori di servizi. Il 7 ottobre NTT Data ha inaugurato a Monaco di Baviera la AI Factory nel data center Munich 2, un ambiente operativo dove le imprese possono verificare come si comportano le proprie applicazioni AI su scala, con i vincoli reali di infrastruttura, sicurezza e governance, prima di decidere investimenti più ampi; partner tecnologici dell’iniziativa sono Dell Technologies e NVIDIA. La scelta di vendere la verifica prima della capacità racconta bene il momento: per molte aziende il collo di bottiglia si è spostato dall’accesso ai modelli alla dimostrazione che reggano in produzione.

ROI dell’intelligenza artificiale: perché la produttività non basta

L’AI può generare valore prima di generare ricavi. Riduce i tempi di sviluppo, aiuta a leggere grandi volumi di documenti, automatizza parte dell’assistenza, migliora la pianificazione; nulla di tutto questo assicura che qualcuno paghi, in modo stabile, una cifra sufficiente a remunerare l’infrastruttura che rende possibili quei servizi. Un assistente che fa risparmiare qualche ora a un team produce valore per chi lo usa; un campus di calcolo da un gigawatt richiede invece clienti che paghino, con continuità, abbastanza da coprire ammortamenti, energia e costo del capitale.

JP Morgan ha osservato ad agosto che i guadagni di produttività diffusi nell’economia americana restano difficili da individuare. Sul fronte delle imprese, Forrester aveva previsto per il 2026 un anno di verifica, con i CFO chiamati ad approvare gli investimenti AI sulla base del ritorno e un quarto della spesa pianificata rinviato al 2027. Il Global AI Report 2026 di NTT Data arriva a una conclusione affine: considera leader dell’AI solo le aziende che hanno ottenuto profitti significativamente superiori grazie all’intelligenza artificiale, e sono una minoranza del campione. La distinzione fra risparmio e crescita è anche quella che Anne-Sophie Lotgering, CEO Europa di NTT Data, ha posto al centro della sua intervista a Digitalic da Monaco: l’AI portata in produzione, secondo la manager, può creare nuovi modelli di business e nuovi ricavi oltre all’efficienza. Si tratta della posizione di un fornitore, ma descrive esattamente la condizione che i 4.200 miliardi di Bain richiedono.

Per chi acquista, il test sul ROI dell’intelligenza artificiale si fa concreto: separare gli esperimenti dalle applicazioni integrate nei processi, misurare il costo dell’inferenza oltre a quello della licenza, calcolare i tempi di ritorno e capire se il vantaggio competitivo resiste quando i concorrenti adottano strumenti simili.

Con gli agenti AI il calcolo diventa più delicato. Un sistema che genera una risposta consuma risorse in modo intermittente; un agente che legge documenti, interroga database, scrive codice e ripete verifiche tiene attiva una catena di elaborazione molto più costosa. La fase che si apre consiste nel capire quali di questi agenti producono un valore economico superiore alla potenza di calcolo che assorbono.

Chi finanzia i data center AI

Il denaro necessario arriva sempre meno dai flussi di cassa e sempre più da strutture finanziarie dedicate. Il prospetto di quotazione di Anthropic, esaminato da Reuters all’inizio di ottobre, mostra fin dove si è spinta questa integrazione: Broadcom si è impegnata a prestare all’azienda fino a 42 miliardi di dollari in note convertibili, circa un terzo dell’impegno quinquennale da 125,2 miliardi per la capacità di calcolo su TPU. Broadcom diventa così fornitore dei chip, locatore della capacità e creditore nello stesso rapporto; il documento segnala esplicitamente potenziali conflitti di interesse. Nel 2025 Anthropic ha registrato ricavi per circa 4,6 miliardi e una perdita operativa superiore a 8 miliardi, a fronte di obblighi complessivi per cloud e infrastruttura pari a 518 miliardi nei prossimi anni.

La caccia alla capacità di calcolo segue da mesi strade inattese: a maggio la stessa Anthropic aveva affittato l’intero data center Colossus 1 di SpaceX a Memphis, oltre 300 megawatt di capacità.

Il caso rispecchia una tendenza più ampia. Van Nieuwerburgh descrive lo spostamento del finanziamento dei data center AI verso leasing, joint venture, debito di progetto, credito privato, cartolarizzazioni e società veicolo; strumenti che ampliano la capacità di spesa ma aumentano la leva sui singoli asset e rendono meno leggibili gli obblighi contingenti. Questa architettura permette di costruire senza aspettare che i ricavi maturino; lascia però il sistema esposto a un passaggio preciso: se l’adozione cresce più lentamente delle attese, i costi fissi, i contratti energetici e il rendimento preteso dal capitale restano dove sono.

Bolla AI o ciclo industriale

Nessuno di questi elementi annuncia un crollo. Ferrovie, elettricità, telecomunicazioni e internet sono state costruite prima che il loro uso più redditizio fosse evidente, e in diversi casi chi ha finanziato la prima ondata non è stato chi ne ha raccolto i frutti. L’economista di Cambridge Diane Coyle ricorda che le grandi tecnologie del passato hanno impiegato fra dieci e cinquant’anni per tradursi in produttività misurabile. La differenza, oggi, sta nella velocità con cui si concentrano investimenti, capacità produttiva e aspettative: il rischio di una bolla AI dipende meno dalla tecnologia che dalla distanza fra i tempi del capitale e quelli dell’adozione.

Investimenti AI, chi paga il conto

Bain individua nella velocità di assorbimento, cioè la rapidità con cui un’azienda mette l’AI al lavoro, la nuova variabile competitiva. Letta dal lato di chi compra, l’indicazione ha una conseguenza meno ovvia: una parte rilevante dei 4.200 miliardi dovrà uscire dai budget delle imprese, come lascia intuire il sorpasso di Anthropic su OpenAI nei ricavi, costruito sui clienti aziendali. I fornitori che hanno costruito capacità in anticipo avranno bisogno di consumi prevedibili, contratti lunghi, impegni di spesa garantiti. Per CIO e CFO, la trattativa con i fornitori AI dei prossimi anni riguarderà la durata e la rigidità di quegli impegni almeno quanto la qualità dei modelli; la posizione negoziale più solida apparterrà a chi saprà dimostrare, sui numeri dei propri processi, quanto vale davvero ciò che sta comprando.

Domande frequenti

Quanto deve guadagnare l’AI per ripagare gli investimenti?
Secondo Bain, il mercato dell’intelligenza artificiale dovrà generare circa 6.000 miliardi di dollari di ricavi annui entro il 2031 per sostenere una spesa in infrastruttura che potrebbe arrivare a 1.500 miliardi l’anno.

Perché mancano 4.200 miliardi di ricavi AI?
Le applicazioni attuali, consumer ed enterprise, potrebbero generare fra 1.200 e 1.800 miliardi l’anno. La differenza dovrà arrivare da nuovi mercati: pubblicità nei modelli, sistemi autonomi, AI fisica e prodotti oggi inesistenti.

Chi finanzia i data center AI?
Oltre ai flussi di cassa degli hyperscaler, crescono leasing, credito privato, cartolarizzazioni e finanziamenti dei fornitori, come la linea fino a 42 miliardi concessa da Broadcom ad Anthropic.