AI: il calo dei token apre un test per il rally dei chip

Il Silicon Data LLM Token Expenditure Index, che misura la spesa degli utenti per i token di intelligenza artificiale, è sceso di quasi il 20% dal massimo di maggio, dopo essere quasi raddoppiato dal debutto di dicembre. Il movimento sta attirando l’attenzione degli investitori perché offre uno degli indicatori più diretti sulla sostenibilità del boom di investimenti nell’IA, ormai superiore ai 700 miliardi di dollari.

Louis Navellier ha osservato un aumento delle segnalazioni di utenti che, pagando a consumo, sono costretti a limitare l'uso dei modelli per contenere la spesa, interpretando anche il potenziale rinvio dell'IPO di OpenAI al prossimo anno come un segnale che la redditività resta un nodo irrisolto.

Perché il calo dell’indice va letto con cautela

L'indice va però letto con cautela: combinando prezzi e consumi, un suo calo può riflettere scenari molto diversi tra loro, dal ribasso dei listini allo spostamento della domanda verso modelli più economici, fino a un'autentica minore disponibilità a pagare da parte degli utilizzatori.

La stessa Silicon Data, che ha costruito il parametro, ha invitato a non leggerlo come un prezzo in senso stretto, definendolo piuttosto una proxy della disponibilità marginale a pagare. Nella lettura più favorevole, i prezzi dei token sono crollati oltre il 90% dal 2023 mentre la spesa complessiva è pressoché raddoppiata nell'ultimo anno: token più economici avrebbero quindi allargato il mercato, rendendo la pausa dell'indice una semplice fase di assestamento a fronte di una domanda reale, con gli investimenti giustificati. È su questa lettura che si regge la tesi rialzista su Nvidia, sui produttori di memorie e sui gestori di data center.

Il nodo resta il ritorno degli investimenti nell’IA

Chi invece guarda al bicchiere mezzo vuoto teme che una debolezza persistente dell'indice possa interrompere il rally che ha coinvolto quasi l'intero comparto IA in questo ciclo, dato che è proprio la spesa in token a giustificare i nuovi investimenti. Secondo Allianz Research, il divario tra gli investimenti nell'IA e i ricavi generati si avvicina al 46%, peggiore del 32% registrato durante il crollo dot-com nel 2001.

La flessione dell'indice si è comunque arrestata nell'ultima settimana: è troppo presto per parlare di un minimo raggiunto, ma abbastanza per tenere in vita l'ipotesi di un rimbalzo. David Miller, senior portfolio manager di Catalyst Funds, ha sottolineato come la fase di addestramento dei modelli comporti costi infrastrutturali estremamente elevati, mentre l'attuale fase di inferenza presenti un'economia molto più favorevole, tale da garantire alle aziende un ritorno positivo sull'uso dell'IA nel lungo periodo.

Regole e costi spingono verso modelli più economici

Sul fronte della domanda pesa anche la crescente volontà di Washington di intervenire su un settore ormai strategico: il governo USA ha rimosso questa settimana le restrizioni all'accesso estero al modello Fable 5 di Anthropic, pochi giorni dopo aver chiesto a OpenAI di scaglionare il lancio di un prossimo rilascio.

In parallelo, l'AI Act dell'Unione Europea impone ai modelli più avanzati valutazioni obbligatorie e requisiti stringenti di trasparenza: pur non intervenendo direttamente sui prezzi, la normativa aggiunge un onere di conformità che i sistemi di fascia più bassa non devono sostenere, offrendo ai direttori finanziari un motivo in più per dirottare i carichi di lavoro verso modelli più economici.

Non è una storia di chip, ma di potere di prezzo

Il punto non è la disponibilità di chip. Le GPU più avanzate e le memorie HBM restano scarse. Il nodo è il potere di prezzo: se i token più economici stanno semplicemente allargando il mercato, il ciclo di investimenti resta giustificato.

Se invece la disponibilità a pagare dei clienti ha già raggiunto un picco, la parte più cara del trade AI potrebbe essere la prima a mostrare crepe. In quel caso, la corsa verso 1.000 miliardi di dollari di investimenti in conto capitale nel 2027 poggerebbe su una storia più fragile: non scarsità di silicio, ma capacità delle aziende IA di monetizzare davvero l’utilizzo dei loro modelli.

Fonte: Bloomberg