Parte 2 | Anthropic, il costo fisico dell’IA: compute, memoria ed energia

La prima parte ha mostrato una crescita dei ricavi annualizzati dichiarati più rapida della valutazione. Il passaggio successivo riguarda la struttura che deve sostenere quella traiettoria: compute, memoria ad alta larghezza di banda, cloud e data center richiedono impegni caratterizzati da una rigidità maggiore rispetto a un budget software.

La questione centrale riguarda quanta capacità entrerà effettivamente in funzione rispetto a quella prenotata e con quale livello di utilizzo.

Il compute entra nella struttura finanziaria

I 65 miliardi di dollari raccolti nella Serie H rappresentano soltanto la parte più visibile del finanziamento della crescita. Nel giugno 2026 Apollo, Blackstone e un gruppo di banche hanno affiancato Broadcom nella costruzione di una soluzione infrastrutturale iniziale da 35 miliardi di dollari destinata ad accelerare nuova capacità di calcolo utilizzata anche da Anthropic.19

Il finanziamento assume una forma diversa dal nuovo debito societario iscritto direttamente nel bilancio di Anthropic. La struttura utilizza una piattaforma infrastrutturale e veicoli dedicati che acquistano e finanziano hardware e impianti successivamente concessi in utilizzo. La distinzione sarà importante nel prospetto dell’eventuale IPO, perché il rischio economico può esistere anche quando una parte degli attivi o del debito rimane formalmente fuori bilancio.19

Alla struttura si aggiungono oltre 100 miliardi di dollari di impegni tecnologici verso AWS in dieci anni e il contratto con SpaceX. Secondo le informazioni contenute nel filing di SpaceX e riportate da Reuters, Anthropic può arrivare a pagare circa 1,25 miliardi di dollari al mese per l’accesso alla capacità di Colossus. L’accordo prevede tuttavia una fase iniziale e la possibilità di terminazione con un preavviso di 90 giorni, rendendolo differente da un’obbligazione finanziaria rigida per l’intera durata teorica.520

Capitale azionario, finanziamenti infrastrutturali, impegni di acquisto e contratti di capacità richiedono letture separate. Hanno scadenze, rischi e diritti differenti. Considerati insieme, mostrano però che Anthropic sta costruendo una vera architettura finanziaria del compute. Il vantaggio competitivo dipenderà anche dalla capacità di finanziare chip, data center ed energia mantenendo la crescita degli obblighi contrattuali al di sotto di quella del margine generato dai clienti.1920

La memoria è il collo di bottiglia invisibile

Il 22 giugno 2026 Anthropic e Micron hanno annunciato un accordo strategico che comprende progettazione congiunta dell’architettura di memoria e storage, un accordo di fornitura pluriennale, l’adozione di Claude all’interno di Micron e un investimento strategico nella Serie H.21

La memoria è un componente centrale del sistema. HBM, DRAM e unità SSD determinano la velocità con cui i dati raggiungono gli acceleratori, l’efficienza energetica dell’infrastruttura e il numero di richieste elaborabili con un aumento meno che proporzionale del numero dei chip. Una GPU molto potente perde parte del proprio valore in presenza di memoria insufficiente o quando il trasferimento dei dati diventa il collo di bottiglia.21

Nell’immagine seguente osserviamo come la memoria HBM venga collocata accanto alla GPU per aumentare larghezza di banda, capacità disponibile ed efficienza per watt.

Per Anthropic il tema riguarda direttamente il costo dell’inferenza. Una migliore integrazione fra acceleratori, memoria e storage può ridurre il consumo per token, aumentare la produttività degli impianti e migliorare il rendimento della capacità acquistata. Per Micron, invece, l’accordo rafforza il passaggio da semplice fornitore di componenti a partner industriale nella progettazione dell’infrastruttura.21

La collaborazione offre ad Anthropic maggiore visibilità sull’approvvigionamento di una risorsa scarsa, ma aumenta anche l’intreccio fra investitori, clienti e fornitori strategici. Micron fornisce memoria, utilizza Claude nei propri processi e partecipa al capitale della società. La relazione economica attraversa così più livelli della stessa filiera.21

L'energia è diventata una variabile di conto economico

Nel 2024 i data center hanno consumato circa 415 terawattora, l’1,5% dell’elettricità mondiale. La International Energy Agency stima circa 945 TWh nel 2030, poco meno del 3%: un aumento del 128%.7 Nel solo 2025 il consumo è cresciuto del 17%. Nello stesso anno la spesa in conto capitale aggregata di cinque grandi gruppi tecnologici ha superato 400 miliardi di dollari e, secondo la IEA, potrebbe aumentare di un ulteriore 75% nel 2026.8

Nel grafico seguente osserviamo la traiettoria stimata della domanda elettrica globale dei data center, che nello scenario centrale della IEA potrebbe più che raddoppiare fra il 2024 e il 2030.

L'aggiornamento del Lawrence Berkeley National Laboratory colloca il consumo statunitense al 2030 in una fascia fra 521 e 843 TWh, con un caso centrale di 649 TWh, pari all'11,8% della domanda elettrica nazionale.9 L'intervallo è ampio perché cambiano spedizioni di acceleratori, durata operativa dei chip, utilizzo dei server e prestazioni del raffreddamento. L'incertezza amplia il margine di rischio e mostra quanto il risultato dipenda da variabili industriali ancora in fase di stabilizzazione.

La disponibilità di potenza rappresenta una grandezza distinta dalla produzione annua di energia. Un data center richiede connessioni, trasformatori, turbine, sistemi di raffreddamento, acqua e continuità di servizio. La IEA stima che, in assenza di interventi sui colli di bottiglia, circa il 20% dei progetti pianificati rischi ritardi.7 Per un laboratorio, un rinvio della connessione può lasciare inutilizzati chip già ordinati e spostare in avanti i ricavi attesi. Per una utility, la crescita della domanda può aumentare la base degli attivi regolati, ma soltanto se autorizzazioni e remunerazione proteggono il rendimento del capitale.

Il vantaggio americano cambia lungo la filiera

Il confronto fra Stati Uniti e Cina cambia a seconda della grandezza osservata. Nel 2025 gli investimenti privati statunitensi nell'IA hanno raggiunto 285,9 miliardi di dollari, contro 12,4 miliardi in Cina: un rapporto di circa 23 a uno. Nello stesso anno gli Stati Uniti hanno prodotto 59 modelli considerati di rilievo, contro 35 cinesi: circa 1,7 a uno. A marzo 2026, però, il miglior modello statunitense precedeva quello cinese di appena 2,7% nella misura riportata dallo Stanford AI Index.101112

Nel grafico seguente osserviamo l’ampiezza del divario negli investimenti privati nell’intelligenza artificiale: nel 2025 gli Stati Uniti restano molto al di sopra di Europa e Cina.

Nel grafico seguente osserviamo l’elemento contrario: il vantaggio dei migliori modelli statunitensi rispetto a quelli cinesi resta molto più contenuto del divario registrato negli investimenti privati.

Il capitale disponibile è molto più concentrato negli Stati Uniti della capacità finale dei modelli. È l'elemento contrario alla tesi secondo cui il compute, da solo, determina il risultato. Chip e infrastrutture restano indispensabili, ma talento, efficienza algoritmica, distillazione, prezzo e velocità di adozione possono compensare in parte una disponibilità inferiore.

La concentrazione fisica resta favorevole e fragile allo stesso tempo. Gli Stati Uniti ospitano 5.427 data center, più di dieci volte qualsiasi altro paese. Secondo Stanford, TSMC fabbrica quasi tutti i chip di punta per l'IA.10 Il vantaggio americano nel progetto dei semiconduttori convive quindi con un punto di concentrazione produttiva a Taiwan. Un incidente geopolitico o operativo si propagherebbe dal fornitore all'intera catena del valore.

La filiera in sei strati

La competizione si estende oltre i laboratori. La catena del valore parte da energia, reti e materiali; attraversa macchinari, fonderie, acceleratori, memoria e storage; raggiunge infine cloud, data center, modelli e applicazioni. Ogni livello aggiunge capacità, ma introduce anche un possibile collo di bottiglia industriale o finanziario.

La dipendenza corre dal basso verso l’alto. Un modello più capace aumenta la domanda di inferenza, cioè l’esecuzione del modello in risposta alle richieste degli utenti. L’inferenza richiede acceleratori; gli acceleratori hanno bisogno di memoria ad alta larghezza di banda, fonderie, packaging e macchinari; i data center richiedono potenza, reti, acqua e sistemi di raffreddamento. Il software rimane il punto di contatto con il cliente, ma il limite alla crescita può trovarsi in una sottostazione elettrica, in una fabbrica di semiconduttori o nella disponibilità di HBM.

Gli incentivi divergono. ASML può voler preservare il mercato cinese per i propri macchinari. Un laboratorio statunitense può beneficiare di limiti che rallentino un concorrente cinese. Un hyperscaler, cioè un operatore cloud su scala globale, desidera più domanda di calcolo e può beneficiare della presenza di più modelli in competizione. La politica industriale redistribuisce valore fra gli strati invece di favorirli tutti nello stesso modo.

«Contenuto (testo e/o immagini) realizzato con l'ausilio dell'intelligenza artificiale, sotto responsabilità editoriale della redazione.»

The Financial Spectator - Analisi indipendente dei mercati e dell'economia globale