In sintesi
- La domanda di AI rimane limitata sul fronte dell'offerta, con gli hyperscalers che indicano che la capacità di calcolo disponibile, piuttosto che la domanda dei clienti, è la principale limitazione della crescita.
- Le piattaforme cloud stanno dimostrando una monetizzazione sempre più tangibile dell'AI attraverso una crescita dei ricavi in accelerazione, un aumento dei carichi di lavoro in ambito di inferenza e impegni crescenti da parte dei clienti.
- Ordini arretrati da record, aumento degli investimenti in chip personalizzati e previsioni di crescita continua delle spese in conto capitale supportano un outlook costruttivo per i beneficiari delle infrastrutture AI.
Le ultime relazioni sugli utili delle più grandi società tecnologiche di hyperscalers hanno offerto un segnale inequivocabile sull'orientamento della spesa per le infrastrutture AI. Nonostante livelli record di spese in conto capitale e una certa pressione sul flusso di cassa disponibile a breve termine, i team di gestione di Amazon, Microsoft, Alphabet e Meta hanno ribadito lo stesso messaggio: la domanda di capacità di elaborazione AI continua a superare l'offerta disponibile.
Fondamentalmente, per gli investitori, il dibattito si è spostato oltre la costruzione di infrastrutture verso la loro monetizzazione. L'accelerazione della crescita del cloud, gli impegni crescenti da parte dei clienti, il maggiore utilizzo di chip AI proprietari e la crescente adozione di servizi abilitati all'AI segnalano tutti una maggiore visibilità sulla futura generazione di ricavi.
Analizziamo i temi chiave emersi dai risultati più recenti e cosa possono significare per la fase successiva degli investimenti in infrastrutture AI.
1. La domanda di AI rimane limitata dall'offerta
Nonostante le spese in conto capitale storiche, le relazioni dei quattro hyperscalers hanno confermato che la domanda di infrastrutture AI continua a superare l'offerta. La crescita della domanda è limitata dalla capacità di elaborazione, dai chip, dall'alimentazione elettrica e dalle infrastrutture della rete elettrica.
2. Le spese in conto capitale (capex) AI sono destinate a continuare a crescere fino al 2027
Pur non essendo considerate indicazioni formali, le discussioni sulla visibilità e sui vincoli dell'offerta per i quattro hyperscalers indicano che le spese in conto capitale (capex) probabilmente continueranno a salire nel 2027. Le indicazioni sulle spese in conto capitale annuali per il 2026 di Microsoft, Amazon, Alphabet e Meta hanno raggiunto finora un totale combinato di 730-760 miliardi di dollari statunitensi, di cui 430 miliardi di dollari destinati a essere impiegati nel secondo semestre dell'anno.1 Gli analisti stimano che le capex potrebbero continuare a salire a oltre 1.000 miliardi di dollari fino al 2028,2 con una visibilità sull'aumento delle spese in conto capitale che si estende fino ai prossimi due anni.
3. La monetizzazione dell'AI sta accelerando
Gli hyperscalers hanno riportato una crescita dei ricavi in accelerazione, rispettivamente dell'82%, 37% e 39% per le divisioni cloud di Alphabet, Amazon e Microsoft.
- Area in rapida crescita: le piattaforme cloud
Amazon Web Services (AWS) ha registrato un'accelerazione della crescita al 37% poiché i carichi di lavoro AI dei clienti si sono spostati dai progetti pilota e di formazione iniziale verso modelli di produzione di volume elevato e volumi di inferenza. Analogamente, Google Cloud ha registrato una crescita dei ricavi dell'82% nell'ultimo trimestre, sostenuta dall'inferenza dei modelli e dal consumo dell'API Gemini (interfaccia di programmazione delle applicazioni).
- L'AI sta accelerando la monetizzazione di pubblicità e ricerca
Una forte monetizzazione indiretta dell'AI, tramite strumenti, raccomandazioni e modelli migliorati, ha generato un aumento delle conversioni e dei rendimenti pubblicitari. Meta, ad esempio, ha beneficiato dell'AI e ha riscontrato un miglioramento del targeting dei clienti, delle raccomandazioni sui contenuti e dell'ottimizzazione delle campagne, ottenendo tassi di conversione più elevati e rendimenti più consistenti sulla spesa pubblicitaria.
Vale la pena notare che, sebbene Meta sia uno dei maggiori soggetti in termini di spese in conto capitale, al momento non vende le proprie capacità di elaborazione a terzi. La crescita complessiva dei ricavi di Meta, pari al 28%, è stata la più solida tra i quattro hyperscalers, ma la sostenibilità di tale livello di crescita è meno chiara senza un portafoglio ordini da comunicare, mentre la creazione di una divisione cloud per la vendita di capacità di elaborazione è ancora in fase iniziale di sviluppo.
- Area a crescita lenta: espansione delle licenze per l'intera azienda
L'espansione dei posti aziendali (l'acquisto di più licenze utente man mano che la distribuzione cresce) sta per il momento rallentando l'utilizzo puro dell'infrastruttura, con Microsoft che ha segnalato 30 milioni di posti aziendali pagati per MS 365 Copilot nell'ultimo trimestre; pur avendo registrato una crescita, rimane una quota molto piccola della sua base di clienti. Lo consideriamo anche un'indicazione che l'adozione di carichi di lavoro nativi dell'AI, progettati con l'AI come fondamento principale (anziché integrarvi le competenze AI in un secondo momento), al momento rimane allo stato iniziale, ma potremmo vedere un tasso di adozione molto più elevato in futuro.
4. Massiccia crescita del backlog: miglioramento della visibilità sulla sostenibilità della crescita delle infrastrutture
I tre grandi fornitori di cloud, Amazon, Microsoft e Alphabet, hanno riportato un backlog record, ossia i ricavi contrattualizzati non ancora forniti e non ancora riconosciuti. Questi backlogs hanno totalizzato oltre 1.600 miliardi di dollari statunitensi, circa 5-10 volte superiori ai loro ricavi annuali. La duration dei contratti e il tempo necessario per riconoscere i ricavi variano, ma in media si prevede che circa il 25% dei backlogs sarà evaso e riconosciuto come ricavo trimestrale nei successivi 12 mesi, il che fornisce un'indicazione dell'elevata visibilità di cui godono ora queste società.
5. Aumento degli investimenti e della monetizzazione dei chip personalizzati
Mentre Meta e Microsoft stanno ancora sviluppando e aumentando i propri programmi di chip, Amazon e Alphabet investono in chip personalizzati dal 2012-2013. Ciò ha conferito loro un vantaggio nello sviluppo di chip specializzati per la formazione e l'inferenza AI, adattando la loro infrastruttura AI per una maggiore efficienza e costi inferiori. Per queste aziende, i chip personalizzati sono un mezzo di differenziazione e offrono un risparmio sui costi sia internamente sia ai propri clienti.
Amazon ha notato che la sua attività di chip proprietari ha superato i 25 miliardi di dollari nell'ultimo trimestre, in crescita rispetto agli oltre 20 miliardi di dollari del primo trimestre. Al momento Amazon monetizza i suoi chip solo come servizio di utilità cloud, ma Alphabet, oltre alle vendite di cloud, ha anche iniziato a distribuire il proprio hardware di sistema TPU (Tensor Processing Unit) proprietario per i data center dei clienti, invece di offrirlo solo a distanza attraverso Google Cloud.
6. Gli hyperscalers del cloud stanno traendo vantaggio dai sistemi multimodello, che combinano modelli proprietari e open source/open weight
Gli hyperscalers possono offrire ai clienti l'accesso a un'ampia gamma di modelli AI tramite un'unica piattaforma, inclusi sia i modelli proprietari (come i modelli GPT di OpenAI) sia le alternative open-source. Ciò semplifica l'implementazione, la sicurezza, la governance e la gestione dei costi, consentendo ai clienti di scegliere il modello più appropriato per ogni attività e ai fornitori di servizi cloud di catturare valore aggiuntivo tramite le infrastrutture AI e i servizi correlati. Considerati i vincoli dell'offerta, l'offerta di accesso a un mix di modelli proprietari, open source/open weight consente agli hyperscalers di vendere servizi a margini più elevati. Amazon ha sottolineato che il suo servizio Bedrock (una piattaforma completamente gestita) ha acquisito più clienti negli ultimi sei mesi che nei primi due anni di esistenza del servizio.
7. Profili di margine divergenti a seguito dell'evoluzione degli hyperscalers
Amazon e Alphabet hanno ampliato la redditività operativa del cloud, grazie alle loro competenze nel settore dei semiconduttori e ai progressi in termini di efficienza interna, mentre Microsoft ha continuato a vedere una certa pressione sui margini data la sua forte spesa per le infrastrutture e i costi di ammortamento. Per Amazon, il cloud non è solo la parte dell'azienda in più rapida crescita, ma di gran lunga anche la più redditizia. Per Alphabet, la divisione cloud non è redditizia come la sua attività principale di ricerca e pubblicità, ma la redditività è aumentata vertiginosamente (di oltre il 200% su base annua) e ha contribuito in modo significativo ai ricavi totali. Complessivamente, Microsoft ha i margini più elevati tra le tre società, ma i suoi margini lordi del cloud sono diminuiti. Stiamo vedendo prove del fatto che questi hyperscalers si stanno evolvendo come principali piattaforme per l'orchestrazione dell'AI, il che implica il coordinamento di più modelli, applicazioni e fonti di dati AI attraverso un'unica piattaforma o flusso di lavoro. Questo processo consente alle aziende di ottimizzare i costi e migliorare la sicurezza in un mondo sempre più multi-modello.
Conclusione: il ciclo di investimenti nelle infrastrutture AI ha ancora spazio di manovra
Gli hyperscalers continuano a riportare una forte domanda di infrastrutture AI, con una crescita limitata dalla capacità di offerta AI. Questo ci suggerisce che il ciclo di investimenti AI e la crescita delle infrastrutture AI sono ancora nelle fasi iniziali e sono un processo pluriennale che deve ancora raggiungere il suo apice.
La monetizzazione dell'AI sta evolvendo, e le aziende stanno trovando più canali per generare ricavi, compresi i semiconduttori personalizzati e i sistemi multi-modello. Nel frattempo, i backlogs offrono una maggiore visibilità sulla sostenibilità della domanda futura. Secondo noi, questo rafforza il caso dell'investimento nelle aziende che stanno abilitando la realizzazione delle infrastrutture AI.
I riferimenti a singoli titoli non costituiscono un invito ad acquistare, vendere o conservare tali titoli, strategie di investimento o settori di mercato, che non devono essere considerati necessariamente redditizi. Janus Henderson Investors, il suo consulente affiliato o i suoi dipendenti possono detenere una posizione nei titoli citati.
Non c'è alcuna garanzia che le tendenze passate si confermino o che le previsioni si realizzino.
Tutte le informazioni sulla società derivano dai comunicati dei risultati degli utili e dalle trascrizioni delle chiamate, se non diversamente specificato. Amazon Investor Relations; risultati degli utili del Q2 2026; 30 luglio 2026; Blog di Google; Chiamata sugli utili del secondo trimestre 2026: osservazioni del nostro CEO; 22 luglio 2026; Microsoft Investor Relations; Rilascio degli utili FY26 Q4; 29 luglio 2026; Transcript della chiamata sugli utili del secondo trimestre 2026; 29 luglio 2026.
1 Relazioni aziendali, Statista al 30 luglio 2026.
2 Stime di Morgan Stanley, Bank of America, fine luglio 2026.
Interfaccia di programmazione delle applicazioni: un'API consente a due componenti software di comunicare tra loro per scambiare dati, caratteristiche e funzionalità utilizzando una serie di definizioni e protocolli.
Backlog (obblighi di performance rimanenti o RPO): il valore dei ricavi contrattualizzati che un'azienda non ha ancora riconosciuto perché i servizi non sono ancora stati erogati. Un backlog in crescita può offrire una maggiore visibilità sui ricavi futuri.
Spese in conto capitale (capex): denaro investito per acquisire o aggiornare beni fissi come edifici, macchinari, attrezzature, veicoli, tecnologia al fine di mantenere o migliorare le operazioni e promuovere la crescita futura.
Cloud computing: L'erogazione di servizi informatici, tra cui l'archiviazione di dati, la potenza di elaborazione e il software, tramite Internet invece che attraverso computer o server locali.
Semiconduttori personalizzati: chip per computer progettati per uno scopo specifico anziché per un uso generico. Aziende come Amazon e Alphabet sviluppano chip AI personalizzati per migliorare le Performance e ridurre i costi.
Espansione dei posti aziendali: si riferisce al tradizionale modello di crescita del software in cui un'organizzazione scala la propria implementazione acquistando più licenze utente (“seats”) man mano che l'adozione degli strumenti AI sul posto di lavoro (come gli assistenti aziendali o gli LLM) cresce tra i team e i dipartimenti.
Flusso di cassa libero (FCF): Liquidità generata da un'azienda al netto delle spese di gestione quotidiana e delle spese in conto capitale. Può poi utilizzare la liquidità per effettuare acquisti, distribuire dividendi o ridurre il debito.
AI generativa: intelligenza artificiale in grado di creare nuovi contenuti, compresi testo, immagini, audio e codice software, sulla base di modelli appresi da set di dati di grandi dimensioni.
Hyperscaler: una grande società di cloud computing che gestisce vaste reti di data center e fornisce infrastrutture di calcolo su scala globale. Tra gli esempi figurano Amazon Web Services (AWS), Microsoft Azure e Google Cloud.
Inferenza: il processo di utilizzo di un modello AI addestrato per generare output, come rispondere a domande, produrre immagini o fare previsioni.
Modello linguistico di grandi dimensioni (LLM): un modello AI addestrato su vaste quantità di dati di testo in grado di comprendere e generare linguaggio simile a quello umano.
Monetizzazione: Il processo di generazione di ricavi da un investimento in un prodotto, servizio o tecnologia.
Ambiente multi-modello: un ecosistema AI in cui le organizzazioni utilizzano più modelli AI, spesso combinando modelli proprietari e open-source, a seconda del compito.
Open source: un modello AI il cui codice sottostante e, in alcuni casi, i pesi del modello sono resi disponibili pubblicamente agli sviluppatori per essere utilizzati, modificati e distribuiti.
Modello con pesi aperti: fornisce i parametri addestrati finali e l'architettura del modello, ma in genere omette l'intero set di dati di formazione o la metodologia completa di raccolta dei dati a causa di vincoli legali, di costo o di privacy.
Modello proprietario: Un modello AI di proprietà e controllato da un'azienda, con accesso e utilizzo disciplinati da condizioni commerciali piuttosto che da licenze open source.
TPU (Tensor Processing Unit): un chip personalizzato sviluppato da Google specificamente per i carichi di lavoro AI e machine learning. Le TPU sono progettate per eseguire calcoli AI in modo più efficiente rispetto ai processori tradizionali.
Queste sono le opinioni dell'autore al momento della pubblicazione e possono differire da quelle di altri individui/team di Janus Henderson Investors. I riferimenti a singoli titoli non costituiscono una raccomandazione all'acquisto, alla vendita o alla detenzione di un titolo, di una strategia d'investimento o di un settore di mercato e non devono essere considerati redditizi. Janus Henderson Investors, le sue affiliate o i suoi dipendenti possono avere un’esposizione nei titoli citati.
Le performance passate non sono indicative dei rendimenti futuri. Tutti i dati dei rendimenti includono sia il reddito che le plusvalenze o le eventuali perdite ma sono al lordo dei costi delle commissioni dovuti al momento dell'emissione.
Le informazioni contenute in questo articolo non devono essere intese come una guida all'investimento.
Non vi è alcuna garanzia che le tendenze passate continuino o che le previsioni si realizzino.
Comunicazione di Marketing.
Informazioni importanti
Si prega di leggere attentamente le seguenti informazioni sui fondi citati in questo articolo.
- Le Azioni/Quote possono perdere valore rapidamente e di norma implicano rischi più elevati rispetto alle obbligazioni o agli strumenti del mercato monetario. Di conseguenza il valore del proprio investimento potrebbe diminuire.
- Un Fondo che presenta un’esposizione elevata a un determinato paese o regione geografica comporta un livello maggiore di rischio rispetto a un Fondo più diversificato.
- Il Fondo si concentra su determinati settori o temi d’investimento e potrebbe risentire pesantemente di fattori quali eventuali variazioni ai regolamenti governativi, una maggiore competizione nei prezzi, progressi tecnologici ed altri eventi negativi.
- Questo Fondo può avere un portafoglio particolarmente concentrato rispetto al suo universo d’investimento o altri fondi del settore. Un evento sfavorevole riguardante anche un numero ridotto di partecipazioni potrebbe creare una notevole volatilità o perdite per il Fondo.
- Il Fondo potrebbe usare derivati al fine di ridurre il rischio o gestire il portafoglio in modo più efficiente. Ciò, tuttavia, comporta rischi aggiuntivi, in particolare il rischio che la controparte del derivato non adempia ai suoi obblighi contrattuali.
- Qualora il Fondo detenga attività in valute diverse da quella di base del Fondo o l'investitore detenga azioni o quote in un'altra valuta (a meno che non siano "coperte"), il valore dell'investimento potrebbe subire le oscillazioni del tasso di cambio.
- Se il Fondo, o una sua classe di azioni con copertura, intende attenuare le fluttuazioni del tasso di cambio tra una valuta e la valuta di base, la stessa strategia di copertura potrebbe generare un effetto positivo o negativo sul valore del Fondo, a causa delle differenze di tasso d’interesse a breve termine tra le due valute.
- I titoli del Fondo potrebbero diventare difficili da valutare o da vendere al prezzo e con le tempistiche desiderati, specie in condizioni di mercato estreme con il prezzo delle attività in calo, aumentando il rischio di perdite sull'investimento.
- Il Fondo potrebbe perdere denaro se una controparte con la quale il Fondo effettua scambi non fosse più intenzionata ad adempiere ai propri obblighi, o a causa di un errore o di un ritardo nei processi operativi o di una negligenza di un fornitore terzo.