Dall’esplosione mediatica di ChatGPT a fine 2022, gli investitori hanno trattato le startup dell’intelligenza artificiale come le vecchie società di software: bassi costi marginali, scalabilità potenzialmente illimitata, e possibilità di conquistare rapidamente enormi fette di mercato. Ma la realtà si sta rivelando più complessa e molto più costosa.
OpenAI è valutata 300 miliardi di dollari. Anthropic punta ai 100 miliardi. L’idea che chi conquista gli utenti per primo diventi lo “standard” dell’AI ha spinto in alto le aspettative. È lo stesso modello che ha fatto la fortuna di colossi come Microsoft, Salesforce e Oracle. Ma qui la somiglianza finisce.
A differenza del software tradizionale, ogni query AI comporta costi reali e ricorrenti. Generare una risposta, noto come processo di inference, significa attivare cluster di chip – spesso migliaia – che consumano energia e larghezza di banda. È più simile a una centrale elettrica che a una linea di codice.
Secondo McKinsey, soddisfare la domanda globale di inference richiederà un investimento minimo di 3.700 miliardi di dollari in data center. L’International Energy Agency stima che ciò comporterà un consumo annuo di 733 terawattora – l’equivalente di 68 milioni di abitazioni.
Ogni query da 1 milione di token può costare fino a 55 dollari in potenza di calcolo usando i chip H100 di Nvidia, e questi stessi chip assorbono fino a 700 watt ciascuno. A livelli industriali, l’energia rappresenta un fardello enorme. Per un’azienda che gestisce 10 miliardi di token al giorno, le spese elettriche possono superare i milioni di dollari all’anno.
Il paradosso? Mentre i costi restano alti, i ricavi per query stanno crollando. Stanford ha rilevato che dal 2022 il prezzo per token è diminuito fino a 280 volte. I grandi clienti ottengono sconti di volume che tagliano ulteriormente i margini. È una price war strategica per conquistare mercato, ma rischia di essere insostenibile.
Chi non possiede infrastrutture proprie, come Anthropic, Perplexity e la stessa OpenAI, è penalizzato: pagano per usare il cloud di altri, subiscono sconti e devono coprire costi crescenti. È per questo che i big del tech – Amazon, Google (Alphabet) e Microsoft – stanno investendo miliardi in data center, chip proprietari e accordi diretti con fornitori di energia.
Le piattaforme con l’intero “stack informativo” – hardware, cloud, energia, distribuzione – possono garantire margini lordi tra il 60% e il 70%. Gli altri arrancano. OpenAI, ad esempio, può guadagnare vendendo ai clienti aziendali, ma perde denaro quando il traffico passa dai partner cloud.
Questa dinamica sta già ridisegnando la strategia dell’AI. Microsoft sta espandendo i propri asset infrastrutturali. OpenAI costruisce chip e data center. Ma la pressione non si allenta: gli utenti chiedono output sempre più lunghi e complessi, che richiedono più potenza e quindi più costi.
C’è chi crede che l’ingegneria risolverà tutto. Algoritmi più leggeri, tecniche di calcolo ottimizzate, e chip come i nuovi Blackwell di Nvidia promettono performance quadruple e maggiore efficienza. Ma ogni miglioramento rende anche possibile costruire modelli più complessi, che richiedono più risorse: un circolo vizioso.
Si fa strada allora l’idea di un’evoluzione del modello di business: disincentivare le query “low value” (come scrivere post sui social) e concentrarsi su quelle ad alto impatto economico (analisi codice, consulenza, automazione industriale). Solo così i ricavi potranno riflettere i costi reali.
OpenAI sta diversificando: sviluppa un browser, lavora su un sistema di pagamento e offre consulenze aziendali. Obiettivo: ancorarsi ai flussi di lavoro quotidiani degli utenti per creare nuove fonti di reddito.
Ma alla fine, potrebbero vincere solo quelli che possiedono tutto: chip, server, elettricità e clienti. Amazon e Google sono avvantaggiati, con economie di scala e capitale infinito. Le startup, anche le più innovative, rischiano di trovarsi nella posizione scomoda di fornitori in perdita.
Anche per i giganti, però, il ritorno non è garantito. La storia è piena di industrie – ferrovie, telecomunicazioni – che hanno sottovalutato i costi e sopravvalutato la domanda. L’IA potrebbe diventare ovunque. Ma ubiquità non significa automaticamente profitto.
