C'è un paragone che ormai si ripete come un mantra in ogni conferenza e in ogni nota di ricerca: la bolla dell'intelligenza artificiale sarebbe la nuova bolla ferroviaria del 1873, o al massimo la replica della bolla di internet del 2000. Il ragionamento è rassicurante: sì, ci sarà uno scoppio, molte aziende falliranno, ma resterà l'infrastruttura, e da quell'infrastruttura nascerà la crescita del decennio successivo. È una tesi elegante. E, forse anche profondamente sbagliata.
Cosa hanno costruito davvero le bolle del passato
Il punto centrale che quasi tutti dimenticano è che le bolle del 1873 e del 2000 hanno lasciato dietro di sé asset durevoli. La maggior parte delle società ferroviarie andò in bancarotta, è vero, ma i binari rimasero. E quei binari abbassarono in modo permanente il costo di trasportare merci e persone, per decenni.
Lo stesso vale per internet. Durante il boom delle telecomunicazioni di fine anni Novanta furono investiti circa 120 miliardi di dollari (oltre 200 miliardi a valori di oggi) per posare cavi in tutto il territorio americano. Quando la bolla scoppiò, si stima che meno del 5% della fibra posata tra il 1999 e il 2004 fosse effettivamente "accesa" e in uso. Il resto era dark fiber, capacità inutilizzata considerata uno spreco colossale.
Solo che quello spreco era un asset. Un cavo in fibra non diventa obsoleto: cambia l'elettronica alle due estremità, non il vetro nel terreno. Così, dieci anni dopo, quella stessa dark fiber derisa come sperpero è diventata la spina dorsale dell'infrastruttura internet, del cloud e dello streaming video. Chi l'aveva comprata a pochi centesimisi ritrovò con l'asset più prezioso del settore. La bolla aveva distrutto capitale azionario, ma aveva lasciato all'economia un'infrastruttura che riduceva i costi per una generazione.
Questo è il meccanismo che i sostenitori del paragone hanno in mente. Ed è esattamente qui che l'analogia con l'AI forse crolla.
Perché l'intelligenza artificiale (forse) è diversa
La "costruzione" dell'AI non lascia binari, né cavi nel terreno. Lascia GPU. E le GPU non sono infrastruttura durevole: sono hardware che si svaluta a una velocità impressionante.
Nvidia lavora su una cadenza annuale (Hopper nel 2022, Blackwell nel 2024, Rubin nel 2026), e ogni generazione è due o tre volte più efficiente della precedente per unità di calcolo e per watt. In pratica, tenere in servizio i chip di frontiera di tre anni fa, diventa antieconomico: consumano troppo per quello che producono. L'obsolescenza reale sul calcolo di punta è di circa tre anni, non di venti come per un binario o un cavo.
Il tema è così concreto da essere finito al centro di un caso contabile. A fine 2025 Michael Burry ha accusato apertamente gli hyperscaler (Alphabet, Amazon, Meta, Microsoft, Oracle) di gonfiare gli utili allungando la vita utile dichiarata delle GPU: le ammortizzano su cinque o sei anni quando la vita economica reale ne è più vicina a due o tre. La sua stima è di circa 176 miliardi di dollari di ammortamenti sottostimati tra il 2026 e il 2028. Tradotto: una parte importante dei profitti dichiarati oggi esiste solo perché si finge che l'hardware duri il doppio di quanto dura.
Questa è la differenza che nessuno vuole nominare. Le ferrovie e la fibra abbassavano i costi in modo permanente. Il buildout dell'AI, ogni tre anni, diventa carta straccia da sostituire con altro capitale. Non esiste un modello economico in cui questa spesa diventi improvvisamente redditizia, perché il problema non è solo costruire i data center: è farli funzionare. L'energia, il raffreddamento, la sostituzione continua dell'hardware sono costi operativi altissimi e ricorrenti, non un investimento che si ammortizza e poi rende.
L'analogia giusta non è la ferrovia, è la stampa
Se proprio serve un precedente storico, l'AI assomiglia più alla stampa a caratteri mobili che alla ferrovia. La stampa permetteva di produrre una quantità enorme di contenuti in pochissimo tempo. L'AI fa lo stesso: genera volumi sterminati di media (testi, immagini, video) in tempi ridicoli.
Ma c'è una differenza rispetto alla ferrovia. La stampa moltiplicava l'offerta di contenuti, non abbassava il costo fondamentale dell'economia reale. E il buildout dell'AI, applicato a questo, lo fa a un costo unitario elevato: produrre quella valanga di contenuti richiede consumi energetici e infrastrutture che rendono ogni output tutt'altro che gratuito. Tanta quantità, costo alto, valore marginale in caduta man mano che il mondo si riempie di materiale generato. È l'opposto di un'infrastruttura che rende tutto più economico.
L'unica vera somiglianza è il debito
C'è però un elemento in cui il paragone con il 1873 e il 2000 regge perfettamente: il debito. Anche allora, la costruzione fu finanziata con leva enorme, e la leva è ciò che trasforma una correzione in un crollo. Oggi la spesa in conto capitale degli hyperscaler viaggia verso cifre dell'ordine di mille miliardi di dollari nel triennio 2026-2028, in buona parte a debito e con strutture di finanziamento sempre più creative.
Qui però si nasconde il punto più scomodo. Quando la bolla del debito scoppiò nel 2000, il costo di far viaggiare i dati sulla fibra non aumentò: quell'infrastruttura restava lì, quasi gratis da mantenere. Con l'AI accade il contrario. Lo scoppio del debito non riduce di un centesimo il costo di mantenere i data center. Semmai lo peggiora, perché lascia sul mercato meno clienti in grado di permetterselo. La fibra spenta costava quasi nulla in attesa di tempi migliori. Un data center spento continua a svalutarsi, e uno acceso brucia denaro ogni singola ora. Non c'è un "parcheggio a basso costo" in attesa che la domanda torni.
Chi paga davvero il conto operativo
E allora la domanda finale è la più semplice e la più fastidiosa: chi può permettersi, in modo sostenibile, il costo operativo di tutta questa infrastruttura, una volta tolto l'entusiasmo dei mercati?
Fuori dal mondo dei media e dei contenuti, i candidati sono pochi. Anzi, forse uno solo con tasche abbastanza profonde da non chiedere un ritorno sull'investimento: uno Stato, disposto a finanziare a fondo perduto capacità di calcolo su larga scala. E l'uso che rende quel calcolo "prezioso" a prescindere dal profitto ha un nome preciso: sorveglianza. Analisi di volumi enormi di dati, riconoscimento e profilazione.
È una tesi forte, e si presenta come tale, non come una certezza. Ma seguendo i costi invece che l'hype, il conto porta lì. Se il solo cliente in grado di sostenere in modo strutturale la spesa operativa di questa infrastruttura è uno Stato che finanzia un apparato di sorveglianza o di difesa, allora vale la pena chiedersi se non sia quello, e non l'utile aziendale, lo scopo reale verso cui punta gran parte di questo business.