Tag: Investimenti

  • L’1% che “tiene in piedi” OpenAI e Anthropic sta già facendo i conti: locale, ibrido e modelli “cinesi”

    L’1% che “tiene in piedi” OpenAI e Anthropic sta già facendo i conti: locale, ibrido e modelli “cinesi”

    Cosa succede a OpenAI e Anthropic se i clienti che generano più ricavi iniziano a spostare una parte consistente dei loro token altrove? L’AI ibrida potrebbe trasformare questo calcolo in una questione strategica.

    A settembre 2026 i dati di Ramp hanno messo nero su bianco quello che molti sospettavano: l’1% dei clienti genera l’80% dei ricavi enterprise sia di OpenAI sia di Anthropic, una “concentrazione di rischio” senza precedenti nella storia del software. Perché, diciamocelo, anche in questo caso è di software che parliamo. In particolare, ad Anthropic due soli clienti (Cursor e GitHub Copilot) arrivano a pesare quasi un quarto del fatturato. E i ricavi arrivano soprattutto da usage-based pricing: più token bruci, più paghi.

    In questo scenario, un pezzo di hardware apparentemente “di nicchia” come un Mac Studio M2 Ultra ricondizionato (metà 2023, 128 GB di RAM unificata, 2-4 TB SSD) a 3.800-4.600 € IVA inclusa in Italia diventa improvvisamente interessante. Non perché sostituisca i data center, ma perché rende economicamente razionale spostare una parte rilevante del carico su AI locale o ibrida. Di Mac ricondizionati come piattaforme di AI locale ne ho già parlato di recente, tra l’altro.

    I grandi clienti non hanno davvero bisogno del “frontier” per qualsiasi cosa

    La narrativa dominante (“serve sempre il modello più potente”) non regge di fronte ai numeri. La maggior parte del volume di token generato da quei clienti “top” è costituita da task ripetitivi, ad alto volume e a complessità medio-alta: coding agentico, completamento, RAG interni, generazione di contenuti, triage, elaborazioni batch. Su questi carichi il gap tra i frontier occidentali e i migliori modelli open-weight/cinesi (Qwen 3.x, DeepSeek V4, Kimi K2/K3, GLM) si è ridotto a pochi mesi di vantaggio, quando non si è già chiuso.

    I dati di metà 2026 parlano chiaro:

    • Su OpenRouter i modelli di origine cinese hanno raggiunto picchi del 46% dei token enterprise americani (da meno del 5% un anno prima).
    • Cursor ha costruito parte del proprio Composer 2 su base Kimi.
    • Lindy ha spostato il 100% del traffico da Claude a DeepSeek V4, dichiarando risparmi di milioni e performance uguali o migliori su molti use-case.
    • Coinbase ha tagliato di circa il 50% la spesa AI con un default su modelli cinesi open-weight per gli ingegneri.
    • Airbnb, Shopify, Siemens e altri hanno instradato carichi significativi su Qwen o Kimi.

    Il frontier resta superiore (e spesso indispensabile) sui task più estremi: “ragionamento” multi-step di altissima complessità, coding estremo, scenari high-stakes dove ogni punto percentuale di accuratezza conta, tuttavia rappresenta una minoranza del volume globale. Il resto è già “sufficientemente buono” su alternative molto più economiche (spesso 5-35× più convenienti).

    L’architettura che sta emergendo: necessariamente “ibrida”

    La strategia dominante tra i grandi clienti non è “tutto cloud frontier” né “tutto locale”, ma piuttosto routing intelligente:

    • Frontier (Claude, GPT) per i casi low-volume/high-stakes.
    • Modelli cinesi/open (Qwen, DeepSeek, Kimi) per il volume alto e cost-sensitive.
    • Locale/self-hosted (Mac Studio, cluster NVIDIA workstation o cloud privato) per privacy, dati sensibili e costi prevedibili.

    Il già citato Mac Studio M2 Ultra ricondizionato entra esattamente in questa logica: costo di acquisizione contenuto, consumi bassissimi, silenzioso, capace di far girare modelli 30-70B in quantizzazione e anche carichi di generazione video/immagine locale. Non deve reggere tutto il traffico di un’azienda, ma piuttosto assorbire la fetta ripetitiva e privacy-sensitive a costo fisso, mentre il cloud gestisce i picchi e i frontier.

    Possibilità di migrazione: breve e medio termine

    Breve termine (6-12 mesi)
    Probabilità medio-alta di una migrazione parziale ma significativa. I segnali sono già visibili: routing su modelli cinesi, sperimentazione di self-hosting, ottimizzazione aggressiva dei costi. Non sarà un esodo di massa, ma un trasferimento progressivo del 20-40% del volume token dei grandi clienti verso alternative più economiche. I fattori acceleranti sono il prezzo, la maturità dell’ecosistema open e la pressione sui budget AI (che in molte aziende è diventato una delle voci di spesa più visibili).

    Medio termine (1-3 anni)
    Probabilità alta di una ristrutturazione strutturale del mix. L’architettura ibrida diventerà lo standard de facto per chi spende tanto. I modelli open/cinesi continueranno a chiudere il gap (o a mantenerlo molto stretto), mentre i frontier si specializzeranno sempre di più sui task dove il vantaggio è ancora netto. L’hardware locale (Apple Silicon di nuova generazione e workstation NVIDIA) diventerà parte ordinaria della soluzione stack per molte organizzazioni. Il rischio geopolitico e le nuove clausole commerciali dei modelli cinesi (revenue share fino al 30% in alcuni casi per i grandi utenti di Kimi e possibili meccanismi simili per Qwen) introdurranno un certo “attrito”, ma non invertiranno la tendenza.

    I freni principali restano, in sostanza: inerzia organizzativa, integrazioni esistenti, contratti enterprise pluriennali e, in alcuni settori regolati, considerazioni di compliance e supply-chain.

    Conseguenze per OpenAI e Anthropic

    Per i due big l’impatto non sarà un crollo improvviso, ma una compressione strutturale dei margini sull’inference e una maggiore pressione competitiva.

    • Ricavi usage-based sotto pressione. Se anche solo una quota rilevante dell’1% sposta il 30-50% del volume su alternative più economiche, i ricavi calano in modo non lineare proprio perché quei clienti pesano tantissimo. Anthropic, più concentrata sull’enterprise e su pochi grandi account, risulta relativamente più esposta.
    • Shift verso pricing e prodotti più sofisticati. I lab saranno spinti ad accelerare su tier differenziati, caching aggressivo, modelli “distillati” più economici e offerte enterprise che integrano routing ibrido (per non perdere del tutto i clienti).
    • Concentrazione del valore sui frontier veri. Il business resterà solido sui task dove i modelli chiusi mantengono un vantaggio chiaro. Ma il volume di commodity inference si eroderà.
    • Rischio di “commoditizzazione dal basso”. Se l’open-weight e i modelli cinesi continuano a migliorare a questo ritmo, il vantaggio competitivo dei frontier si restringe a una fascia sempre più sottile e premium.

    Riassumendo: OpenAI e Anthropic non spariscono, e rimangono i fornitori di riferimento per la punta più alta della piramide, tuttavia il modello di business basato su volumi enormi di token a prezzi elevati diventa più fragile. La concentrazione dell’80% dei ricavi su un 1% di clienti, già oggi un rischio strutturale, si trasforma in un’arma a doppio taglio nel momento in cui quei clienti scoprono che possono fare di meglio (o altrettanto bene) spendendo molto meno.

    Il Mac Studio M2 Ultra ricondizionato usato come esempio non è la soluzione a tutto, naturalmente, tuttavia rimane un simbolo concreto di come l’economia dell’AI stia cambiando: quando il costo marginale di generare un token in locale o su un modello open diventa sensibilmente più basso di quello del frontier, i grandi clienti iniziano a fare i conti. E quei conti, a settembre 2026, stanno già producendo i primi spostamenti concreti.

    P.S. Dai un’occhiata a queste due guide, con cui rispettivamente sviluppare un’abilità di prompt design in grado di trarre il meglio da qualsiasi modello, anche locale, e ottenere tutte le informazioni più importanti per progettare e usare l’AI sul tuo computer, senza cloud. Le trovi entrambe in libreria e online:

  • Ed Zitron ha ragione (quasi) su tutto (e questo dovrebbe farvi preoccupare)

    Ed Zitron ha ragione (quasi) su tutto (e questo dovrebbe farvi preoccupare)

    L’AI generativa può essere utile e, allo stesso tempo, economicamente sopravvalutata. La critica di Ed Zitron costringe il settore a confrontarsi con costi, ricavi e aspettative.

    C’è un tipo, un britannico, cinico, con una faccia da “vi ho già detto che finiva così”, che da tre anni grida che l’intelligenza artificiale generativa è una delle più grandi fregature della storia recente. Si chiama Ed Zitron, e di recente è stato intervistato su The Diary of a CEO e il video sta spopolando (ve lo lascio sotto l’articolo se volete guardarlo, ma vi avviso, sono due ore e mezza di intervista).

    La tesi di Zitron è semplice e brutale: l’AI generativa è fuffa. Non un’innovazione rivoluzionaria, quindi, ma semplicemente fuffa.

    Viene venduta come magia, come la prossima piattaforma che cambierà tutto, come il rimedio al lavoro noioso e alla mediocrità umana. In realtà, secondo lui, è software cloud carissimo, inaffidabile, che allucina, che non ragiona e che brucia miliardi senza un percorso chiaro verso la redditività.

    E i numeri, purtroppo, gli danno ragione più di quanto molti siano disposti ad ammettere.

    I conti non tornano. Punto.

    OpenAI e Anthropic, le due aziende che oggi generano la stragrande maggioranza dei “ricavi AI” dei grandi apparati su cloud, perdono cifre indecenti. Zitron cita perdite nell’ordine delle decine di miliardi. Non stiamo parlando di startup che bruciano soldi per crescere: stiamo parlando di aziende che, dopo anni e centinaia di miliardi di investimenti infrastrutturali, non riescono ancora a dimostrare di poter diventare profittevoli in modo sostenibile.

    Peggio: c’è una circolarità quasi comica. Microsoft, Google e Amazon finanziano OpenAI e Anthropic. Queste due poi spendono una parte importante di quei soldi… proprio sui cloud di Microsoft, Google e Amazon. Risultato? I “ricavi AI” dei big tech appaiono molto più solidi di quanto siano in realtà. È un gioco di specchi finanziari. Elegante, ma fragile.

    I data center che si stanno costruendo in tutto il mondo costano una fortuna, consumano energia da far paura e vengono riempiti di GPU che invecchiano in pochi anni. Il tutto per servire una domanda che, al netto delle due aziende non profittevoli, è ancora relativamente sottile.

    Zitron ha ragione: i conti, oggi, non quadrano. E quando i conti non quadrano per così tanto tempo e con cifre così grandi, prima o poi qualcuno “paga il conto”.

    L’hype ha fatto danni seri

    Qui Zitron è ancora più efficace. Per anni ci hanno raccontato che “l’AGI è dietro l’angolo”, che “i posti di lavoro spariranno”, che “chi non adotta l’AI resterà indietro”. Frasi che suonano bene in un keynote e fanno salire le azioni. Poi ti trovi a usare i modelli e scopri che:

    • allucinano con una nonchalance impressionante,
    • richiedono prompt engineering quasi ritualistico,
    • non sono autonomi,
    • e su compiti davvero critici o complessi continuano a richiedere supervisione umana pesante.

    Non è intelligenza. È un sistema probabilistico estremamente sofisticato che predice il token successivo. Utile? Sì. Magico? No. Sostituto del pensiero umano? Assolutamente no.

    Il problema non è la tecnologia in sé, ma la narrazione che è stata costruita intorno ad essa. Una narrazione che ha giustificato investimenti enormi, distolto attenzione e capitali da altri problemi, e creato aspettative che, inevitabilmente, si scontreranno con la realtà.

    Dove Zitron esagera (e perché conta)

    Detto questo, Zitron ha un difetto: tende a buttare via il bambino con l’acqua sporca.

    L’AI generativa non è una truffa totale, perché rimane uno strumento potente: per scrivere, programmare, riassumere, analizzare, fare brainstorming, prototipare. Milioni di persone lo usano ogni giorno e ne traggono valore concreto. I costi per token sono scesi in modo significativo. Le capacità continuano a migliorare (anche se non nella direzione lineare e spettacolare che qualcuno aveva promesso).

    Dire che “non trasforma i workflow di nessuno” è esagerato. Dire che è solo una “macchina tarocca e inaffidabile” è polemica, non analisi.

    Anche la profezia dello scoppio catastrofico della bolla nel 2027 ha un sapore un po’ troppo cinematografico. Certo, bolle ne abbiamo viste tante. Alcune fanno danni seri, altre si sgonfiano in modo più ordinato. L’infrastruttura di compute e i modelli non spariranno. Si ri-scalano, si ottimizzano, e restano utili. Il rischio vero non è l’apocalisse, quindi, ma una lunga e costosa “digestione” di aspettative gonfiate e capitali male allocati.

    La verità scomoda

    Ed Zitron, quindi, non è un profeta. Piuttosto , è un “contrappeso” necessario. In un’industria che da anni parla soprattutto a se stessa, con toni messianici e slide ottimistiche, qualcuno che va a guardare i bilanci e dice “scusate, ma questi numeri non hanno senso” fa un favore a tutti.

    La verità, come spesso accade, sta nel mezzo.
    L’AI generativa è utile, ma non è magia.
    Sta creando valore, ma non ancora abbastanza da giustificare la scala degli investimenti.
    Sta cambiando il modo di lavorare di molte persone, ma non sta sostituendo il lavoro intellettuale in massa.
    E i conti, al momento, restano preoccupanti.

    Quindi no, non dovete buttare via ChatGPT o Claude, ma dovreste smettere di credere a chi vi racconta che stiamo per entrare in un’era di superintelligenza e abbondanza automatica.

    Il vero rischio non è che l’AI ci sostituisca,.ma piuttosto che ci siamo fatti raccontare una storia troppo bella, e adesso dobbiamo fare i conti con la realtà.

    Ecco l’intervista:

  • Amazon e il paradosso dell’IA: miliardi in investimenti, dirigenti che “scrivono” codice mentre i dipendenti ricorrono ai sussidi statali

    Amazon e il paradosso dell’IA: miliardi in investimenti, dirigenti che “scrivono” codice mentre i dipendenti ricorrono ai sussidi statali

    100.000 righe di codice generate da una dirigente HR, miliardi destinati all’AI e migliaia di lavoratori sui programmi di assistenza pubblica. Il futuro del lavoro può essere tecnologicamente avanzato senza essere economicamente condiviso.

    Mentre Amazon accelera a tutta forza sull’intelligenza artificiale, emergono con sempre maggiore chiarezza le contraddizioni di un modello che concentra risorse immense sulla tecnologia e, allo stesso tempo, riduce l’organico e mantiene una parte significativa della forza lavoro su salari bassi.

    Beth Galetti, vicepresidente senior di People Experience and Technology (la divisione risorse umane del gruppo), ha raccontato di aver generato oltre 100.000 righe di codice grazie agli strumenti di intelligenza artificiale interni, a distanza di venticinque anni dalla sua ultima esperienza da sviluppatrice.

    L’esperimento è nato nell’ambito della competizione interna “Everyone Can Build”, a cui hanno partecipato più di 1.500 dipendenti.

    Galetti ha iniziato consultando l’assistente virtuale Aza e ha poi lavorato con l’ambiente di sviluppo assistito Kiro. L’obiettivo dichiarato è spingere l’adozione di questi tool anche tra chi non ha competenze tecniche, offrendo percorsi formativi gratuiti e il rimborso degli esami per le certificazioni AWS AI.

    Il messaggio è chiaro: l’IA deve diventare uno strumento di produttività diffuso a tutti i livelli. Ma questo racconto di emancipazione tecnica si scontra frontalmente con la realtà dei numeri.

    Negli ultimi mesi Amazon ha tagliato circa 30.000 posti di lavoro, tra un primo blocco di 14.000 esuberi e una successiva ondata di 16.000 licenziamenti corporate.

    Il piano di riduzione dei livelli intermedi prosegue, mentre l’azienda annuncia investimenti colossali: 200 miliardi di dollari di spesa in conto capitale previsti per il 2026, in gran parte destinati all’intelligenza artificiale e all’infrastruttura cloud.

    A rendere ancora più stridente il contrasto arriva un rapporto del Government Accountability Office (richiesto dal senatore Bernie Sanders).

    Nei soli undici stati analizzati (che rappresentano circa un quinto della popolazione americana), i dipendenti Amazon iscritti al programma di assistenza alimentare SNAP sono saliti a 12.346, mentre quelli su Medicaid sono 11.338.

    Dal 2020 al 2025 il numero di lavoratori del gruppo che ricorrono ai sussidi federali è quasi triplicato. Amazon si conferma la seconda azienda, dopo Walmart, per numero di dipendenti che dipendono da questi programmi.

    Nel frattempo i risultati finanziari parlano di un’altra Amazon: i profitti annuali sono passati da 11,59 a 77,67 miliardi di dollari, con un fatturato di 716,92 miliardi e un reddito operativo di 79,98 miliardi nell’anno fiscale 2025. AWS continua a crescere a doppia cifra (+28% nel primo trimestre 2026).
    Si delinea così un quadro a due velocità.

    Da un lato, l’azienda spinge perché tutti – anche chi non è programmatore – imparino a usare l’IA per generare codice e automatizzare processi. Dall’altro, continua a ridurre il personale corporate e mantiene una forza lavoro operativa su livelli salariali tali da costringere migliaia di dipendenti a rivolgersi allo Stato per mangiare e curarsi.

    Il codice generato da una dirigente delle risorse umane diventa, in questo contesto, un simbolo ambivalente: da una parte dimostra le potenzialità di democratizzazione dello sviluppo software, dall’altra rischia di apparire come l’ennesima prova di un’azienda che investe miliardi nell’automazione mentre stringe la cinghia sui costi del lavoro umano.

    Resta aperta la domanda di fondo: l’IA di Amazon sta davvero creando valore condiviso, oppure sta solo accelerando una polarizzazione già in atto tra chi progetta il futuro e chi continua a lavorare (e vivere) nel presente?

  • Stripe mette le mani su OpenRouter: accordo da oltre 7 miliardi per il gateway dei modelli AI

    Stripe mette le mani su OpenRouter: accordo da oltre 7 miliardi per il gateway dei modelli AI

    Stripe punta oltre i pagamenti: l’accordo da oltre 7 miliardi per OpenRouter porterebbe sotto lo stesso tetto billing, consumo di token e accesso a più di 400 modelli AI.

    Stripe avrebbe finalizzato un accordo per acquisire OpenRouter per oltre 7 miliardi di dollari, secondo Bloomberg, anche se al 17 agosto l’operazione non risulta ancora annunciata ufficialmente dalle due società e Stripe ha dichiarato a TechCrunch di non commentare indiscrezioni o speculazioni.

    OpenRouter offre un’unica API per accedere a centinaia di modelli AI e, dopo il round Series B da 113 milioni di dollari annunciato a maggio, dichiarava oltre 8 milioni di sviluppatori, più di 400 modelli disponibili e 25 trilioni di token elaborati alla settimana.

    La valutazione riportata per quel round era di circa 1,3 miliardi di dollari, quindi un prezzo superiore ai 7 miliardi rappresenterebbe un aumento di oltre cinque volte in meno di tre mesi.

    La logica industriale va oltre i pagamenti: Stripe aveva già integrato OpenRouter nella propria infrastruttura di billing e sta sviluppando strumenti per misurare e fatturare direttamente il consumo di token LLM, avvicinando pagamenti, metering e routing dei modelli.

    Se completata nei termini riportati, l’operazione rafforzerebbe l’idea che uno dei punti strategici dell’economia AI non sia soltanto possedere il modello migliore, ma controllare il livello neutrale attraverso cui imprese e sviluppatori possono scegliere provider, ottimizzare costi e ridurre il lock-in.


    Link alla fonte:
    https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b/⁠

  • L’AI entra nel mercato dei Treasury: il debito dei data center può spingere i tassi a lungo termine

    L’AI entra nel mercato dei Treasury: il debito dei data center può spingere i tassi a lungo termine

    E se una parte della pressione sui tassi USA non arrivasse dal deficit pubblico, ma dall’intelligenza artificiale? Il conto dei data center sta diventando abbastanza grande da farsi sentire anche sul mercato obbligazionario.

    Il boom degli investimenti nei data center per l’intelligenza artificiale potrebbe avere conseguenze dirette sui tassi d’interesse statunitensi. Secondo un’analisi della Federal Reserve Bank of Dallas, il crescente ricorso delle aziende tecnologiche al debito a lungo termine può aumentare significativamente la quantità di rischio di durata assorbita dai mercati, contribuendo a spingere verso l’alto i rendimenti e a rendere più ripida la parte lunga della curva dei Treasury.

    I dettagli:

    • Gli investimenti necessari per costruire l’infrastruttura AI sono stimati tra 3.000 e 5.000 miliardi di dollari nei prossimi 3-5 anni. Dopo aver finanziato internamente circa 500-600 miliardi dal 2023, gli hyperscaler stanno ricorrendo sempre più ai mercati del debito.
    • Le stime di Wall Street indicate dalla Dallas Fed convergono su circa 300 miliardi di dollari di obbligazioni investment grade legate all’AI nel solo 2026. Poiché molte hanno scadenze lunghe, equivalgono fino a 360 miliardi di dollari di nuova duration decennale, circa un ottavo di quella generata dalle emissioni del Tesoro USA.
    • Esiste poi un effetto meno visibile. I finanziamenti ottenuti attraverso il private credit sono spesso a tasso variabile; gli operatori dei data center possono convertirli economicamente in debito a tasso fisso attraverso swap. Secondo indicazioni raccolte dagli autori presso operatori di mercato, nel quarto trimestre 2025 questo fenomeno potrebbe aver prodotto almeno 50 miliardi di dollari di duration sintetica equivalente a dieci anni.
    • C’è infine un possibile effetto di sostituzione: le grandi emissioni delle società tecnologiche potrebbero ridurre lo spazio occupato dalle società finanziarie, che nel 2025 rappresentavano circa il 38% delle emissioni investment grade. Poiché banche e finanziarie utilizzano gli swap in modo diverso dagli hyperscaler, questo cambiamento può modificare indirettamente anche la domanda di Treasury.
    • La Dallas Fed rileva già segnali compatibili con questo fenomeno: la crescente sensibilità della curva 10-30 anni al term premium, combinata con un comportamento differente degli swap spread trentennali, è coerente con l’arrivo sul mercato di nuova duration proveniente dal finanziamento dell’infrastruttura AI e non soltanto dal debito pubblico. Gli autori la presentano come un’indicazione, non come una prova causale definitiva.

    Perché è importante: l’espansione dell’AI sta diventando abbastanza grande da poter influenzare non soltanto tecnologia, energia e mercati azionari, ma persino il funzionamento del mercato obbligazionario statunitense. Se gli investimenti da migliaia di miliardi nei data center continueranno a essere finanziati sempre più attraverso debito e swap, una parte della pressione sui rendimenti Treasury a lungo termine potrebbe derivare dall’AI, e non esclusivamente da deficit pubblico, inflazione o aspettative sulla politica monetaria. Questo complicherebbe anche l’interpretazione tradizionale dei movimenti della curva dei tassi da parte di investitori e banche centrali.

    Fonte:

    https://www.dallasfed.org/research/economics/2026/0210-searls-aifinancing

    Aggiornamenti

    14 agosto 2026. È emerso un segnale nuovo e significativo. Il 14 agosto Reuters ha collegato esplicitamente il boom del debito degli hyperscaler AI all’aumento dei rendimenti reali globali: Alphabet, Amazon e Meta hanno emesso quasi 220 miliardi di dollari di bond nel 2026, già oltre il doppio dei 108 miliardi dell’intero 2025. Secondo investitori e strategist citati da Reuters, questa nuova offerta sta aumentando la competizione per il capitale proprio mentre i governi continuano a emettere grandi quantità di debito.

    Il dato più rilevante riguarda i Treasury: il rendimento reale del Treasury USA a 30 anni è vicino al 3%, ai massimi da circa 18 anni. BlackRock Investment Institute parla di una scarsità di capitale che si sta accentuando con l’espansione dell’AI e che si riflette nei rendimenti obbligazionari. Questo rafforza la tesi già formulata dalla Dallas Fed, secondo cui circa 300 miliardi di emissioni AI investment-grade nel 2026 potrebbero generare fino a 360 miliardi di dollari di duration equivalente a Treasury decennali, circa un ottavo della duration prodotta dalle emissioni del Tesoro.

    C’è anche una conferma indiretta molto concreta del crowding out: il Financial Times segnala oggi che l’ingresso massiccio di Amazon e Alphabet nei mercati obbligazionari in sterline, dollari canadesi e franchi svizzeri sta già allargando gli spread e costringendo altri emittenti a spostare le proprie operazioni. In Canada, per esempio, Amazon ha raccolto C$14 miliardi dopo un’emissione Alphabet da C$8,5 miliardi.

    La distinzione importante è questa: l’evidenza di pressione sull’offerta e sui rendimenti sta diventando più forte, ma non equivale ancora a una prova econometrica che “i bond AI hanno causato X punti base di aumento dei Treasury”. Reuters riporta una valutazione causale di investitori e strategist; inflazione, deficit USA, aspettative Fed e crescita continuano a contribuire simultaneamente ai rendimenti. Il 10-year Treasury, per esempio, si trova intorno al 4,6–4,7%, ma le analisi recenti attribuiscono la sua dinamica anche a inflazione, politica monetaria e aumento generale dell’offerta governativa.

    Ecco la fonte più importante di questo aggiornamento: Reuters, 14 agosto 2026, “AI-driven surge in bond yields could be next risk for markets and growth”. È significativa perché segna un passaggio rispetto alle analisi precedenti: non discute più soltanto un rischio teorico di duration supply, ma documenta che grandi investitori stanno già indicando il boom del finanziamento AI come uno dei principali fattori che stanno spingendo verso l’alto i rendimenti reali.

    La formulazione più rigorosa, a questo punto, è: il crowding out finanziario dell’AI non è più soltanto un’ipotesi prospettica; stanno comparendo evidenze di mercato coerenti con quel meccanismo. La dimensione causale precisa sui Treasury resta però ancora da quantificare.

    18 agosto 2026. È emerso un nuovo segnale significativo, più forte rispetto al controllo precedente perché il nesso tra offerta di debito AI e pressione sui Treasury compare ormai direttamente nelle analisi del sell-off del debito sovrano del 18 agosto.

    Reuters segnala che il Treasury USA a 30 anni ha toccato il 5,327%, massimo dal 2007, mentre il 10 anni si muove intorno al 4,7%. Tra i fattori indicati non ci sono soltanto petrolio, inflazione e deficit federale: viene citata esplicitamente anche la massiccia domanda di capitale degli hyperscaler AI, che aggiunge nuova duration corporate proprio mentre il Tesoro deve collocare quantità elevate di debito pubblico.

    Il segnale più interessante è nel commento Reuters sui mercati globali del 18 agosto: la contemporanea emissione record di corporate bond da parte delle Big Tech viene descritta come potenzialmente capace di “crowd out” la domanda per i Treasury, contribuendo alla discesa dei prezzi e quindi alla crescita dei rendimenti. È un passo ulteriore rispetto alla semplice ipotesi teorica della Dallas Fed.

    Anche il Financial Times registra la stessa dinamica: il rialzo dei rendimenti governativi a lunga scadenza viene collegato non solo ai rischi fiscali e inflazionistici, ma anche al flusso di obbligazioni a lunga durata emesse dalle società tecnologiche per finanziare l’AI. Il mercato investment-grade USA ha già superato 1.500 miliardi di dollari di emissioni nel 2026, con una presenza insolitamente elevata dei mega-deal Big Tech; inoltre i principali hyperscaler stanno emettendo debito con scadenze medie più lunghe del mercato corporate generale, aumentando precisamente la quantità di duration da assorbire.

    C’è inoltre una conferma strutturale dalla Bank of England: già nel primo semestre 2026 le emissioni investment-grade di Meta, Alphabet, Amazon, Microsoft e Oracle avevano superato l’intero 2025. La BoE continua tuttavia a osservare che non vi era ancora, nei dati di luglio, prova conclusiva che questa attività impedisse materialmente a governi o altre aziende di finanziarsi.

    Sul term premium il segnale è coerente ma non esplosivo: la stima a 10 anni pubblicata tramite FRED è salita dallo 0,823% del 13 agosto allo 0,839% il 14 agosto; il forward term premium a dieci anni era arrivato all’1,584%. Sono movimenti compatibili con una maggiore remunerazione richiesta per detenere duration, ma non consentono di attribuire causalmente il rialzo ai soli bond AI.

    La distinzione rimane quindi essenziale: l’evidenza di correlazione e di meccanismo di mercato è ormai forte; l’evidenza causale quantitativa resta incompleta. Petrolio sopra i 90 dollari, rischi inflazionistici, deficit USA, riduzione della domanda estera e politica monetaria stanno agendo contemporaneamente. Non è ancora possibile sostenere rigorosamente che «i bond AI hanno aggiunto X punti base ai Treasury».

    Fonte più importante di questo aggiornamento: Reuters, 18 agosto 2026, “Treasury yields are rising — why does it matter?”, perché mette nello stesso quadro osservato il rialzo dei rendimenti governativi e le pesanti esigenze di finanziamento corporate di tecnologia e AI.

    Un dato da sorvegliare immediatamente è l’asta del Treasury ventennale del 19 agosto: è prevista proprio oggi e fornirà un test utile della disponibilità degli investitori ad assorbire ulteriore duration ai rendimenti attuali.

    21 agosto 2026 – È emerso un nuovo segnale significativo: per la prima volta il tema non riguarda soltanto il possibile crowding out dei Treasury, ma segni concreti di saturazione della domanda per i bond AI stessi.

    Reuters il 21 agosto rileva che le emissioni degli hyperscaler AI hanno raggiunto circa 220 miliardi di dollari nel 2026 al 10 agosto, contro appena 12,5 miliardi nello stesso periodo del 2025. Il dato più interessante è però negli spread: i bond tecnologici investment-grade trattano ora mediamente a 89 punti base sopra i Treasury, circa 9 pb più larghi dell’intero mercato IG. Amazon, in una recente emissione da 25 miliardi di dollari a lunga scadenza, ha dovuto offrire circa 120 pb sopra Treasury, quasi il doppio rispetto a condizioni comparabili dell’anno precedente.

    Questo è il segnale nuovo: gli investitori stanno iniziando a chiedere un premio maggiore semplicemente per assorbire l’offerta. Alphabet ha dovuto concedere circa 10-15 pb rispetto ai propri bond già esistenti; gestori come DWS, Schroders e Capital Group parlano apertamente di indigestion, cioè affaticamento del mercato. Inoltre pension fund e assicurazioni hanno limiti pratici di concentrazione per singolo emittente, tipicamente intorno al 2-3% degli asset: più Amazon, Alphabet e gli altri tornano sul mercato, più questi vincoli diventano rilevanti.

    La connessione con i Treasury si rafforza perché Reuters definisce ormai la combinazione bond AI + forte emissione governativa un fattore importante nella pressione sui rendimenti Treasury: entrambe le categorie competono per gli stessi investitori a lunga duration. Se la domanda corporate richiede rendimenti più elevati, aumenta anche il rendimento relativo necessario perché i Treasury rimangano competitivi.

    Il movimento della curva è coerente con questo quadro: questa settimana il Treasury a 30 anni ha raggiunto circa 5,34%, massimo dal 2007. Ma Reuters continua correttamente a indicare altri driver importanti: deficit federale, incertezza sulla politica della Fed e rischi inflazionistici. Quindi il bond boom AI è oggi una pressione marginale osservabile, non una spiegazione sufficiente del sell-off dei Treasury.

    La distinzione causale è quindi più precisa rispetto ai giorni scorsi:

    Evidenza ormai forte: emissioni AI → maggiore offerta di duration → spread tech più larghi → maggiori concessioni per collocare i bond.

    Evidenza crescente ma non isolabile: maggiore duration corporate → incremento del term premium e competizione con i Treasury.

    Non ancora dimostrato: quanti punti base dei rendimenti Treasury siano causati direttamente dal finanziamento dell’AI.

    Fonte più importante

    La fonte chiave di oggi è Reuters, 21 agosto 2026 — “US corporate AI debt surge tests investor limits as fatigue emerges”. È il salto qualitativo più importante finora perché documenta un passaggio da una previsione teorica di crowding out a comportamenti osservabili degli investitori: spread più ampi, maggiori concessioni e limiti di capacità nell’assorbire ulteriore debito AI.

    Il segnale da monitorare ora è molto chiaro: se i nuovi deal degli hyperscaler continueranno a richiedere concessioni crescenti mentre il term premium Treasury resta elevato, avremo un’evidenza molto più forte che la competizione per la duration sta diventando strutturale.

  • Anthropic verso l’IPO: il margine lordo diventa il test decisivo per l’AI

    Anthropic verso l’IPO: il margine lordo diventa il test decisivo per l’AI

    L’IPO di Anthropic potrebbe finalmente rivelare uno dei numeri più importanti dell’AI generativa: quanto resta dei ricavi dopo aver pagato l’enorme costo del calcolo.

    Anthropic sarà il primo grande laboratorio di intelligenza artificiale a rendere pubblico un margine lordo certificato, in vista della quotazione in Borsa. Secondo gli analisti di PitchBook, questo dato sarà decisivo per valutare la sostenibilità economica dell’azienda e, indirettamente, l’intero settore dell’IA generativa.

    I dettagli:

    • Anthropic e OpenAI hanno presentato documenti riservati per le rispettive IPO, dopo round privati che le hanno valutate 965 e 852 miliardi di dollari.
    • Anthropic dovrebbe pubblicare per prima il prospetto informativo, rivelando così costi, ricavi e margini sottoposti a revisione contabile.
    • Il suo fatturato annuo ricorrente sarebbe cresciuto da 1 miliardo di dollari alla fine del 2024 a 47 miliardi a metà 2026, con oltre mille clienti aziendali che spendono più di un milione l’anno.
    • PitchBook stima per Anthropic un margine lordo intorno al 44%: la spesa per potenza di calcolo sarebbe scesa da 0,71 dollari per ogni dollaro di ricavi nel primo trimestre a una previsione di 0,56 nel secondo.
    • L’attuale valutazione presuppone margini del 40-50% e ricavi compresi tra 345 e 450 miliardi di dollari nel 2030; margini inferiori al 35% potrebbero ridurre il fair value stimato del 70-81%.


    Perché è importante: il margine lordo mostrerà se i laboratori di IA possono trasformare ricavi in forte crescita in un’attività economicamente sostenibile, nonostante gli enormi costi di calcolo. Un risultato deludente potrebbe ridimensionare la valutazione di Anthropic, penalizzare maggiormente OpenAI — gravata anche dalla quota di ricavi destinata a Microsoft — e mettere in discussione i multipli delle aziende infrastrutturali e gli investimenti industriali nelle GPU.

    Fonte:

    https://global.morningstar.com/it/azioni/il-margine-lordo-di-anthropic-il-dato-pi-importante-nel-settore-tecnologico

  • Anthropic blocca 191 MW in Texas con un accordo da 9,1 miliardi

    Anthropic blocca 191 MW in Texas con un accordo da 9,1 miliardi

    Anthropic si assicura 191 MW in Texas con un contratto da 9,1 miliardi di dollari. E un impianto nato per minare bitcoin cambia pelle per alimentare l’AI.

    Anthropic ha siglato con Riot Platforms un contratto ventennale da 9,1 miliardi di dollari per assicurarsi 191 MW di capacità IT nel campus di Rockdale, in Texas, originariamente costruito per il mining di bitcoin. La capacità dovrebbe entrare in servizio progressivamente, con 96 MW previsti entro dicembre 2027 e il resto entro giugno 2028. L’accordo segna un passaggio importante nella riconversione di Riot dal mining alla locazione di infrastrutture energetiche e di calcolo per l’intelligenza artificiale, trasformando parte dei ricavi legati alle criptovalute in entrate contrattualizzate di lungo periodo. Per Anthropic, l’intesa rientra nella corsa ad assicurarsi energia, data center e capacità computazionale sufficienti a sostenere la crescita dei modelli Claude. Con due eventuali proroghe quinquennali, secondo quanto riportato il valore complessivo del contratto potrebbe raggiungere 16,1 miliardi di dollari e protrarsi fino al 2058, mostrando quanto la disponibilità di megawatt stia diventando una risorsa strategica nella competizione sull’AI.


    Link alla fonte:
    https://www.hwupgrade.it/news/mercato/anthropic-firma-9-1-miliardi-con-un-miner-di-bitcoin-impianto-da-191-mw-in-texas_157712.html

  • OpenAI apre ChatGPT ai ricercatori con un piano da 250 milioni di dollari

    OpenAI apre ChatGPT ai ricercatori con un piano da 250 milioni di dollari

    OpenAI ha annunciato ChatGPT for Academic Researchers, un programma che investirà oltre 250 milioni di dollari per mettere gratuitamente a disposizione i propri modelli di intelligenza artificiale a ricercatori, matematici e ingegneri di istituzioni accademiche selezionate.

    La prima fase coinvolgerà 10.000 studiosi già durante l’estate, con l’obiettivo di raggiungere 100.000 partecipanti entro il 2027.

    I ricercatori avranno accesso ai modelli più avanzati della famiglia GPT-5.6, oltre a strumenti dedicati all’analisi di dati biologici, alla genomica, alla scoperta di farmaci e all’integrazione con database scientifici e notebook computazionali.

    L’iniziativa comprende anche ambienti di lavoro con protezioni di livello aziendale, nei quali i dati inseriti non vengono utilizzati per l’addestramento dei modelli per impostazione predefinita.

    Il progetto punta ad accelerare la ricerca scientifica e rafforza il ruolo dell’AI come infrastruttura di supporto alle attività accademiche.


    Link alla fonte:
    https://www.adnkronos.com/tecnologia/openai-lancia-chatgpt-for-academic-researchers_2VK494YWGU1oFRrqdbYdps

  • Nvidia valuta un sostegno da 250 miliardi per il maxi data center di OpenAI

    Nvidia valuta un sostegno da 250 miliardi per il maxi data center di OpenAI

    Nvidia sarebbe in trattative con OpenAI per sostenere un’operazione finanziaria da 250 miliardi di dollari destinata alla realizzazione di un enorme data center per l’intelligenza artificiale.

    Secondo quanto riportato dal Wall Street Journal, il progetto prevede un impianto da 10 gigawatt nel sud dell’Ohio sviluppato da una controllata energetica di SoftBank, con un costo complessivo che potrebbe superare i 500 miliardi di dollari includendo l’hardware.

    L’infrastruttura utilizzerebbe risorse energetiche controllate dal governo statunitense, mentre Nvidia potrebbe svolgere il ruolo di garante finanziario per facilitare l’accesso al credito da parte del progetto.

    L’iniziativa evidenzia la crescente competizione tra i principali protagonisti dell’IA per assicurarsi capacità di calcolo su scala senza precedenti, in un contesto in cui anche Anthropic, Microsoft e Google avrebbero manifestato interesse per il sito.

    Poiché le trattative sono ancora in corso, i dettagli dell’accordo non sono stati confermati ufficialmente.

    Link alla fonte:
    https://www.cdt.ch/news/nvidia-tratta-con-openai-per-250-miliardi-di-dollari-435162

  • OpenRouter vola da 1,3 a 10 miliardi: Stripe punta sul marketplace dei modelli AI

    OpenRouter vola da 1,3 a 10 miliardi: Stripe punta sul marketplace dei modelli AI

    Stripe sarebbe in trattative per acquisire OpenRouter, la startup che consente a sviluppatori e aziende di accedere e confrontare centinaia di modelli di intelligenza artificiale attraverso un’unica piattaforma.

    Secondo le indiscrezioni, l’operazione potrebbe valutare OpenRouter fino a 10 miliardi di dollari, un balzo significativo rispetto alla stima di 1,3 miliardi di appena due mesi prima.

    La piattaforma permette di utilizzare modelli proprietari come quelli di OpenAI e Anthropic, oltre a numerose alternative open-weight, offrendo maggiore flessibilità nella scelta delle soluzioni AI.

    L’interesse di Stripe conferma come il mercato stia spostando l’attenzione non solo sui modelli di intelligenza artificiale, ma anche sulle infrastrutture che ne semplificano l’adozione, rendendo OpenRouter un tassello strategico nel crescente ecosistema dell’AI generativa.

    Link alla fonte:
    https://www.hwupgrade.it/news/web/da-1-3-a-10-miliardi-in-due-mesi-chi-e-come-funziona-openrouter-si-c-entra-l-ia_156827.html

  • Stack AI per PMI nel 2026: quanto investire davvero per ottenere risultati nel marketing

    Stack AI per PMI nel 2026: quanto investire davvero per ottenere risultati nel marketing


    Una PMI può adottare l’intelligenza artificiale nel marketing con budget molto diversi, da soluzioni completamente gratuite fino a stack avanzati da 500 euro al mese, a seconda degli obiettivi e della maturità digitale dell’azienda.

    L’analisi presentata in questo interessante articolo evidenzia che il vero fattore determinante del ritorno sull’investimento non è il costo degli strumenti, ma la capacità di integrarli nei processi aziendali attraverso strategia, formazione e misurazione dei risultati.

    Gli stack da circa 100 euro al mese rappresentano oggi il punto di equilibrio ideale per molte PMI, consentendo di migliorare significativamente produttività e qualità dei contenuti.

    Investimenti più elevati diventano invece interessanti per team strutturati che producono contenuti in grande volume, gestiscono campagne pubblicitarie complesse o necessitano di workflow avanzati e automazioni.

    Il messaggio più importante è che l’AI non sostituisce una strategia di marketing efficace: la amplifica, nel bene e nel male.

    Link all’articolo:
    https://www.deepmarketing.it/it/blog/stack-ai-pmi-costo-reale-2026

  • Perché l’IA generativa non sa “prevedere” i mercati (e quella “predittiva” se la cava meglio)

    L’adozione dell’intelligenza artificiale nei servizi finanziari è in forte crescita, ma gli esperti avvertono che i modelli linguistici generativi come ChatGPT, Claude o Gemini non sono progettati per effettuare previsioni finanziarie affidabili.
    Secondo il fintech Axyon AI, gli LLM eccellono nell’analisi e nella sintesi di informazioni, ma soffrono di bias, allucinazioni e limiti strutturali quando devono prevedere l’andamento dei mercati.
    A conferma di ciò, un recente esperimento di trading autonomo tra diversi modelli AI ha mostrato che la maggior parte dei sistemi ha registrato perdite, con solo pochi risultati positivi.
    Il settore finanziario continua comunque a investire nell’IA, privilegiando applicazioni come ricerca, analisi dati, prevenzione delle frodi e supporto decisionale, mentre l’autonomia nelle decisioni di investimento rimane ancora molto limitata.
    La distinzione tra IA generativa e IA predittiva emerge quindi come un elemento chiave per comprendere il reale potenziale dell’intelligenza artificiale nella finanza.

    Link alla fonte:
    https://www.repubblica.it/economia/rapporti/obiettivo-capitale/mercati/2026/06/18/news/la_corsa_dell_ia_nel_mondo_degli_investimenti_i_limiti_degli_llm_nelle_previsioni_finanziarie-425419311/

  • OpenAI porta Codex nel cloud con Ona per agenti di coding attivi 24 ore su 24

    OpenAI ha annunciato l’acquisizione di Ona per potenziare Codex, il suo agente di programmazione basato sull’intelligenza artificiale.
    Grazie a questa integrazione, gli agenti potranno eseguire attività di sviluppo nel cloud per giorni consecutivi, senza dipendere dal computer dello sviluppatore o da una sessione attiva.
    La novità è particolarmente rilevante per le aziende, che potranno affidare agli agenti compiti complessi mantenendo controllo su infrastruttura, sicurezza, credenziali e processi di revisione.
    OpenAI ha inoltre introdotto una modalità sviluppatore per browser basata sul Chrome DevTools Protocol, consentendo a Codex di analizzare applicazioni web, monitorare prestazioni e diagnosticare problemi in modo più autonomo.
    L’aggiornamento rafforza la strategia dell’azienda verso agenti AI sempre più indipendenti e capaci di gestire workflow di sviluppo software continuativi.

    Link alla fonte:
    https://www.punto-informatico.it/codex-openai-programmare-cloud-giorni-senza-interruzioni/

  • Palantir avverte le aziende: il vero rischio dell’AI è la crescita incontrollata dei costi

    La crescita straordinaria di Anthropic e dei suoi strumenti di intelligenza artificiale sta spingendo molte aziende ad accelerarne l’adozione, ma emergono anche nuove preoccupazioni legate alla sostenibilità economica.
    Il CEO di Palantir, Alex Karp, sostiene che molte imprese stanno accumulando spese elevate per l’utilizzo dei grandi modelli linguistici senza riuscire a misurarne chiaramente il ritorno sull’investimento.
    Aziende come Uber, ServiceNow e Snowflake hanno già segnalato l’impatto crescente dei costi associati alle nuove soluzioni AI, inclusi strumenti come Claude Code di Anthropic.
    In questo scenario, Palantir Technologies punta su piattaforme che consentono di utilizzare e monitorare più modelli contemporaneamente, aiutando le imprese a ottimizzare prestazioni e budget.
    La sfida della prossima fase dell’intelligenza artificiale potrebbe quindi non essere l’accesso ai modelli più avanzati, ma la capacità di governarne costi, utilizzo e valore reale per il business.

    Link alla fonte:
    https://it.finance.yahoo.com/notizie/l-esplosione-di-anthropic-mette-175808991.html

  • OpenAI riconosce il problema: i costi dei token frenano l’adozione enterprise

    OpenAI sta affrontando una nuova sfida legata alla diffusione dell’intelligenza artificiale nelle aziende: il costo crescente dei token necessari per alimentare modelli, agenti e workflow automatizzati.

    Sam Altman ha dichiarato che molte organizzazioni, dopo una fase iniziale di entusiasmo, stanno iniziando a monitorare con attenzione la spesa generata dall’uso intensivo dell’IA, avendo già consumato una parte significativa dei budget previsti per il 2026.

    Il fenomeno è particolarmente evidente negli agenti autonomi, che richiedono molte più operazioni e risorse rispetto alle normali interazioni chatbot.

    OpenAI punta a migliorare l’efficienza dei modelli, ma il settore si trova sempre più a confrontarsi con logiche di costo simili a quelle del cloud computing.

    Per le imprese, la priorità diventa quindi ottimizzare l’utilizzo dell’IA attraverso governance, controllo dei consumi e valutazione del ritorno economico.

    Link alla fonte:

    https://www.tomshw.it/hardware/openai-token-ia-costi-altman

  • ChatGPT non è un consulente finanziario: il fai-da-te in Borsa espone a rischi elevati

    Un articolo del Sole 24 Ore analizza il crescente utilizzo di strumenti di intelligenza artificiale generativa come ChatGPT e Claude da parte degli investitori retail per ottenere suggerimenti di stock picking.
    Sebbene le risposte appaiano convincenti e ben argomentate, gli esperti avvertono che i large language model sono progettati per generare testi plausibili, non per prevedere l’andamento dei mercati finanziari.
    Daniele Grassi, CEO di Axyon AI, sottolinea che l’AI conversazionale costruisce narrazioni credibili ma non distingue realmente tra segnale e rumore nei dati di mercato.
    Diverso è invece l’approccio quantitativo utilizzato dagli operatori istituzionali, dove modelli AI specializzati elaborano enormi quantità di dati per generare ranking probabilistici e strategie sistematiche.
    Il messaggio finale è chiaro: l’intelligenza artificiale può supportare l’analisi finanziaria, ma usarla come “oracolo” per scegliere il titolo perfetto resta una pratica altamente rischiosa.

    Link alla fonte:
    https://24plus.ilsole24ore.com/art/borsa-chatgpt-come-consulente-attenzione-e-prassi-ad-alto-rischio-AI70ctNC

  • Il Pentagono lancia l’Artificial Intelligence Arsenal con un piano da 46 miliardi

    Il Dipartimento della Difesa degli Stati Uniti ha richiesto 46 miliardi di dollari per il 2027 per sviluppare un vasto ecosistema di infrastrutture dedicate all’intelligenza artificiale militare, denominato “Artificial Intelligence Arsenal”.
    L’iniziativa punta a sostituire l’attuale rete frammentata di cluster GPU con un sistema centralizzato composto da supercomputer AI, data center protetti e strutture certificate Scif per la gestione di informazioni sensibili.
    Una parte rilevante del budget, pari a 29,5 miliardi, sarebbe destinata all’acquisto di GPU di nuova generazione e capacità computazionali avanzate, mentre oltre 16 miliardi finanzieranno manutenzione, raffreddamento, sicurezza fisica ed energia.
    Il progetto si inserisce in un bilancio record da 1.500 miliardi di dollari per la difesa americana e riflette la crescente centralità dell’AI nei futuri scenari bellici, dove superiorità computazionale, gestione dei dati e autonomia strategica diventano elementi chiave della deterrenza.
    L’obiettivo dichiarato è costruire un ecosistema AI sovrano e controllato direttamente dal governo statunitense, riducendo dipendenze esterne e aumentando la resilienza operativa militare.

    Link alla fonte:
    https://www.rainews.it/amp/articoli/2026/05/pentagono-supercomputer-e-arsenale-ai-richiesta-di-46-miliardi-di-dollari-usa-artificial-intelligence-arsenal-45a2184b-8cdf-4cde-90bc-59c5fd17220b.html

  • Amazon rafforza la corsa all’AI con un piano di investimenti da 25 miliardi in Anthropic

    Amazon annuncia un investimento potenziale fino a 25 miliardi di dollari in Anthropic, iniziando con 5 miliardi e prevedendo ulteriori tranche legate a obiettivi commerciali.
    L’operazione consolida la partnership strategica attorno allo sviluppo del chatbot Claude e all’infrastruttura cloud, ambito in cui Amazon mantiene una posizione dominante.
    Anthropic utilizzerà i chip proprietari Trainium per potenziare le capacità di calcolo necessarie all’addestramento dei modelli.
    L’accordo evidenzia la strategia di Amazon: compensare le difficoltà dei propri modelli AI con investimenti mirati e infrastrutture.
    Sullo sfondo, restano tensioni regolatorie tra Anthropic e l’amministrazione statunitense, che potrebbero influenzare il settore.

    Link alla fonte:
    https://www.lavanguardia.com/dinero/20260421/11518860/amazon-anthropic-claude-inversion-chips.amp.html