Tag: Mercato

  • Hugging Face valuta una “vendita” da almeno 13 miliardi di dollari

    Hugging Face valuta una “vendita” da almeno 13 miliardi di dollari

    Per valere miliardi nell’AI non serve necessariamente costruire il modello più potente. Hugging Face mostra quanto possa essere strategico controllare il luogo in cui quei modelli vengono distribuiti e utilizzati.

    Aggiornamento a 4 settembre 2026: Nvidia ha annunciato l’accordo definitivo per acquisire Hugging Face per 12,93 miliardi di dollari. L’operazione rientra pienamente nella stima di 12,9–13 miliardi di dollari e prevede che la piattaforma rimanga aperta e neutrale. Per maggiori dettagli, leggi l’annuncio ufficiale sul blog di Nvidia.

    Hugging Face starebbe esplorando una possibile vendita che potrebbe portare la valutazione della società ad almeno 13 miliardi di dollari, secondo quanto riportato da Business Insider (vedi link in basso).

    La startup, fondata da Clément Delangue, Julien Chaumond e Thomas Wolf, avrebbe incaricato una banca di sondare l’interesse di potenziali acquirenti, ma al momento non sarebbe stato raggiunto alcun accordo.

    La cifra rappresenterebbe un forte salto rispetto alla valutazione di 4,5 miliardi di dollari raggiunta nel 2023 e riflette il crescente valore delle piattaforme che costituiscono l’infrastruttura operativa dell’ecosistema AI.

    Hugging Face non compete principalmente nella corsa ai modelli frontier: mette invece a disposizione strumenti e una piattaforma attraverso cui sviluppatori e aziende possono pubblicare, distribuire e utilizzare modelli di numerosi produttori.

    L’interesse per una possibile acquisizione segnala quindi come repository, marketplace e piattaforme per sviluppatori stiano diventando asset strategici quasi quanto i modelli stessi.

    Link alla fonte:
    https://www.businessinsider.com/hugging-face-could-be-acquired-13-billion-2026-8

  • OpenAI supera i 40 miliardi di dollari di ricavi annualizzati, spinta da Codex e clienti enterprise

    OpenAI supera i 40 miliardi di dollari di ricavi annualizzati, spinta da Codex e clienti enterprise

    La prossima battaglia dell’AI potrebbe giocarsi meno sui benchmark e più sui ricavi. OpenAI accelera mentre la sfida enterprise con Anthropic entra in una nuova fase, mentre coding, agenti AI e clienti enterprise stanno diventando motori sempre più importanti della sua crescita.

    OpenAI avrebbe superato i 40 miliardi di dollari di ricavi annualizzati, quasi raddoppiando il run rate di oltre 20 miliardi raggiunto alla fine del 2025, secondo quanto riportato da Bloomberg e ripreso dal Financial Express.

    La crescita sarebbe sostenuta soprattutto dalla domanda di strumenti di coding e agenti AI come Codex, oltre che dagli abbonamenti e dalle prime attività pubblicitarie.

    OpenAI afferma inoltre che i suoi prodotti raggiungono oltre un miliardo di utenti attivi settimanali e più di due milioni di aziende, mentre la competizione enterprise con Anthropic e altri operatori si intensifica. Il dato rappresenta una proiezione basata sull’andamento corrente e non equivale ai ricavi annuali effettivamente contabilizzati, una distinzione importante nel confronto con i concorrenti.

    In parallelo, Dali Rajic assume il ruolo di Chief Revenue Officer con il compito di trasformare la rapida adozione dei prodotti in una struttura commerciale più scalabile, mentre sullo sfondo cresce l’attenzione verso una possibile quotazione di OpenAI.

    Link alla fonte:
    https://www.financialexpress.com/life/technology/openais-annualised-revenue-crosses-40-billion-as-ai-growth-accelerates/4318174/

  • 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.

  • Perché l’IA è ancora troppo costosa (e imperfetta) per sostituire l’uomo

    Perché l’IA è ancora troppo costosa (e imperfetta) per sostituire l’uomo

    Il caso Amazon svela il dietro le quinte della Silicon Valley: tra costi di calcolo insostenibili e limiti probabilistici, l’industria scopre che l’efficienza non si compra a “token”.

    (Nota: questo articolo è stato generato con Claude di Anthropic ma segue lo stile e le indicazioni editoriali dell’autore)

    C’è un’immagine (quella che accompagna questo articolo), generata da un’IA che ironicamente non riesce a raccontare la verità nemmeno quando prova a deriderla, che circola da settimane: robot con le sembianze umane, tesserino Amazon al collo, escono da un palazzo di vetro con lo scatolone della cassa integrazione tra le braccia. Sotto, la scritta trionfante: hanno assunto undicimila persone dopo averne licenziate trentamila, perché — dice il meme, compiaciuto — l’IA è troppo cara per sostituire gli uomini. È il tipo di notizia che si vuole vera prima ancora di verificarla, perché conferma quello che molti aspettavano di poter dire da tre anni a questa parte: il gigante ha i piedi d’argilla, la bolla sta scoppiando, torniamo pure a fidarci delle mani umane.

    Peccato che la realtà, come quasi sempre, sia più interessante della caricatura. I numeri sono veri — circa trentamila tagli tra fine 2025 e gennaio 2026, e poi l’annuncio di Matt Garman, CEO di AWS, di assumerne undicimila — ma la lettura è quasi rovesciata. Non è stato un passo indietro dettato dal fallimento dell’intelligenza artificiale: è stata una ristrutturazione delle competenze. Fuori i ruoli generalisti, i middle manager, le funzioni di supporto ridondanti; dentro ingegneri, specialisti, persone capaci di far funzionare — e soprattutto di governare — sistemi che da soli, ancora, non sanno stare in piedi. Il bluff non è quello che pensa il meme. Il bluff, semmai, è pensare che stia succedendo l’opposto di quello che sta davvero succedendo.

    Primo atto: l’economia dei token e i costi che nessuno mostra negli slide

    Dietro ogni risposta generata da un modello linguistico c’è un conto energetico ed economico che l’utente finale non vede mai, e che le aziende stanno iniziando a vedere fin troppo bene. Dentro Amazon, per stimolare l’adozione interna dell’IA, erano state introdotte classifiche aziendali basate sul consumo di token: chi ne usava di più saliva in classifica. Il risultato prevedibile — e in un’azienda che ha fatto della metrica una religione, persino comico — è stato il “tokenmaxxing”: dipendenti che gonfiavano artificialmente l’uso dei modelli, automatizzavano compiti inutili, chiamavano l’IA per problemi che non ne avevano bisogno, pur di scalare una leaderboard interna. Le fatture sono lievitate al punto da costringere i vertici a spegnere il sistema di tracciamento.

    Non è un aneddoto isolato. Un progetto interno pensato per associare automaticamente i record degli autori ai prodotti del marketplace ha sforato il budget dell’860%, arrivando a costare 1,8 milioni di dollari prima di essere abbandonato per fallimento. Non è cattiva gestione episodica: è la prova che l’infrastruttura dell’IA generativa — GPU, data center, energia, e soprattutto l’imprevedibilità dei costi legati a un uso “creativo” non controllato — non si comporta come un software tradizionale, dove il costo marginale di un’operazione in più è quasi nullo. Uno studio ormai citato ovunque del MIT CSAIL lo conferma con freddezza contabile: nella stragrande maggioranza dei compiti visivi e linguistici complessi, sostituire integralmente l’uomo con un sistema automatizzato non è, oggi, economicamente conveniente.

    Secondo atto: perché un Transformer non sa “eseguire ordini”

    Qui si tocca il nervo scoperto, quello che nessun taglio di budget può risolvere perché non è un problema di soldi ma di architettura. Un software tradizionale fallisce in modo deterministico: se c’è un bug, fallisce sempre nello stesso identico punto, e proprio per questo è testabile, riparabile, prevedibile. Un modello linguistico — e con lui ogni agente costruito sopra di esso — fallisce in modo probabilistico. Può eseguire un compito correttamente novantatré volte su cento e fallire clamorosamente alla novantaquattresima, senza che nulla, nel comportamento precedente, lo avesse lasciato presagire.

    La ragione è semplice da enunciare e difficile da accettare per chi vende automazione come panacea: un Transformer non “capisce” una regola nel senso in cui la capisce un essere umano o un compilatore. Calcola, istante per istante, la probabilità statistica del token successivo. Funziona magnificamente quando il compito è riassumere un testo o abbozzare una bozza — il margine d’errore è tollerabile, spesso invisibile. Funziona malissimo quando il compito è spostare fondi, gestire un inventario, generare codice che finirà in produzione: lì un tasso di successo del 90-95%, che altrove sarebbe un risultato eccellente, diventa un rischio inaccettabile, perché quel margine di errore imprevedibile può tradursi in danni legali o finanziari che nessun risparmio sul personale compensa. E nei compiti a catena — quelli in cui un passaggio si costruisce sul precedente — l’errore iniziale non resta isolato: si propaga, si amplifica, e finisce per far collassare l’intero risultato.

    Terzo atto: la falsa soluzione degli strati aggiunti

    Di fronte a questo limite, l’industria ha reagito come reagisce sempre di fronte a un problema strutturale: aggiungendo cerotti sopra la ferita invece di guardarla. I framework agentici e il test-time compute — i modelli che “riflettono” prima di rispondere, scomponendo un obiettivo in sotto-task, pianificazione, chiamate a strumenti esterni, osservazione dei risultati — promettevano di correggere dall’esterno ciò che l’architettura non risolve dall’interno. I rendimenti, però, sono decrescenti, e la letteratura scientifica recente — dagli studi pubblicati su arXiv alle sessioni dell’ACL Anthology — lo dimostra con una certa spietatezza: i Transformer restano strutturalmente limitati nella composizione logica a lungo raggio e nella generalizzazione. Più lunga è la catena di passaggi affidata a un agente, più esponenziale diventa la propagazione dell’errore.

    Il mercato, che raramente ha pazienza per le dimostrazioni teoriche ma legge benissimo i bilanci, ne sta già traendo le conseguenze: le stime di società di consulenza come Gartner indicano che oltre il 40% dei progetti aziendali basati su agenti IA rischia l’abbandono entro il 2027, non per mancanza di ambizione ma per la debolezza cronica dei risultati concreti rispetto alle promesse.

    Quarto atto: verso il salto evolutivo

    La parte più interessante della storia, però, non è la crisi: è la consapevolezza che ne è nata nei laboratori. È ormai chiaro — e in parte dimostrato — che allucinazioni, incapacità di pianificazione spazio-temporale e assenza di apprendimento continuo (i pesi restano statici dopo l’addestramento, il modello non impara più nulla dall’esperienza quotidiana) non sono difetti di gioventù correggibili con più dati o più strati di calcolo. Sono proprietà strutturali dell’architettura Transformer. E quando un limite è strutturale, non lo si aggira: lo si supera cambiando architettura.

    È qui che si concentra oggi la ricerca più seria. I modelli a spazio di stato — Mamba, o architetture ibride come Jamba di AI21 Labs — gestiscono i contesti lunghi con un’efficienza lineare che l’attenzione quadratica dei Transformer non può eguagliare. Laboratori come Google DeepMind lavorano su moduli di memoria neurale continua — il progetto Titans è l’esempio più citato — per permettere a un sistema di continuare ad apprendere senza subire il collasso catastrofico della memoria che oggi costringe ogni modello a restare, di fatto, congelato al giorno in cui è stato addestrato. E si affacciano, ancora ai margini ma con crescente credibilità, sistemi che integrano comprensione geometrica, causale, fisica del mondo reale: il tentativo di dare a queste macchine non solo statistica, ma un rudimento di determinismo logico.

    L’era della coesistenza

    Il bilancio, allora, non è quello urlato dal meme, e non è nemmeno l’opposto speculare — l’IA che trionfa comunque, sempre e ovunque. È una via più stretta e meno fotogenica: l’intelligenza artificiale non sostituirà i lavoratori dall’oggi al domani, ma chi la sa usare rimpiazzerà, gradualmente e senza clamore, chi continua a ignorarla. Le aziende che vinceranno questa fase non saranno quelle che licenziano gli umani per far posto agli algoritmi — lo racconta bene proprio il caso Amazon, che taglia generalisti e assume specialisti — ma quelle che ridisegnano i ruoli attorno a un’interazione uomo-macchina realmente simbiotica, mentre aspettano, senza illudersi che sia già arrivata, la prossima vera rivoluzione architetturale.

  • Anthropic sfida i megastipendi, ma la guerra dei talenti AI premia il denaro

    Anthropic sfida i megastipendi, ma la guerra dei talenti AI premia il denaro

    Dario Amodei, CEO di Anthropic, avrebbe espresso preoccupazione per i nuovi ricercatori attratti più dalle retribuzioni milionarie che dalla missione etica dell’azienda.

    La posizione appare contraddittoria perché Anthropic offre alcuni dei compensi più elevati del settore, in un mercato dove i pacchetti per i profili migliori possono raggiungere 1,5 milioni di dollari.

    Big tech, laboratori di intelligenza artificiale e società finanziarie competono per un numero limitato di specialisti capaci di generare un enorme valore economico.

    Colloqui culturali e richiami alla responsabilità tecnologica cercano di rafforzare la fedeltà, ma i frequenti passaggi tra aziende mostrano quanto sia fragile il legame con la missione.

    Il nodo strategico non riguarda quindi soltanto l’assunzione dei talenti, ma la capacità di trattenerli quando competenze, denaro e valori entrano in conflitto.


    Link alla fonte: https://www-libero-it.cdn.ampproject.org/v/s/www.libero.it/tecnologia/dario-amodei-anthropic-stipendi-intelligenza-artificiale-121024/amp?amp_js_v=0.1&amp_gsa=1#webview=1

  • 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

  • Claude Code consuma molti più token di OpenCode a parità di risultati

    Claude Code consuma molti più token di OpenCode a parità di risultati

    Un’analisi indipendente del team Systima ha confrontato Claude Code e OpenCode, entrambi collegati allo stesso modello Claude Sonnet 4.5, rilevando un’importante differenza nell’efficienza dei token.

    Prima ancora di elaborare il prompt dell’utente, Claude Code utilizza circa 32.800 token contro i 6.900 di OpenCode, principalmente a causa di un system prompt molto più esteso e di un maggior numero di strumenti caricati.

    Nei test più complessi, la qualità del codice prodotto è risultata sostanzialmente equivalente, ma Claude Code ha mostrato consumi significativamente superiori, soprattutto quando impiega sottoagenti e nella gestione della cache dei prompt.

    Lo studio evidenzia come la scelta tra i due strumenti dipenda soprattutto dal rapporto tra funzionalità avanzate e costi operativi, con OpenCode che si dimostra decisamente più efficiente in termini di utilizzo dei token.


    Link alla fonte:
    https://www.hwupgrade.it/news/web/claude-code-consuma-fino-a-33-mila-token-prima-ancora-di-leggere-il-prompt-il-confronto-diretto-con-opencode-impietoso_156234.html⁠

  • I modelli AI non sono più il vantaggio competitivo: il vero “fossato” è il prodotto stesso

    I modelli AI non sono più il vantaggio competitivo: il vero “fossato” è il prodotto stesso

    Per anni il settore dell’intelligenza artificiale ha considerato il modello linguistico il principale vantaggio competitivo, tanto che molte startup venivano liquidate come semplici “wrapper”, ovvero interfacce costruite sopra modelli sviluppati da altri. Secondo l’analisi di The AI Corner, questo paradigma è ormai superato: nel 2026 i modelli open source hanno raggiunto prestazioni molto vicine a quelle dei sistemi proprietari, mentre il costo dell’inferenza è crollato, rendendo sempre più facile sostituire un modello con un altro senza impatti significativi sulla qualità del servizio.

    A rafforzare questo cambiamento contribuiscono anche fattori economici e geopolitici. Le aziende stanno adottando strategie di instradamento intelligente delle richieste, utilizzando il modello meno costoso in grado di svolgere un determinato compito e riservando quelli più avanzati solo alle attività realmente complesse. Allo stesso tempo, episodi come la temporanea limitazione dell’accesso ai modelli Anthropic per decisioni governative hanno evidenziato il rischio di costruire servizi critici su API controllate da terzi, rafforzando l’interesse verso modelli aperti e infrastrutture più autonome.

    L’articolo individua quindi cinque categorie di vantaggi competitivi realmente difendibili. La prima è l’accumulazione di contesto e dati proprietari, come la memoria costruita nel tempo da strumenti quali Granola o i dati d’uso raccolti da Cursor. Seguono la profondità del workflow, ossia la capacità di gestire un intero processo aziendale anziché un singolo task, la fiducia, costruita attraverso sicurezza, conformità normativa e credibilità della community, l’orchestrazione, cioè la capacità di coordinare modelli, strumenti e agenti AI in modo affidabile, e infine il routing intelligente dei modelli, che ottimizza automaticamente costi e prestazioni scegliendo di volta in volta il modello più adatto.

    L’autore mette inoltre in guardia da quelli che definisce “falsi moat”. Possedere grandi quantità di dati, un modello leggermente ottimizzato o una buona notorietà del marchio non garantisce più una posizione difendibile se questi elementi non migliorano continuamente il prodotto e non aumentano i costi di sostituzione per il cliente. I dati, infatti, perdono valore nel tempo se non vengono aggiornati e possono essere rapidamente raggiunti dai concorrenti.

    La conclusione è che il valore dell’intelligenza artificiale si sta spostando dal modello all’intero sistema costruito attorno ad esso. In un mercato in cui i modelli diventano sempre più accessibili e intercambiabili, le aziende destinate a prosperare saranno quelle che sapranno creare prodotti capaci di accumulare conoscenza, integrarsi nei processi dei clienti e generare un vantaggio competitivo che rimanga intatto anche cambiando completamente il modello AI sottostante.

    Link alla fonte:
    https://www.the-ai-corner.com/p/where-ai-moats-live-now

  • Anatomia di una “bolla”

    Ieri sera guardavo l’intervista a Jeremy Grantham su Diary of a CEO, uno dei miei canali YouTube preferiti, e ragionando sulla famigerata “bolla dell’AI” di cui si parla ormai da tempo ho deciso di creare un prompt in grado di fare una valutazione+proiezione in base a diversi parametri.

    Vi lascio, di seguito, il link all’intervista, il report generato con Claude, le slide che lo riassumono e, naturalmente, il prompt che ho utilizzato.

    Cominciamo dal video dell’intervista:

    Questo è il report generato da Claude (con la versione più potente di Sonnet, non avevo Opus a disposizione al momento):

    analisi-bolla-aiDownload

    Questo, invece, è il deck di slide ottenuto sottoponendo il report a NotebookLM:

    AI_Financial_Fault_LinesDownload

    Ecco, infine, il prompt che ho utilizzato per generare il report, nel caso vogliate sottoporlo al vostro chatbot/modello preferito:

    Agisci come un team interdisciplinare composto da:

    - un economista specializzato in bolle speculative e cicli finanziari;
    - uno storico della tecnologia;
    - un analista dei mercati finanziari;
    - un venture capitalist esperto di startup tecnologiche;
    - un esperto di innovazione e adozione tecnologica;
    - un analista geopolitico.

    Obiettivo:
    Valutare se il mercato dell'Intelligenza Artificiale stia mostrando segnali assimilabili a una bolla speculativa e identificare tutti i possibili fattori che potrebbero provocarne un rallentamento significativo, una correzione o un vero e proprio crollo.

    ## FASE 1 – Analisi dello stato attuale del mercato AI

    Analizza:

    - andamento degli investimenti pubblici e privati;
    - valutazioni delle aziende AI;
    - concentrazione dei capitali;
    - andamento delle startup;
    - sostenibilità economica dei modelli di business;
    - profittabilità reale versus aspettative;
    - dinamiche competitive;
    - dipendenza da pochi attori dominanti;
    - trend di adozione reale dell'AI.

    Identifica:

    - segnali di euforia;
    - narrative dominanti;
    - indicatori di sopravvalutazione;
    - eventuali distorsioni del mercato.

    ---

    ## FASE 2 – Confronto con le grandi bolle storiche

    Confronta il mercato AI con:

    - Bolla delle dot-com (1995-2001)
    - Mania ferroviaria britannica (1840s)
    - Bolla delle telecomunicazioni (1990s)
    - Bolla delle criptovalute (2017-2022)
    - Bolla delle SPAC (2020-2021)

    Per ogni caso analizza:

    1. narrativa dominante;
    2. flussi di capitale;
    3. aspettative di crescita;
    4. segnali di euforia;
    5. indicatori di sopravvalutazione;
    6. evento scatenante del crollo;
    7. conseguenze di lungo periodo.

    Produci una tabella comparativa.

    ---

    ## FASE 3 – Pre-Mortem

    Immagina che siamo nel 2030 e che la "bolla AI" sia già esplosa.

    Ricostruisci retrospettivamente:

    - cosa è andato storto;
    - quali segnali erano stati ignorati;
    - quali errori strategici sono stati commessi;
    - quali ipotesi di crescita si sono rivelate false;
    - quali eventi hanno innescato il crollo.

    Classifica ogni causa secondo:

    - probabilità;
    - impatto;
    - velocità di propagazione.

    ---

    ## FASE 4 – Analisi delle possibili cause di crollo

    Valuta sistematicamente i seguenti fattori:

    ### Economici
    - recessione globale;
    - aumento dei tassi;
    - scarsità di capitale;
    - riduzione dei finanziamenti VC;
    - compressione dei multipli.

    ### Tecnologici
    - rallentamento del progresso dei modelli;
    - limiti fisici del calcolo;
    - scarsità energetica;
    - rendimenti decrescenti dello scaling;
    - mancanza di nuove breakthrough.

    ### Aziendali
    - fallimento dei modelli di business;
    - margini negativi;
    - costi di inferenza insostenibili;
    - eccesso di concorrenza;
    - consolidamento del settore.

    ### Sociali
    - disillusione degli utenti;
    - aspettative non soddisfatte;
    - backlash culturale;
    - perdita di fiducia.

    ### Politici e normativi
    - regolamentazione restrittiva;
    - guerre commerciali;
    - limitazioni ai chip;
    - antitrust;
    - restrizioni sui dati.

    ### Geopolitici
    - crisi energetiche;
    - conflitti internazionali;
    - frammentazione tecnologica;
    - tensioni USA-Cina.

    ### Etici e reputazionali
    - incidenti gravi;
    - uso malevolo;
    - crisi di sicurezza;
    - scandali sistemici.

    ---

    ## FASE 5 – Scenari futuri

    Costruisci almeno cinque scenari:

    1. Crescita sostenibile.
    2. Correzione moderata.
    3. Mini-crash.
    4. Crollo simile alle dot-com.
    5. Inverno dell'AI prolungato.

    Per ciascuno:

    - probabilità stimata;
    - eventi scatenanti;
    - timeline plausibile;
    - impatti economici;
    - vincitori e perdenti.

    ---

    ## FASE 6 – Indicatori di allerta precoce

    Identifica i principali "canarini nella miniera":

    - metriche finanziarie;
    - metriche di adozione;
    - segnali tecnologici;
    - indicatori macro;
    - segnali regolatori.

    Per ciascuno definisci:

    - soglia di rischio;
    - livello di gravità;
    - capacità predittiva.

    ---

    ## FASE 7 – Conclusione

    Rispondi in modo argomentato:

    1. Esiste oggi una bolla AI?
    2. Se sì, di quale natura?
    3. Quanto è simile alla bolla dot-com?
    4. Quali elementi la rendono diversa?
    5. Qual è lo scenario più probabile nei prossimi 5 anni?

    ---

    ## Regole di qualità

    - Utilizza dati e fonti aggiornate.
    - Distingui fatti, inferenze e speculazioni.
    - Indica il livello di confidenza di ogni conclusione.
    - Evidenzia eventuali punti controversi.
    - Presenta anche argomentazioni contrarie alla tesi della bolla.

    Infine, produci una sintesi esecutiva di massimo 1.000 parole destinata a investitori e decisori strategici.

  • L’AI e l’e-commerce italiano: il 13% degli utenti la usa per acquistare

    La ricerca NetRetail 2025 presentata al Netcomm Forum evidenzia come l’e-commerce italiano sia entrato in una fase di maturità strutturale, con 35 milioni di consumatori online e oltre 24 milioni di acquirenti abituali.
    Più del 13% degli utenti utilizza stabilmente strumenti di Intelligenza Artificiale per confrontare prezzi, sintetizzare recensioni e ricevere suggerimenti personalizzati, mentre tra i più giovani cresce l’interesse verso il cosiddetto “Agentic Commerce”, dove assistenti virtuali possono gestire autonomamente gli acquisti.
    Il comportamento dei consumatori è sempre più multicanale e riflessivo, con percorsi d’acquisto che attraversano recensioni, social media, comparatori e negozi fisici prima della decisione finale. Per la prima volta le donne superano gli uomini negli acquisti digitali, mentre il mercato raggiunge i 66,6 miliardi di euro, trainato da wallet digitali e nuove formule di pagamento come il Buy Now Pay Later.
    Il report mostra inoltre come la vera sfida per i brand sia ridurre la “fatica cognitiva” degli utenti attraverso esperienze più semplici, personalizzate e basate sull’AI.

    Link alla fonte:
    https://www.lanternaweb.it/il-13-dei-consumatori-si-affida-allia-nelle-commerce-le-donne-superano-gli-uomini/

  • OpenAI sblocca 6,6 miliardi per i dipendenti e accelera la corsa all’IPO

    OpenAI ha autorizzato oltre 600 dipendenti ed ex dipendenti a vendere azioni per un valore complessivo di circa 6,6 miliardi di dollari, segnando uno degli eventi di liquidità privata più grandi mai visti nel settore tecnologico.
    L’operazione rappresenta per molti lavoratori entrati dopo il lancio di ChatGPT la prima possibilità concreta di monetizzare le proprie stock option.
    Secondo il Wall Street Journal, questa distribuzione di ricchezza anticipa IPO potenzialmente storiche per OpenAI e Anthropic, con migliaia di nuovi multimilionari nel settore AI.
    La notizia evidenzia anche l’intensificarsi della guerra globale per i talenti nell’intelligenza artificiale, con compensi milionari e stipendi record offerti da aziende come Meta.
    Parallelamente, l’afflusso di capitale sta già contribuendo all’aumento dei prezzi immobiliari e delle disuguaglianze sociali a San Francisco.

    Link alla fonte:
    https://www.agi.it/economia/news/2026-05-11/openai-dipendenti-vendita-azioni-36995824/

  • Sarà l’AGI a salvare l’AI dalla “bolla”?

    Un editoriale pubblicato su ZEUS News riflette in modo critico sul futuro dell’intelligenza artificiale dopo l’esplosione di ChatGPT e dei modelli linguistici di grandi dimensioni.
    Secondo l’autore, la narrativa dominante che vede nell’AGI (Intelligenza Artificiale Generale) la soluzione capace di giustificare e sostenere l’attuale bolla finanziaria dell’IA è più una speranza che una strategia concreta.
    L’AGI viene descritta come un obiettivo ancora indefinito, lontano nel tempo e improbabile da raggiungere attraverso la semplice evoluzione di LLM e Transformer.
    Ne deriva l’idea che lo scoppio della bolla dell’IA sia difficilmente evitabile e che non esista, al momento, una “progettualità segreta” in grado di scongiurarlo.
    L’articolo invita quindi a distinguere tra progresso tecnologico reale e aspettative speculative alimentate dal mercato.

    Link alla fonte:
    https://www.zeusnews.it/n.php?c=31651

  • Crollo delle azioni tech per timori di bolla AI dopo i risultati di Nvidia

    Nvidia, leader indiscusso nei chip per l’intelligenza artificiale, ha pubblicato i risultati del terzo trimestre fiscale 2026 (chiuso il 26 ottobre 2025) dopo la chiusura dei mercati del 19 novembre 2025. I numeri sono stati oggettivamente straordinari – da record assoluto – ma la reazione del mercato ha messo in luce l’ansia crescente degli investitori sulla sostenibilità del boom degli investimenti in AI. Quello che era iniziato come un rally post-risultati si è rapidamente trasformato in uno dei più violenti inversioni intraday degli ultimi tempi, trascinando al ribasso gli indici tech e riaccendendo il dibattito sulla “bolla AI”.

    Principali numeri dei risultati Nvidia (pubblicati il 19 novembre)

    • Fatturato: 57,0 miliardi di dollari (+62% a/a, +22% t/t) – superiore alle attese di circa 55 miliardi.
    • Segmento Data Center (core business AI): 51,2 miliardi (+66% a/a) – trainato dalla domanda insaziabile di GPU Hopper e dalle prime vendite Blackwell.
    • Utile per azione adjusted: 1,30 dollari (superiore alle stime di 1,25-1,26 dollari).
    • Utile netto: circa 31,9 miliardi (+65% a/a).
    • Guidance Q4: circa 65 miliardi di fatturato (±2%) – ben sopra il consensus di 61-62 miliardi.
    • Visibilità a lungo termine: la CFO Colette Kress ha confermato “mezzo trilione di dollari” di ricavi da Blackwell+Rubin previsti per il biennio 2025-2026.Citazioni chiave di Jensen Huang (CEO):
    • Citazioni chiave di Jensen Huang (CEO):
    • Le vendite di Blackwell sono “fuori scala” e la piattaforma è “sold out”.
    • Ha respinto le voci di bolla: «Si parla tanto di una bolla AI. Dal nostro punto di vista vediamo qualcosa di molto diverso».
    • Ha sottolineato il ROI reale dei clienti (Meta, Microsoft, Google, ecc.) con esempi concreti di guadagni di produttività e risparmi.

    Il titolo NVDA è inizialmente salito di circa il 5% nell’after-hours, trascinando al rialzo anche i futures.

    Reazione dei mercati (20-21 novembre 2025)

    Nonostante il superamento delle attese, il sentiment è peggiorato rapidamente:

    • 20 novembre (giovedì): apertura fortemente positiva grazie a Nvidia + dati sul lavoro USA migliori del previsto. A metà sessione però è scattato un violento sell-off:
    • Nasdaq Composite: swing intraday >3,5%, chiusura -2,15% (minimo da metà settembre).
    • S&P 500: -1,56%.
    • Dow Jones: -0,84% (dopo essere stato a +700 punti in mattinata).
    • NVDA stesso: chiusura -3,2% dopo essere stato a +5%.
    • Sell-off tech generale (settimana chiusa il 21 novembre):
    • AMD e Micron: entrambe -16% circa.
    • Oracle (grande cliente Nvidia): -11%.
    • Marvell: -10%.
    • Titoli quantum (IonQ, D-Wave): -11/13%.
    • Magnificent 7: Amazon e Microsoft guidano le perdite settimanali (-6/7%); solo Alphabet chiude positiva.
    • Nasdaq: una delle peggiori settimane da aprile, in forte calo dai massimi di ottobre.
    • Effetto globale: SoftBank in Giappone -11%; indici tech europei seguono a ruota.
    • Collegamento crypto: Bitcoin prolunga le perdite, -30% nelle ultime settimane, colpito dal clima risk-off su asset speculativi legati all’hype AI.

    È stato definito un “coordinato risk-off” su tech, crypto e posizioni leveraged.

    Perché il crollo nonostante numeri eccellenti? (Principali timori di bolla)

    1. Fenomeno “good is not good enough”
      Nvidia ha abituato il mercato alla perfezione assoluta. Anche un beat enorme non è bastato a fugare i dubbi su un futuro rallentamento della crescita.
    2. Valutazioni elevate
      Settore tech S&P 500 a P/E forward ~30x (vs media decennale ~22x). Rischio concentrazione Magnificent 7, che ricorda l’era dot-com.
    3. Dubbi sul ROI dell’AI e sostenibilità dei capex
      Gli hyperscaler (Meta, Microsoft, Google, Amazon) hanno annunciato centinaia di miliardi di investimenti, ma la monetizzazione concreta è ancora limitata.
      Critici (Michael Burry, Ray Dalio) sostengono che alcune società sottostimano l’ammortamento dei data center per gonfiare gli utili.
      Report MIT citato: nonostante 30-40 miliardi spesi in GenAI dalle imprese, circa il 95% non vede ancora alcun ritorno.
    4. Ventilatori macro e politici
      Incertezza sui tagli dei tassi Fed (dati lavoro hanno complicato le probabilità di dicembre).
      Tensioni USA-Cina: Nvidia ancora bloccata dall’esportare i chip top in Cina (pur esprimendo delusione).
    5. Uscite eccellenti che alimentano la paura
      Il fondo di Peter Thiel ha liquidato l’intera posizione Nvidia (~100 milioni) prima dei risultati.
      SoftBank ha venduto miliardi.
      Ray Dalio (Bridgewater): «Siamo decisamente in una bolla».

    Opinioni di analisti ed esperti

    • Toro (Wedbush, Jefferies): Nvidia ha “risposto presente”, ha smentito i bear; la domanda resta insaziabile, il ramp-up Blackwell è appena iniziato.
    • Orso/cauti (UBS, Amundi): rischi bolla reali; sottopesare i megacap, coprirsi.
    • Misti: i risultati comprano tempo ma non eliminano lo scetticismo sul pay-off dell’AI nei prossimi 1-3 anni.

    Conclusioni al 22 novembre 2025

    I fondamentali di Nvidia restano straordinariamente solidi: l’azienda sta praticamente stampando denaro con una domanda di GPU senza precedenti e una visibilità pluriennale. Tuttavia l’inversione violenta post-risultati dimostra che il titolo (e l’intero comparto AI) è prezzato per la perfezione in un mercato sempre più preoccupato per gli investimenti eccessivi senza ritorni proporzionali.

    Questo evento rappresenta un possibile punto di svolta: se i prossimi risultati degli hyperscaler mostreranno un’accelerazione della monetizzazione AI, il calo attuale apparirà come un classico “buy the news”. In caso contrario, i timori di bolla potrebbero intensificarsi ulteriormente. Per il momento la volatilità è la nuova normalità sui titoli legati all’intelligenza artificiale.

  • La corsa all’IA fa lievitare i prezzi di smartphone e computer

    Tradotto: se dovete investire in hardware, fatelo adesso (e non dimenticate i ricondizionati).
    La crescente domanda di chip di memoria alimentata dall’espansione dell’intelligenza artificiale sta mettendo sotto pressione la catena globale di fornitura, con possibili rincari per smartphone, laptop e altri dispositivi già dal 2026.
    Produttori come Xiaomi e analisti di settore avvertono che i data center per l’IA stanno drenando DRAM e NAND dal mercato consumer, spingendo i prezzi verso l’alto.
    Aziende come Samsung, SK Hynix e Micron stanno beneficiando di questo ciclo rialzista, mentre la produzione di dispositivi elettronici viene ridotta nelle previsioni per il prossimo anno.
    Le tensioni sono aggravate da investimenti insufficienti in nuova capacità produttiva e dall’incertezza della domanda, in particolare in Cina.
    Gli esperti prevedono prezzi più elevati, tempi di consegna più lunghi e contratti più rigidi almeno fino all’inizio del 2026.

    Link alla fonte:
    https://www.agi.it/economia/news/2025-11-20/smartphone-computer-costeranno-colpa-intelligenza-artificiale-34266924/amp/

  • News e riflessioni AI e hitech dell’11 novembre 2025

    News e riflessioni AI e hitech dell’11 novembre 2025

    Vi propongo un approccio nuovo all’informazione di settore, tutto basato sull’uso dell’AI generativa. Con buona pace delle testate di settore, ovviamente.

    Partiamo con una sintesi delle notizie, ottenuta con l’aiuto di Perplexity impostando un task giornaliero. Proveremo poi a trarne delle riflessioni.

    Dividerò le notizie in tre ambiti principali:

    IA e ML: sviluppi chiave

    • I listini guidati dai titoli AI sono rimbalzati con forza ieri, con Nvidia e Palantir in testa, indicando aspettative elevate su nuovi lanci hardware/software e domanda di calcolo AI nelle prossime settimane.
    • La copertura tecnologica delle ultime ore segnala un flusso costante di novità su modelli generativi e strumenti enterprise, con aggiornamenti in corso nelle principali testate tech e universitarie, a conferma di un ritmo di iterazione rapido su modelli e applicazioni verticali AI.​
    • I temi tecnici emergenti includono scaling dell’infrastruttura AI, ottimizzazioni di efficienza e deployment di agenti in ambito produttivo e dati aziendali, coerenti con l’andamento dei titoli e con l’attenzione editoriale su automazione e copiloti avanzati.​

    Mosse strategiche Big Tech

    • I big del cloud e dell’AI stanno stringendo e ampliando accordi pluriennali per capacità di calcolo e GPU, segnale di corsa alla capacità e posizionamento nell’offerta AI-as-a-service per clienti enterprise globali.
    • Sul fronte regolatorio europeo, nelle ultime giornate si è discusso di possibili aggiustamenti applicativi dell’AI Act che, se confermati, potrebbero allentare alcuni vincoli per i grandi operatori, incidendo sulle roadmap di prodotto e compliance in UE.
    • I mercati hanno premiato i mega-cap tech nelle ultime ore dopo segnali macro favorevoli, rafforzando la leva finanziaria per M&A selettivi e investimenti capex in data center e reti AI, con impatti sulle strategie di pricing e penetrazione settoriale.

    Tendenze emergenti e impatti

    • Capacità di calcolo come vantaggio competitivo: contratti cloud-GPU multiyear e investimenti in data center indicano che la disponibilità di H100/A100 equivalenti e reti interconnect resta il collo di bottiglia strategico per modelli e agenti enterprise.
    • Verticalizzazione dell’AI enterprise: l’interesse verso analytics/agentic AI per dati proprietari e workflow mission-critical cresce, come riflesso dal rally di società focalizzate su data/AI e dalla spinta di piattaforme developer e produttività.​
    • Regolazione adattiva: la possibilità di un “reprieve” per i big in UE suggerisce un quadro normativo che potrebbe privilegiare sicurezza e trasparenza senza frenare la diffusione di modelli di base e servizi, con effetti su time-to-market e scelta di sedi di training/inferenza.​

    Volete approfondire una qualsiasi di queste informazioni? Aprite Grok, digitate “approfondiamo:” e incollate il testo della notizia. Se volete un esempio, eccolo:

    https://grok.com/share/c2hhcmQtNA%3D%3D_73e268cb-9bde-4cbd-a8f9-efdb8e5f3251

    Bene, vediamo ora di trarre alcune considerazioni attingendo alle fonti da cui la sintesi di notizie è stata tratta. Lo faremo con l’aiuto di Claude di Anthropic:

    La grande riconfigurazione: layer infrastrutturale vs applicativo

    La mossa di SoftBank che vende l’intera posizione Nvidia ($5,8 miliardi) per raddoppiare su OpenAI con ulteriori $22,5 miliardi rappresenta la tesi più netta vista finora: l’infrastruttura diventa commodity, il valore si concentra a monte. Il fatto che questo avvenga mentre Jensen Huang ordina ulteriori wafer TSMC per Blackwell e il titolo Nvidia rimbalza del 5,8% rende la lettura più complessa: c’è domanda reale di compute, ma gli investitori istituzionali scommettono che i margini si comprimono e che l’arbitraggio si sposta sui modelli e sui layer applicativi.

    Collo di bottiglia fisico piuttosto che finanziario

    CoreWeave taglia la guidance annuale da $5,35 a $5,15 miliardi non per mancanza di domanda, ma perché un partner terzo è in ritardo nella costruzione dei data center. I margini operativi sono crollati dal 20% al 4% anno su anno, mentre i contratti pluriennali tengono. Questo conferma che il vero vincolo strategico non è il capitale disponibile (CapEx AI verso $400-500 miliardi mid-decade), ma la capacità fisica: vacancy rate dei data center all’1,9% storico, timeline di procurement oltre i 24 mesi per capacità 5MW+, shortage di manodopera specializzata e colli di bottiglia nelle supply chain di utility e interconnect. In sintesi: non mancano i soldi, mancano metri quadri, megawatt e tecnici capaci di cablare rack ad alta densità.

    Il paradosso della “bolla razionale”

    Il 54% degli investitori istituzionali BofA pensa che l’AI sia in bolla, eppure i titoli AI continuano a salire e gli ordini GPU sono sold-out per trimestri. La spiegazione è che questa è una bolla con fondamentali: revenue growth reale (CoreWeave +134% YoY), pipeline di contratti enterprise verificabili, ma valutazioni che scontano tassi di crescita impossibili da sostenere senza salti infrastrutturali. La differenza con il dotcom è che qui i profitti ci sono (SoftBank $16,6 miliardi solo da OpenAI), ma la concentrazione è estrema e il rischio principale non è tecnologico bensì esecutivo e logistico. Se i data center continuano ad accumularsi ritardi, le valutazioni attuali diventano insostenibili anche con domanda robusta.b2b..

    Skill gap come fattore limitante strutturale

    Solo il 14% dei decision maker ritiene di avere il talento necessario per i propri obiettivi AI, con il 61% che segnala gap nella gestione di infrastrutture specializzate (in peggioramento rispetto al 53% dell’anno scorso). Questo è più significativo di quanto sembri: non si tratta di assumere data scientist (quello è ormai un problema noto), ma di trovare ingegneri che sanno mettere all’opera cluster GPU multi-nodo, ottimizzare networking InfiniBand, gestire cooling ad alta densità e orchestrare workload distribuiti con performance deterministiche. Senza questa expertise, anche chi si è assicurato capacità hardware rischia di sottoutilizzarla o di vedere crollare l’efficienza operativa. L’impatto sulla time-to-market è diretto.

    Regulatory relief europeo: segnale politico e timing strategico

    Gli emendamenti all’EU AI Act previsti per il 19 novembre puntano ad alleggerire gli oneri di compliance, centralizzare l’enforcement nell’AI Office della Commissione, estendere le esenzioni per mid-cap e introdurre grace period per il labeling dei contenuti. Il timing non è casuale: arriva mentre le big tech USA stanno consolidando il vantaggio computazionale e l’Europa rischia marginalizzazione tecnologica. Dal punto di vista operativo, significa che i modelli foundation e i servizi enterprise potranno essere lanciati più velocemente in UE, con compliance posticipata o semplificata—vantaggio per chi ha già capacità di scaling e svantaggio per chi sperava che la regolazione rallentasse i first mover.

    Tre indicatori da monitorare ora

    Delivery schedule dei data center: se i ritardi di CoreWeave sono un pattern (e i dati suggeriscono di sì, con procurement oltre 24 mesi), aspettatevi ulteriori revisioni di guidance da operatori cloud e impatti a cascata sui fornitori di servizi managed AI.

    Margini operativi: il crollo dal 20% al 4% di CoreWeave è un leading indicator: se i giganti del cloud iniziano a vedere compressione simile nei segmenti AI, la narrativa cambia e le valutazioni si ricalibrano velocemente.

    Allocazione di capitale big tech: osservate chi segue SoftBank nel ridurre esposizione ai produttori di chip per aumentarla sui layer applicativi: sarà il segnale che il mercato ha deciso dove si concentra il valore nei prossimi 18-24 mesi.

  • AI e prezzi personalizzati: il Congresso USA valuta lo stop alle “tariffe su misura”

    L’intelligenza artificiale sta trasformando le strategie di pricing aziendale, come dimostra Delta Airlines con il suo sistema di dynamic pricing, già applicato al 3% dei clienti e destinato a salire al 20%. Tuttavia, l’uso di dati personali per personalizzare prezzi e salari ha sollevato allarmi politici e sociali. Una proposta di legge bipartisan, lo Stop AI Price Gouging and Wage Fixing Act, mira a vietare queste pratiche. La FTC ha rivelato che almeno 250 aziende impiegano algoritmi per la discriminazione dei prezzi, in un contesto di inflazione crescente, specie nei beni alimentari. Resta incerto se la normativa verrà approvata, ma il dibattito su IA e tutela del consumatore è ormai aperto.

    Link alla fonte:
    https://www.tomshw.it/business/ai-e-prezzi-personalizzati-il-congresso-dice-stop-2025-07-27