Gli obiettivi mancati di OpenAI, la causa di Elon Musk e l’ultima corsa alla spesa degli hyperscaler indicano tutti lo stesso vincolo: oggi è l’energia, non la domanda, a plasmare il mercato dell’AI.
OpenAI ha mancato gli obiettivi su utenti e ricavi, ma la discussione su quel mancato risultato si è presto spostata su qualcosa di più grande: se la domanda di AI stia superando la rete fisica che deve sostenerla. David Sacks e Chamath Palihapitiya hanno detto che il vero vincolo è l’energia, non l’interesse, mentre David Friedberg ha sostenuto che gli hyperscaler stanno vincendo perché controllano l’infrastruttura. Lo stesso tema è tornato in forme diverse, dagli strumenti di coding ai modelli cyber fino agli ultimi utili cloud: le aziende che riescono ad assicurarsi calcolo, energia e capitale sono quelle che possono continuare a scalare.
I target mancati di OpenAI sono sembrati meno una sentenza che un test: uno scarto tra utenti e ricavi significa che l’azienda sta perdendo slancio, o solo che le sue ambizioni stanno ora urtando i limiti dell’infrastruttura fisica? David Sacks ha sostenuto che la risposta è la seconda, e che il mercato sta leggendo il segnale sbagliato. La vera storia, secondo lui, non è una domanda debole ma calcolo e potenza energetica scarsi.
Ho una lettura un po’ controcorrente su questo. OpenAI ha avuto una settimana molto brutta sulla stampa, ma se guardi a ciò che sta succedendo a livello di prodotto, per loro sono state un paio di settimane piuttosto buone.
Sam potrebbe finire per avere ragione, ma per il motivo sbagliato. Ha mancato il bersaglio sul consumer, ma l’enterprise sta andando fortissimo e gli sta dando la possibilità di recuperare sul codice.
L’argomentazione di Sacks si basa su uno scambio semplice. Ha riconosciuto il report del Wall Street Journal secondo cui OpenAI avrebbe mancato l’obiettivo di 1 miliardo di utenti attivi settimanali e non avrebbe centrato il traguardo di ricavi per il 2025, poi si è spostato sulla qualità del prodotto, dicendo che chat GPT 5.5 sta ricevendo recensioni migliori mentre Anthropic’s Opus 4.7, a suo dire, viene ritirato da alcuni utenti. Ha anche richiamato la maggiore base di calcolo di OpenAI, sostenendo che gli impegni di spesa precedenti ora sembrano un asset nel mercato del coding, dove la domanda è concentrata e le differenze di prestazioni si percepiscono più facilmente.
Chamath Palihapitiya ha spinto l’argomento oltre, dicendo che i numeri mancanti non indicano affatto una domanda in calo. A suo avviso, il collo di bottiglia è la potenza energetica, dalla rete fino all’hardware che alimenta l’inferenza dei modelli, e il sintomo non è un appetito più debole ma code, limiti e rollout più lenti. Ha detto che lo stesso schema è già visibile in Anthropic, che ha descritto come costretta ad accordi di capacità e soluzioni di instradamento per ottenere abbastanza offerta.
I target mancati di OpenAI sono presto diventati un confronto per un limite più profondo: quanto della crescita dell’AI viene frenata dall’energia, non dalla domanda. Chamath Palihapitiya ha sostenuto che il mercato sta leggendo male lo scarto, perché il collo di bottiglia ora sta nell’elettricità, nell’hardware di rete e nelle catene di fornitura, mentre l’appetito dei clienti per modelli e strumenti enterprise continua a crescere.
Penso che andrà tutto bene. Penso che questa sia un’azienda da trilioni di dollari. Penso che Anthropic sia un’azienda da trilioni di dollari.
C’è un solo collo di bottiglia molto specifico che sta vincolando tutto: l’accesso alla potenza necessaria a far girare questi token.
La sua tesi non era che la domanda sia debole. Era che il settore ha superato il sistema fisico necessario a servirla, quindi le previsioni mancate possono riflettere capacità scarsa più che interesse in calo. Ha indicato gli accordi di Anthropic con Amazon e Google come prova che l’asset scarso non è più l’attenzione o il talento software, ma la capacità di assicurarsi abbastanza calcolo dietro le quinte.
Tutto in questo mercato è vincolato dall’energia. Il motivo per cui queste persone possono mancare un numero o una previsione non ha nulla a che fare con la domanda.
La risorsa limitante è l’energia. Energia, che poi alimenta il calcolo, che poi fornisce i token.
David Friedberg ha portato la stessa linea in una cornice più strategica. A suo avviso, vincono non le aziende con i modelli più vistosi, ma quelle che controllano gli input industriali, e questo significa che gli hyperscaler sono messi meglio per beneficiarne. Ha citato Oracle, Amazon, Meta, Microsoft e Google come le società che possono sedersi sopra l’infrastruttura scarsa mentre i piccoli produttori di modelli negoziano l’accesso.
Il nuovo modello cyber di OpenAI entra nella discussione sia come prova sia come avvertimento. David Friedberg sostiene che mostri che i modelli frontier non scrivono più soltanto codice o rispondono ai prompt: ora entrano direttamente in attacco e difesa, dove lo stesso strumento può rafforzare un sistema o aprirlo.
I modelli frontier sono arrivati al punto in cui sono in grado di automatizzare le attività cyber proprio come sono in grado di automatizzare il coding.
Un modello può potenziare un attaccante cyber o un difensore cyber nello stesso modo in cui può potenziare un coder.
I relatori tornavano sempre allo stesso collo di bottiglia: i sistemi più capaci sono utili solo quanto l’infrastruttura che li sostiene. Friedberg ha detto che di Anthropic ha fatto scalpore come proof of concept cyber, ma il modello di OpenAI sembra più vicino a qualcosa che le imprese possono davvero implementare perché appare meno vincolato dal calcolo.
Non sarà solo Mythos. Entro sei mesi circa, tutti i modelli frontier avranno una capacità cyber al livello di Mythos.
Penso che 5.5 potrebbe essere il primo modello cyber che i difensori cyber riescono davvero a usare.
La discussione sugli ultimi utili delle Big Tech non riguardava davvero se le aziende stiano bene. Riguardava il tipo di aziende che stanno diventando. Con le quattro grandi piattaforme cloud pronte a spendere , i relatori hanno trattato quella cifra come prova che l’AI sta trascinando il settore fuori dalla vecchia forma di software leggero e cassa abbondante, per portarlo in qualcosa di molto più industriale.
Penso che stiamo vedendo un cambiamento strutturale molto importante nei mercati dei capitali. Negli ultimi 20 o 30 anni la Mag 7 è semplicemente scappata via con tutto, perché aveva modelli di business molto asset-light.
Adesso, all’improvviso, il pendolo si sta spostando violentemente nella direzione opposta. Queste aziende ora si leveranno di più, avranno più debito e tra cinque anni sembreranno questa grande e pesante attività industriale.
La tesi di Friedberg era che il vecchio modello venga sostituito da uno in cui intensità di capitale, debito e infrastrutture di lunga durata contano quanto il codice. Ha citato l’accordo di Microsoft per riavviare parte di Three Mile Island come segnale che le cloud company stanno negoziando direttamente per l’energia, non solo affittandola indirettamente tramite i data center. Se è vero, le grandi piattaforme smettono di sembrare monopoli puramente software e iniziano a sembrare utility con margini migliori.
Il problema che avevamo nel 2000 era la dark fiber. Avevi tutta questa infrastruttura costruita e non veniva usata. Oggi non esistono GPU buie.
A guidare la capex adesso è la domanda vorace di calcolo per i token, e la domanda sta anticipando questo ulteriore investimento in infrastrutture.
Era questa la linea di difesa contro il paragone con la dot-com era. Friedberg ha sostenuto che questa spesa non è offerta speculativa in attesa di un pubblico, come nella costruzione della fibra di vent’anni fa, ma una risposta a una domanda attuale che sta già mettendo sotto stress la capacità. Ha collegato gli utili cloud alla tesi che l’AI non stia solo consumando più infrastrutture, ma stia costringendo le piattaforme a reinvestire più in fretta solo per stare al passo.
Quando la conversazione è arrivata alla Corte Suprema, il tono è passato dal fervore di mercato alla venerazione istituzionale. Friedberg ha descritto l’ingresso nella sala di marmo come l’accesso a un luogo che conserva ancora rispetto rituale, anche se i relatori continuavano a tornare su quanto quel rispetto possa essere fragile. La stessa ansia che grava sulla regolazione dell’AI grava anche sulla corte stessa: quanta autorità concedono ancora gli americani a sistemi sottoposti a tensioni visibili?
Penso sia stata una delle esperienze più incredibili che abbia mai vissuto. Quel palazzo, ci entri dentro ed è come sacro.
Goditela finché puoi. Penso che la Corte Suprema sia una delle ultime istituzioni altamente funzionali negli Stati Uniti.
Il racconto di Friedberg sul caso Monsanto trasformava quella reverenza astratta in una battaglia concreta su chi possa definire il rischio. La questione era se l’etichetta dell’EPA dovesse avere la precedenza sulle azioni statali per mancata informazione sui rischi, dopo che Bayer, che ora possiede Monsanto, aveva già pagato 10 miliardi di dollari e si trovava ancora ad affrontare 90.000 cause. Ha presentato l’udienza come uno scontro tra uniformità federale e potere degli stati, con il solicitor general dell’amministrazione Trump che esortava la corte a prendere il caso.
L’EPA stabilisce l’etichetta per i pesticidi. Questo causa il cancro oppure no? Quali sono le avvertenze?
Se gli stati possono interpretare il diritto federale e ignorare gli organismi regolatori federali, si apre un vaso di Pandora.
Perché dicono che l’energia conta più della domanda?
Sostengono che la domanda di AI esista già, ma che elettricità, apparecchiature di rete e costruzione dei data center limitino quanti token i modelli possano davvero servire.
Perché le prestazioni del prodotto di OpenAI sono ancora viste come forti?
David Sacks dice che le uscite recenti e i miglioramenti nel coding potrebbero compensare i target consumer mancati, soprattutto se l’uso enterprise continua a crescere.
Cosa pensavano del caso Musk contro Altman?
Lo hanno trattato come difficile da valutare, ma hanno detto che gli estratti del diario e la disputa tra nonprofit e for-profit potrebbero creare pressione per un accordo o ritardare un IPO.
Perché gli hyperscaler sono centrali nella storia?
Perché Google, Microsoft, Amazon e Meta controllano l’infrastruttura di cui le aziende AI hanno bisogno, e possono finanziare il buildout meglio della maggior parte delle startup.
Che ruolo aveva qui la discussione sulla Corte Suprema?
Serviva da caso di confronto, mostrando come istituzioni con procedure chiare e vincoli legali continuino a plasmare risultati ad alto rischio, proprio come fanno sempre più anche le aziende AI.
Sintesi assistita dall'AI del podcast di All-In Podcast, verificata sulla trascrizione originale.
È interamente dovuto all’offerta di energia necessaria per generare il token di output. Il problema sta solo peggiorando.
8:41