La super bolla dell'IA: il 2029 sarà il nostro 1929?

Ogni generazione si convince che la sua tecnologia di punta infranga le vecchie regole della leva finanziaria e della valutazione. Negli anni '20 furono l'automobile, la radio, gli elettrodomestici. Oggi il paragone che viene fatto per la bolla dell'IA è con il 1929, e proviene dal professor Steve Keen, l'economista dell'UCL che aveva previsto il crollo del 2008 prima che la maggior parte di Wall Street fosse disposta a dirlo apertamente. La sua tesi si basa su tre elementi che raramente vengono discussi insieme: il divario di valutazione tra le aziende di IA americane e cinesi, il debito che finanzia silenziosamente lo sviluppo americano e la rete elettrica fisica che sta alla base di tutto.

Il boom dell'intelligenza artificiale è davvero destinato a un crollo simile a quello del 1929?

Steve Keen ne è convinto, e non usa mezzi termini. Nell'intervista di Andrew Neil al professor Steve Keen, intitolata "La Cina ha vinto la guerra dell'IA" , Keen prevede che la maggior parte delle aziende americane di IA fallirà, con forse una su dieci in grado di sopravvivere, e che la Cina emergerà come vincitrice strutturale, non perché i suoi modelli siano migliori, ma perché la sua economia regge. La sua previsione è di circa due anni. Prevedere con precisione il momento del crollo è notoriamente difficile, e gli economisti hanno già lanciato falsi allarmi in passato, ma i meccanismi sottostanti che descrive sono sufficientemente concreti da poter essere analizzati singolarmente, indipendentemente dal fatto che la resa dei conti avvenga nel 2027, nel 2029 o più tardi.

Keen non è il solo a ricorrere a questo paragone. Il New Yorker ha pubblicato un articolo nella sezione finanziaria intitolato "Il boom dell'IA e lo spettro del 1929". L'Economist si è chiesto apertamente se la Cina potrebbe far scoppiare la bolla dell'IA americana. Bloomberg ha riportato che i gestori di hedge fund cinesi hanno descritto il rally come una "super bolla" il cui punto di collasso "potrebbe non essere lontano".

La scommessa da mille miliardi di dollari: perché le valutazioni dell'IA negli Stati Uniti e in Cina divergono così nettamente

I numeri che si celano dietro il divario

Si prevede che gli investimenti americani nell'intelligenza artificiale supereranno il trilione di dollari solo nei prossimi due anni, e Keen stima la valutazione complessiva di hyperscaler, produttori di chip e del più ampio complesso industriale dell'IA a circa 20 trilioni di dollari. OpenAI è valutata circa 852 miliardi di dollari, Anthropic circa 965 miliardi di dollari, cifre che presuppongono che entrambe le società alla fine applicheranno prezzi in linea con tali cifre.

Il confronto cinese

Questa ipotesi è sottoposta a una pressione diretta. La cinese Moonshot AI, valutata circa 31 miliardi di dollari, ha lanciato Kimi K3, un modello che ha scosso Wall Street al momento della sua uscita. DeepSeek, valutata circa 71 miliardi di dollari, ha modelli che, secondo Keen, raggiungono dall'80 al 90% delle prestazioni dei migliori sistemi americani a un costo forse dieci volte inferiore. In parole povere: le aziende americane attualmente vengono scambiate a una valutazione da 10 a 25 volte superiore rispetto ai concorrenti cinesi che offrono capacità sostanzialmente comparabili. Non si tratta di un errore di arrotondamento in nessun modello. È la forma di una bolla pronta a scoppiare.

In parole semplici, una bolla è un prezzo scollegato da ciò che gli utili sottostanti potrebbero plausibilmente giustificare, alimentato dalla convinzione che qualcun altro pagherà di più domani. Le bolle non richiedono disonestà o stupidità. Richiedono ottimismo, credito a basso costo e una storia di tecnologia realmente trasformativa, esattamente ciò che ferrovie, radio, internet e ora intelligenza artificiale hanno fornito a turno. Ciò che di solito pone fine a una bolla non è la dimostrazione della falsità della storia, cosa che è stata in gran parte vera anche per le ferrovie e internet, ma il momento in cui i costi di finanziamento si allineano ai flussi di cassa che non si sono ancora concretizzati.

Il vantaggio che nessuno aveva considerato: la rete elettrica cinese

Il divario di trasmissione nei numeri

La Cina gestisce il suo sistema di trasmissione a lunga distanza a circa 800 kilovolt, contrapponendosi alla rete dorsale americana, ancora in gran parte costruita su linee da 345 a 500 kilovolt, alcune delle quali risalenti agli anni '70. Secondo i dati della National Energy Administration, la Cina gestisce attualmente 45 progetti di trasmissione ad altissima tensione che si estendono per oltre 40.000 chilometri, tra cui 23 linee a ±800 kilovolt in corrente continua e l'unica linea al mondo a ±1.100 kilovolt. La sola State Grid ha costruito 43 di questi corridoi UHV e ne prevede altri quindici entro il 2030, conferendo alla Cina una capacità di trasmissione interprovinciale superiore a 380 milioni di kilowatt. Gli Stati Uniti hanno aggiunto un totale di 888 miglia di nuove linee di trasmissione a 345 kV e oltre nel corso del 2024, e i primi corridoi a 765 kV ad alta capacità sono attualmente in fase di progettazione in Texas.

Perché la tensione è tutto il gioco

La fisica è semplice: raddoppiando la tensione su una linea è possibile trasmettere circa quattro volte la potenza, con perdite proporzionalmente inferiori sulla distanza. La Cina ha costruito questa capacità di trasmissione ad altissima tensione per l'energia idroelettrica e rinnovabile molto prima dell'avvento dell'IA, ed è proprio per questo che, come afferma Keen, gli imprenditori cinesi "considerano l'energia come qualcosa che sarà disponibile praticamente indipendentemente da come la si utilizzi". Gli sviluppatori americani di IA, al contrario, devono pensare costantemente al risparmio energetico perché la rete è già vicina ai suoi limiti. La capacità di generazione cinese funziona a quasi il doppio della domanda di picco, un surplus strategico deliberato, contro un margine di riserva americano di circa il 15% al di sopra del picco. Il solo aumento annuale della domanda di elettricità per i data center di IA in Cina supera ormai l'intero consumo annuo di elettricità della Germania.

Il debito che nessuno riesce a misurare con precisione: l'esposizione nascosta all'intelligenza artificiale del credito privato

Se l'energia rappresenta il vincolo fisico, il finanziamento è quello invisibile. Un'indagine basata sui dati del Nikkei ha rilevato che cinque importanti aziende tecnologiche americane detengono 1.650 miliardi di dollari di debiti fuori bilancio, gran parte dei quali veicolati attraverso prestiti privati per data center di intelligenza artificiale, accordi che non sono né prestiti bancari convenzionali, né obbligazioni quotate in borsa, né azioni, e che si trovano in gran parte al di fuori del controllo normativo.

All'inizio del 2025, i prestiti privati al settore tecnologico americano si attestavano a circa 450 miliardi di dollari, in aumento di 100 miliardi rispetto all'anno precedente, e Keen ritiene che probabilmente siano raddoppiati da allora, con l'accelerazione della spesa per l'intelligenza artificiale. Alcune stime prevedono che l'esposizione creditizia privata nei confronti delle aziende di IA raggiungerà almeno i 600 miliardi di dollari entro il 2030, a fronte di un mercato globale del credito privato già stimato a oltre 3 trilioni di dollari. Questo è importante perché il credito privato è cresciuto esplicitamente come soluzione per aggirare la regolamentazione bancaria introdotta dopo il 2008 e perché, come afferma Keen senza mezzi termini, "nessuno sa con precisione quanto credito privato ci sia nel boom degli investimenti in IA, si sa solo che ce n'è molto". Considerando anche i prestiti bancari associati, l'esposizione reale potrebbe essere da tre a cinque volte superiore alle cifre ufficiali del credito privato.

Perché il 1929 è un'analogia migliore del crollo delle dot-com

Il crollo delle dot-com è il precedente più comunemente citato per l'eccessiva espansione del settore tecnologico, ma i meccanismi descritti da Keen assomigliano maggiormente a quelli del 1929. Nel settembre del 1929, il debito a margine, ovvero il denaro preso in prestito per acquistare azioni con un acconto di appena il 10%, aveva raggiunto circa 8,5 miliardi di dollari, pari a circa il 10-12% dell'intera capitalizzazione di mercato azionario americana e quasi all'ammontare del bilancio federale. Questa leva finanziaria funzionò a meraviglia finché i prezzi salirono. Quando i flussi di cassa dell'economia reale iniziarono a rallentare già nel 1927, ben due anni prima del crollo, le richieste di margini forzarono le vendite, le vendite deprimettero ulteriormente i prezzi e l'intera struttura crollò nel giro di poche settimane nell'ottobre del 1929.

La struttura di finanziamento dell'IA presenta una forma pressoché identica, seppur in chiave moderna. Invece di prestiti a margine su azioni, si tratta di credito privato che finanzia la costruzione di data center. Invece di un broker che richiede ulteriori garanzie, è un istituto di credito che esige il servizio del debito da un'azienda i cui ricavi non hanno ancora tenuto il passo con le spese in conto capitale. Vale la pena citare testualmente la definizione di Keen del meccanismo scatenante: quando si costruiscono data center e si configurano i sistemi, non si dispone ancora del flusso di cassa necessario, e la vera domanda è se si riuscirà a generare un flusso di cassa redditizio prima che le perdite si accumulino eccessivamente. Questa è esattamente la scommessa che gli azionisti delle società di servizi e dei fondi di investimento degli anni '20 fecero sull'elettrificazione, un'altra tecnologia trasformativa ad alta intensità di capitale che ha prodotto fallimenti spettacolari, pur avendo la tecnologia sottostante trasformato radicalmente l'economia.

La triplice minaccia: la concorrenza cinese, il debito occulto e i limiti fisici.

Concorrenza che riduce i prezzi potere

La concorrenza cinese sta comprimendo il potere di determinazione dei prezzi su cui si basano le valutazioni americane. Se i modelli cinesi, più economici e standardizzati, conquistano una quota di mercato sufficiente, il sovrapprezzo incorporato nelle valutazioni americane diventa insostenibile, e i modelli cinesi open source accelerano ulteriormente questa standardizzazione, consentendo a chiunque di eseguire un modello efficiente senza dover affittare il data center di un hyperscaler.

Accumulo di debiti attraverso un sistema opaco

L'esposizione al credito privato significa che, quando i ricavi deludono, le conseguenze non si limitano agli azionisti pubblici. Si propagano a cascata attraverso una parte opaca, interconnessa e in gran parte non regolamentata del sistema finanziario, in modi che le stesse autorità di regolamentazione non comprendono ancora appieno.

Impossibile rispettare la tempistica prevista per la realizzazione fisica dei lavori.

La realizzazione fisica dell'infrastruttura è semplicemente impossibile nei tempi previsti dalle attuali valutazioni, perché la rete elettrica, i trasformatori, le turbine e la manodopera specializzata per installarli non sono disponibili nelle quantità necessarie e non possono essere creati in meno di sette anni, nemmeno con capitali illimitati. A ciò si aggiungono le tensioni geopolitiche, come cita Keen, tra cui le guerre in Ucraina e in Medio Oriente, e la ricostruzione delle riserve strategiche di petrolio da parte della Cina, creando quello che lui definisce "un triplice scenario desolante".

Cosa significa questo per i leader aziendali, non solo per gli investitori

Tutto ciò non significa che l'intelligenza artificiale sia un miraggio. Ogni analogia storica citata da Keen – ferrovie, elettrificazione, aviazione, internet – ha prodotto una tecnologia che ha realmente trasformato l'economia, anche se le aziende che ne hanno finanziato lo sviluppo iniziale sono per lo più fallite. La lezione non è evitare l'IA, ma distinguere la tecnologia dai bilanci che la finanziano. Un crollo delle valutazioni delle società hyperscale e del credito privato sarebbe un evento finanziario grave, ma non cancellerebbe i modelli linguistici di grandi dimensioni, i progressi nella progettazione dei chip o i guadagni di produttività già accumulati in settori che vanno dalla logistica alla produzione, fino ad arrivare, più vicino a noi, alla stessa curva di adozione dell'IA che sta già rimodellando il settore del finanziamento automobilistico europeo .

Per chiunque operi in settori basati su lunghi cicli di capitale, come la produzione automobilistica, il leasing e la transizione energetica, la lezione più duratura riguarda gli orizzonti di pianificazione fisica, piuttosto che il crollo in sé. Il vantaggio della rete elettrica cinese non è stato costruito per l'intelligenza artificiale. È stato costruito in vent'anni per la politica industriale e la competitività manifatturiera, e l'IA è semplicemente arrivata trovando le infrastrutture già predisposte. Il fallimento dell'Occidente non è dovuto a una mancanza di ambizione sull'IA, ma a decenni di sottoinvestimenti nelle infrastrutture meno appariscenti, come trasformatori, sottostazioni e corridoi ad alta tensione, da cui dipende inevitabilmente qualsiasi transizione ad alta intensità di capitale. Vale anche la pena tornare su una questione che abbiamo già sollevato in passato, ovvero l'effetto dell'IA sul nostro modo di pensare e di decidere , perché una vera correzione metterebbe alla prova quanta indipendenza di giudizio i leader aziendali abbiano conservato durante un boom che ha premiato il conformismo piuttosto che la messa in discussione.

Domande frequenti

1. Perché la Cina ha un vantaggio in termini di rete elettrica nel settore dell'intelligenza artificiale?

La Cina utilizza una rete di trasmissione a circa 800 kilovolt, contro i 345-500 kilovolt della rete principale americana, gestisce 45 progetti ad altissima tensione che si estendono per oltre 40.000 chilometri e mantiene una capacità di generazione quasi doppia rispetto al picco di domanda, a fronte di un margine di riserva statunitense di appena il 15% circa.

2. Qual è l'esposizione del credito privato ai data center per l'intelligenza artificiale?

Si stima che 1.650 miliardi di dollari di debiti fuori bilancio siano distribuiti tra cinque grandi aziende tecnologiche statunitensi, finanziati in gran parte tramite accordi di credito privati al di fuori del controllo normativo convenzionale, con un'esposizione totale potenzialmente da tre a cinque volte superiore se si includono i relativi prestiti bancari.

3. Il boom dell'intelligenza artificiale è simile al crollo del mercato azionario del 1929?

Steve Keen sostiene di sì, ancor più del crollo delle dot-com, perché il 1929 ha visto una leva finanziaria concentrata a cascata attraverso vendite forzate, una struttura che rispecchia fedelmente l'attuale debito dei data center per l'intelligenza artificiale finanziato da credito privato, piuttosto che una bolla puramente azionaria.

4. Quanto sono più economici i modelli di intelligenza artificiale cinesi rispetto a quelli americani?

Secondo quanto riportato, i modelli di DeepSeek raggiungono dall'80 al 90% delle prestazioni dei principali sistemi americani a circa un decimo del costo, mentre le aziende americane di intelligenza artificiale sono valutate da 10 a 25 volte di più rispetto alle loro controparti cinesi che offrono capacità sostanzialmente comparabili.

5. Qual è la previsione di Steve Keen per il settore dell'intelligenza artificiale?

Keen prevede che la maggior parte delle aziende americane di intelligenza artificiale fallirà, con forse solo una su dieci in grado di sopravvivere, e che la Cina emergerà come vincitrice strutturale entro circa due anni, grazie a un'economia più solida piuttosto che alla sola superiorità tecnologica.