Curva dei costi del calcolo AI: il crollo che i mercati valutano male

La tesi, dichiarata come fatto

La curva dei costi del calcolo AI tende verso lo zero più rapidamente di quanto qualsiasi piano di capitale presuma. È una traiettoria, il declino documentato del prezzo dell'intelligenza artificiale per token in tre anni consecutivi.

Il consenso valuta il calcolo come un bene scarso e in apprezzamento. Quella cornice scade nel 2026, e la rivalutazione apparirà improvvisa a chiunque legga i titoli sul capex.

Fiducia sulla tecnologia: alta. Fiducia sul mese esatto della rivalutazione di mercato: media. La direzione ammette una sola risposta, e la pendenza è visibile per chiunque legga le serie giuste.

Dove si rompe la cornice del consenso

Gli analisti leggono i titoli sulla spesa in conto capitale e concludono che l'intelligenza diventa più costosa. Guardano il numero sbagliato.

Il capex misura la corsa a costruire capacità. La metrica che predice il futuro è il costo per token erogato, e quel dato scende ogni trimestre. Spesa in aumento e costo unitario in calo coesistono, perché il volume esplode mentre il prezzo crolla.

Il novanta percento degli analisti ha il presente corretto. Ma legge male il ritmo del cambiamento.

Estrapolano una carenza di offerta su un decennio, quando la curva osservata ha smentito finora ogni previsione di scarsità. L'errore di cornice è strutturale, e costerà ai lettori lenti un intero ciclo.

La curva dei costi: tre punti di ancoraggio

Si può chiamare traiettoria quando tre punti si allineano. La curva dell'inferenza di frontiera li offre con chiarezza.

I dati di settore mostrano che il prezzo per erogare una data qualità di output del modello è sceso di circa un ordine di grandezza all'anno dal 2023. Le prestazioni di classe GPT-4 che al lancio imponevano un prezzo premium ora si vendono a una piccola frazione di quella tariffa iniziale.

Il precedente sta nel fotovoltaico solare. L'IEA ha documentato un calo del 90% del costo dei moduli dal 2010 al 2020.

Il calcolo segue le stesse dinamiche del tasso di apprendimento: il volume cumulativo abbassa il costo lungo una pendenza prevedibile. Ogni raddoppio della capacità installata compra una riduzione percentuale fissa, e il volume degli acceleratori raddoppia in fretta.

Il segnale di ASML

Osservare lo strato dei "picconi e pale" per cronometrare il cambiamento. ASML sta alla base di ogni acceleratore AI avanzato prodotto oggi.

L'azienda ha riacquistato azioni tra la fine di luglio 2026 a prezzi medi ponderati compresi tra circa 1.375 € e 1.525 €, secondo la sua comunicazione sul buyback depositata il 3 agosto 2026. Un'azienda che acquista le proprie azioni a quella scala segnala la convinzione che la domanda di litografia si consoliderà per anni.

Leggere il segnale correttamente. La catena di fornitura si aspetta che il volume continui a salire, e il volume in crescita è esattamente il meccanismo che spinge il costo unitario lungo la curva.

Lo strato hardware prospera mentre l'intelligenza che abilita si commoditizza. Questi due fatti sembrano contraddittori al consenso, eppure descrivono lo stesso motore.

L'evento di soglia

L'adozione raramente sale lungo una rampa regolare. Resta piatta, poi salta quando il prezzo attraversa un pavimento psicologico.

Evento di soglia: l'inferenza equivalente al livello di frontiera raggiunge circa 0,001 $ per token entro la fine del 2026. A quel prezzo, incorporare un modello capace in ogni flusso di lavoro costa meno del minuto umano speso a leggere l'output.

Il ragionamento marginale diventa di fatto gratuito. Quando una risorsa passa all'abbondanza, l'architettura cambia.

I team smettono di razionare le chiamate al modello e iniziano a costruire interi prodotti attorno all'inferenza continua. È un cambio di regime, e arriva a una data, riflettendo meccanica più che sentiment.

Tre categorie che si dissolvono

Tre categorie svaniranno nella loro forma attuale entro il 2027:

• I rivenditori generici di "capacità AI", il cui margine evapora man mano che il prezzo del token sottostante si avvicina allo zero.
• I pure-play sui modelli di base privi di una barriera difensiva fondata su dati proprietari, schiacciati tra prezzi in calo e costi di addestramento in aumento.
• Gli uffici acquisti aziendali vincolati a contratti di calcolo pluriennali prezzati alle tariffe del 2025.

Il valore migra verso l'alto, nelle applicazioni verticali che possiedono dati proprietari. Quelle aziende affittano intelligenza commoditizzata e vendono un risultato che i concorrenti non possono replicare.

La barriera difensiva vive nei dati che nessun altro possiede, nella profondità del flusso di lavoro, nella distribuzione. I token generici non comprano nulla di tutto ciò.

Un CTO che legge questo dovrebbe verificare ogni contratto che presuppone che il calcolo resti costoso. Un investitore in crescita dovrebbe finanziare la barriera difensiva sui dati, e trattare l'accesso a modelli generici come una voce di spesa piuttosto che come una tesi.

Chi ne esce danneggiato e chi si consolida

La rivalutazione separa i vincitori dai ritardatari lungo un solo asse: la prossimità ai dati proprietari.

Un Chief Strategy Officer che gestisce un piano triennale costruito su inferenza costosa sta pianificando per un mondo che si dissolve a metà piano. Riscrivere le assunzioni ora, mentre il cambiamento è ancora economico da assorbire.

I team acquisti affrontano il bordo più tagliente. Un contratto di calcolo pluriennale firmato alle tariffe del 2025 blocca un premium nel bilancio proprio mentre il prezzo di mercato crolla al di sotto.

Il venture capital riceve la lezione invertita. La scommessa che oggi sembra costosa, un'azienda verticale con una barriera difensiva stretta sui dati, si prezza correttamente una volta che l'intelligenza diventa una utility.

La posizione, e cosa mi farebbe cambiare idea

La mia posizione attuale: i modelli di base si commoditizzano entro 18-24 mesi, e l'intero margine migra verso lo strato applicativo.

Comprare capacità generica oggi significa comprare la commodity di domani al prezzo di ieri. Lo sostengo con alta convinzione, e mantengo esplicito il fattore di smentita.

Segnale di smentita: un aumento sostenuto del costo per token in due trimestri consecutivi, guidato da un genuino tetto di offerta nell'advanced packaging o nella litografia. Quel pattern romperebbe le dinamiche del tasso di apprendimento e convaliderebbe il fronte della scarsità. Osservo i portafogli ordini di ASML come primo segnale.

La previsione

Previsione: l'inferenza equivalente al livello di frontiera si venderà a 0,001 $ per token o meno da parte di almeno un grande fornitore prima del 31 dicembre 2026.

Fiducia: 78%. Orizzonte: fine 2026. Il meccanismo è il volume cumulativo che guida la curva di apprendimento, la stessa forza che ha portato il solare giù del 90% in un decennio.

Segnale di smentita: due trimestri consecutivi di aumento del costo per token legato a un tetto di offerta hardware. In assenza di quel pattern, la curva tiene. Leggi l'argomentazione completa, poi verifica le date rispetto alla realtà sul blog.