Per molti investitori, l’enorme aumento della spesa destinata allo sviluppo dell’intelligenza artificiale costituisce la prova che non vi è alcuna bolla nel mercato azionario. Tuttavia, per GQG Partners, ciò rappresenta un’ulteriore conferma della loro convinzione che questo boom lascerà il posto a una crisi, proprio come è avvenuto nel settore delle telecomunicazioni negli anni ’90 e in quello dello shale oil un decennio fa.
I fund manager e gli analisti di GQG, che gestisce 160 miliardi di dollari, sostengono che gli ingenti ordini di semiconduttori, hardware di memoria e la relativa spesa per i data center registrati negli ultimi trimestri si basino su speranze non comprovate riguardo alla domanda futura e ai prezzi relativi alle attività e all’utilizzo dell’IA. Essi sottolineano i segnali di una spesa eccessiva, quali i recenti sviluppi relativi a potenziali guerre dei prezzi — con gli utenti business che stringono i cordoni della borsa alla ricerca di modalità più economiche per gestire i modelli di IA — e il rallentamento dei progressi nell’efficacia dei nuovi modelli linguistici di grandi dimensioni. Inoltre, ritengono che il ricorso continuativo a investimenti circolari e a metodi contabili poco trasparenti comporti un aumento dei rischi.
Secondo Brian Kersmanc, gestore di portafoglio di GQG, le bolle sono spesso caratterizzate da una domanda reale nel breve termine, da un massiccio impiego di capitali, dalla convinzione degli investitori che la domanda sia di fatto illimitata e da una scarsa visibilità sui rendimenti a lungo termine. «Gli ingenti ordini di chip non smentiscono l’esistenza di una bolla; potrebbero anzi costituirne i segnali più evidenti», afferma.
I gestori di fondi e gli analisti di GQG non sono stati sempre pessimisti nei confronti del settore tecnologico o del mercato azionario. Nel 2024, oltre il 70% dei suoi portafogli era investito in titoli tecnologici o in settori affini, come Uber. Nel 2017, la società ha puntato sui chip semiconduttori, all’epoca poco apprezzati, tra cui Nvidia NVDA.
Tuttavia, a partire dalla fine del 2024 e fino all’inizio del 2025, GQG ha riorientato i propri portafogli allontanandosi dai titoli legati alla tecnologia IA e alle infrastrutture, che hanno registrato forti rialzi e contribuito a trainare il mercato azionario nel suo complesso. Questa scelta ha influito negativamente sulla performance delle sue strategie, come il fondo GQG Partners US Select Quality Equity Fund GQEIX, classificato con il rating “Gold”, ma la società rimane fedele alla propria linea.
Un fattore chiave alla base del rialzo di questi titoli (e un argomento centrale dei rialzisti) è il massiccio aumento degli ordini legati all’IA presso aziende produttrici di chip semiconduttori come Nvidia, Broadcom AVGO e, più recentemente, Micron, oppure per altri componenti hardware di memoria per computer, come quelli di SanDisk SNDK e Western Digital WDC.
Tuttavia, Kersmanc sostiene che sia proprio su questo punto che gli investitori dovrebbero mostrarsi scettici, a cominciare dal divario nel modo in cui vengono contabilizzati gli acquisti. «Si vedono ordini e vendite registrati oggi, mentre i costi (per l’acquirente) vengono ripartiti su tre, cinque, o addirittura dieci anni», spiega. Il problema non risiede nel metodo contabile in sé, che è standard, ma nelle sue implicazioni, data l’elevata incertezza riguardo agli aspetti economici dell’utilizzo dell’IA. «La questione fondamentale non è se la domanda sia forte oggi, ma se tale domanda sia economicamente giustificata e sostenibile una volta che il ritorno sull’investimento, il grado di utilizzo e il potere di determinazione dei prezzi saranno stati messi alla prova».
La tesi ribassista di GQG si basa proprio su questi aspetti. Secondo loro, gli investimenti in conto capitale stanno procedendo a un ritmo ben superiore al valore economico comprovato. Kersmanc parte da un presupposto diffuso tra i grandi laboratori di IA e altre aziende: «È come dire: “Se spendo questa cifra, ottengo questo livello di miglioramento”. Tuttavia, dopo ChatGPT-4, la crescita si è stabilizzata».
Sebbene continuino gli investimenti nei modelli più avanzati (i cosiddetti modelli “di frontiera”), Kersmanc afferma che vi sono prove crescenti del fatto che molti sviluppatori e aziende nel campo dell’IA stiano andando nella direzione opposta. Anziché utilizzare modelli linguistici di grandi dimensioni come Claude, si stanno orientando verso modelli linguistici di piccole dimensioni. Questi ultimi vengono generalmente addestrati su insiemi limitati di dati relativi a testi specifici e, di conseguenza, richiedono una minore potenza di calcolo. Ad esempio, «se si desidera una traduzione in tempo reale, è possibile ottenerla tramite un modello linguistico di piccole dimensioni (SLM) e tradurre direttamente sul proprio telefono, senza generazione di token e senza dover interpellare un data center».
Se le aziende preferiscono gli SLM per le loro soluzioni, «la conseguenza più ampia è che il mercato potrebbe non aver bisogno di una potenza di calcolo su scala così ampia come gli investitori attualmente ipotizzano», afferma Kersmanc. «Se lo sviluppo dell’IA si sta muovendo in quella direzione, allora le ragioni a favore di ingenti investimenti in data center e GPU si indeboliscono».
Allo stesso tempo, gli sviluppatori ricorrono sempre più spesso a modelli cinesi open source, che risultano più economici da addestrare e comportano spese in conto capitale per le infrastrutture notevolmente inferiori. «La Cina ha in programma la realizzazione di 500 data center, mentre gli Stati Uniti ne hanno 5.500», afferma Kersmanc. Ciò avviene in un contesto in cui le aziende cercano di contenere i costi sempre più elevati legati all’utilizzo dell’IA.
Kersmanc spiega che un altro tassello del puzzle è stato il modo in cui gli hyperscaler hanno contabilizzato l’espansione dei propri data center e cita la joint venture di Meta Platforms META con Blue Owl Capital OBDC, annunciata lo scorso anno, che ha consentito alla società di trasferire fuori dal proprio bilancio un progetto di data center da 30 miliardi di dollari in Louisiana. Meta ha inoltre classificato alcune importanti attività infrastrutturali come «lavori in corso». Tale voce di bilancio è raddoppiata tra il 2024 e il 2025.
Queste questioni contabili sono legate alla discrepanza tra la spesa per i chip e quella per altro hardware, afferma Kersmanc. «Se ingenti quantità di hardware figurano nelle voci “lavori in corso” o in categorie di bilancio simili, gli investitori potrebbero non essere in grado di stabilire quale parte di tale spesa sia effettivamente impiegata e generi un rendimento. Ciò è rilevante perché le aziende possono spendere ingenti somme di denaro in anticipo, mentre i loro conti economici riflettono il costo solo gradualmente. Pertanto, la preoccupazione non riguarda solo la presentazione contabile; si teme piuttosto che la contabilità possa mascherare un eccesso di investimenti, un sottoutilizzo o rendimenti più deboli».
A ciò si aggiungono le incertezze relative alla capacità di realizzare i data center che sono stati commissionati. Sta crescendo il malcontento nei confronti delle infrastrutture dei data center, a causa dell’elevato consumo di elettricità e acqua da parte di questi edifici, nonché dei loro altri impatti sulle comunità. «Circa la metà di quelli che avrebbero dovuto essere completati non sono stati nemmeno avviati o sono stati annullati», afferma Kersmanc.
Riassumendo, «l’espansione del settore dell’IA presenta molti dei classici segnali di una bolla», afferma Kersmanc. «Gli investitori continuano a estrapolare la domanda ben oltre quanto sembri giustificato dai dati economici sottostanti».
