Debito AI a 466 miliardi: il credito frena la corsa ai data center

📌 In Sintesi

• Il debito globale legato all’AI ha raggiunto circa 466 miliardi di dollari nel 2026, ma le nuove emissioni sono scese da 113 miliardi a giugno a 23 miliardi a settembre.
• Banche e investitori non stanno chiudendo il credito all’AI: stanno chiedendo rendimenti maggiori, strutture più solide e prove che data center e chip possano generare flussi di cassa sufficienti.
• Il rischio si sposta dalla disponibilità di compute alla sua sostenibilità finanziaria: infrastrutture, energia e hardware devono produrre ritorni prima che debito e costo del capitale diventino il nuovo collo di bottiglia.

La corsa mondiale all’intelligenza artificiale non si è fermata, ma il denaro che la sostiene ha iniziato a diventare più selettivo. Dopo mesi nei quali hyperscaler, operatori di data center e produttori di hardware hanno raccolto capitale a ritmi senza precedenti, settembre ha segnato una brusca frenata delle nuove emissioni. Il dato più importante non è però il calo mensile: nel 2026 il debito collegato all’AI ha già raggiunto circa 466 miliardi di dollari, trasformando chip, data center, energia e capacità computazionale in una delle maggiori destinazioni del credito globale. La domanda che il mercato comincia a porre non riguarda più soltanto quanto velocemente crescerà l’AI, ma chi riuscirà a ripagare l’infrastruttura costruita per farla funzionare.

Il debito AI scende da 113 a 23 miliardi al mese ma il totale esplode

Il reporting originale del Financial Times sul rallentamento del credito AI mostra una cesura netta: secondo i dati raccolti da Morgan Stanley, le emissioni globali collegate all’intelligenza artificiale sono passate dal record di 113 miliardi di dollari a giugno a 23 miliardi in settembre, meno della metà del mese precedente. Nel mercato investment grade statunitense le nuove obbligazioni AI si sono praticamente fermate dopo che i grandi gruppi tecnologici avevano raccolto circa 306 miliardi tra gennaio e agosto. Morgan Stanley attribuisce una parte importante della frenata al fatto che molte aziende abbiano anticipato il fabbisogno finanziario nei primi mesi dell’anno, quindi non si tratta di una chiusura del mercato. Il dato strutturale resta però enorme: circa 466 miliardi di debito AI raccolti nel 2026, contro 101 miliardi nello stesso periodo dell’anno precedente. È il passaggio successivo rispetto ai 300 miliardi di debito sostenuti da SPV e garanzie sul valore futuro di chip e infrastrutture: non cresce soltanto la leva finanziaria, cresce la necessità di dimostrare che acceleratori, campus, energia e capacità venduta manterranno un valore sufficiente a remunerarla.

Leggi anche: Data center USA: 85 miliardi l’anno di costruzioni e rischio di sovrainvestimento

Le banche iniziano a chiedere dove arriverà il ritorno sul capitale

Il cambiamento è evidente anche dal lato di chi struttura i finanziamenti. Tan Su Shan, amministratrice delegata di DBS, ha spiegato in un’intervista a Bloomberg Television, ripresa dal Business Times di Singapore, che il mercato sta riprezzando il rischio degli investimenti AI e considera questo passaggio salutare: investitori e creditori chiedono ritorni più elevati e strutture capaci di dimostrare come gli enormi capitali assorbiti dall’ecosistema possano produrre abbastanza ROI da rimborsare debito, obbligazioni ed equity. DBS ha originato nel 2026 circa 20 miliardi di dollari di operazioni AI, soprattutto legate a semiconduttori, memoria e data center, distribuendone gran parte attraverso prestiti sindacati invece di trattenerli integralmente sul proprio bilancio. Il segnale è importante perché la selezione non avviene a valle di un crollo della domanda, ma nel momento in cui la domanda di infrastrutture resta fortissima. Per aziende come OpenAI il problema era già emerso nelle proiezioni che indicano quasi 280 miliardi di cash burn cumulato e 856 miliardi di spesa entro il 2030: crescere rapidamente non basta se ogni incremento dei ricavi richiede una quantità altrettanto grande di nuovo capitale. Il credito sta quindi imponendo all’AI una disciplina che il mercato azionario e i round privati avevano a lungo rinviato.

Firmus mostra cosa succede quando la capacità futura non basta più

Il caso Firmus rende visibile la stessa correzione sul mercato azionario. L’operatore australiano di data center sostenuto da Nvidia e altri investitori aveva già dovuto ridurre drasticamente il prezzo previsto per la propria IPO; pochi giorni dopo ha abbandonato completamente una quotazione da circa 5 miliardi di dollari. Reuters ha ricostruito il ritiro dell’IPO di Firmus collegandolo alla crescente prudenza degli investitori davanti a una società valutata sulla capacità futura, con un indebitamento molto elevato e una parte limitata della pipeline già operativa. È l’evoluzione diretta del taglio del prezzo dell’IPO Firmus già imposto dal mercato: prima gli investitori hanno chiesto uno sconto, poi non è bastato neppure quello. Il punto non è trasformare un singolo fallimento di quotazione nella prova dello scoppio della bolla AI. Firmus dimostra qualcosa di più preciso: megawatt promessi, contratti futuri e data center ancora da costruire non vengono più valutati automaticamente come ricavi quasi certi. Quando tassi, energia, autorizzazioni e tempi di realizzazione entrano nel modello finanziario, ogni ritardo riduce il valore attuale dei flussi futuri e aumenta la quantità di capitale necessaria per arrivare all’operatività. Il mercato sta quindi separando la scarsità reale di compute dalla disponibilità a finanziare qualsiasi progetto costruito intorno a quella scarsità.

L’AI resta un motore economico ma anticipa oggi i costi dei ricavi di domani

La frenata del credito non significa che la domanda industriale dell’AI sia scomparsa. Il Fondo monetario internazionale descrive anzi l’espansione di data center e hardware come un positive demand shock capace nel breve periodo di sostenere investimenti, crescita e perfino pressioni inflazionistiche, mentre gli eventuali guadagni di produttività appartengono a una fase successiva. Nelle osservazioni ufficiali di Kristalina Georgieva sull’impatto macroeconomico dell’AI il punto è precisamente temporale: l’infrastruttura richiede grandi investimenti anticipati in capitale ed energia, mentre l’aumento della produttività deve ancora materializzarsi e può arrivare con ritardo. È questa distanza a trasformare la crescita dell’AI in una questione finanziaria. A monte, Samsung e TSMC continuano a beneficiare della domanda per memoria, foundry e capacità legata all’AI, dimostrando che l’hardware resta richiesto; a valle, però, chi compra quella capacità deve produrre ricavi sufficienti a remunerarne costo, debito ed energia. Il rischio non nasce quindi da una tecnologia inutile, ma dall’eventualità che una tecnologia economicamente utile richieda più capitale e più rapidamente di quanto riesca a restituirne. È il classico problema delle grandi infrastrutture applicato a un settore nel quale l’hardware diventa obsoleto molto più velocemente di una ferrovia, una centrale elettrica o un immobile.

Per l’Italia il costo del capitale può contare quanto energia e autorizzazioni

Questo cambio di fase riguarda direttamente anche l’Italia. Il Paese sta cercando di attrarre data center e infrastrutture digitali attraverso semplificazioni, pianificazione energetica e un quadro normativo più definito, un percorso già evidente nella delega italiana dedicata alle autorizzazioni e alla sicurezza dei data center. Ma una politica industriale costruita soltanto sulla disponibilità di terreni, connessioni elettriche e procedure più rapide rischia di osservare metà del problema. Se il mercato internazionale del credito diventa più selettivo, anche il progetto tecnicamente autorizzabile deve essere finanziariamente sostenibile, soprattutto quando dipende da clienti hyperscaler, hardware importato e investimenti iniziali nell’ordine delle centinaia di milioni o dei miliardi. Per l’Europa il tema diventa ancora più delicato perché una parte rilevante della capacità AI continua a dipendere da piattaforme, acceleratori e capitali controllati fuori dal continente. Se il denaro costa di più, i progetti con domanda meno certa, tempi energetici lunghi o contratti deboli vengono penalizzati per primi. La competizione italiana sui data center non sarà quindi soltanto contro Francia, Germania, Spagna o Paesi nordici per