NVIDIA e dati McKinsey tra tecnologia e finanza

Nvidia, 480 miliardi tra impegni e garanzie: McKinsey rivela il paradosso dei profitti dell’AI

In sintesi

  • Nvidia espone complessivamente 530,5 miliardi di dollari fra impegni e garanzie. I documenti SEC distinguono obblighi futuri di fornitura e investimento, accordi aggiuntivi e garanzie finanziarie. Non si tratta di 530 miliardi di debiti.
  • McKinsey rileva un divario tra produttività e redditività. L’80% degli intervistati dichiara benefici individuali dall’AI, ma soltanto il 37% attribuisce alla tecnologia un contributo positivo all’EBIT aziendale.
  • Il rischio economico è finanziare infrastrutture prima di dimostrare la domanda finale. Soltanto il 6% delle organizzazioni intervistate da McKinsey rientra fra quelle che ottengono risultati economici significativi dall’intelligenza artificiale.

Nvidia accumula circa 480 miliardi di euro tra impegni industriali, contratti futuri e garanzie finanziarie, mentre uno studio McKinsey mostra che appena il 37% delle aziende dichiara benefici positivi sull’utile operativo grazie all’intelligenza artificiale. Sono due fotografie differenti della stessa economia: da una parte il produttore di semiconduttori che prenota capacità industriale e sostiene finanziariamente la costruzione dei data center; dall’altra le imprese che acquistano software, servizi e automazioni AI senza riuscire ancora a trasformare diffusamente la produttività in redditività. I numeri emergono dal rapporto trimestrale Nvidia depositato presso la SEC e dall’indagine The State of AI in 2026: On the Road to ROI, ripresi il 16 novembre 2026 da Tom’s Hardware e Crypto Briefing. Non dimostrano automaticamente l’esistenza di una bolla speculativa, ma evidenziano una sproporzione che il mercato dovrà risolvere: l’offerta di capacità computazionale cresce attraverso impegni pluriennali, mentre il rendimento economico finale dell’AI resta concentrato in una minoranza di organizzazioni.

Nvidia arriva a 530,5 miliardi di dollari fra impegni e garanzie

Annuncio

Il dato più impressionante emerge dal rapporto trimestrale Nvidia depositato presso la Securities and Exchange Commission. Il documento, riferito al trimestre concluso il 26 luglio 2026, distingue 366 miliardi di dollari di impegni futuri, 56 miliardi di accordi aggiuntivi e 108,5 miliardi di esposizione massima potenziale per garanzie. La somma raggiunge 530,5 miliardi di dollari, circa 480 miliardi di euro al cambio BCE del 13 novembre. È scorretto definire l’intero importo come debito oppure come garanzia fuori bilancio: si tratta di categorie contrattuali e contabili differenti, distribuite su più anni e soggette in parte a condizioni specifiche.

La componente principale è rappresentata dagli impegni per forniture e capacità produttiva, pari a 279 miliardi di dollari, circa 252,4 miliardi di euro. Nel trimestre precedente erano 119 miliardi: l’aumento raggiunge quindi 160 miliardi di dollari, soprattutto per assicurarsi memoria avanzata e capacità manifatturiera. Nvidia vuole garantirsi semiconduttori e componenti prima dei concorrenti, sostenendo una domanda che dipende dagli investimenti futuri degli operatori cloud. Il vantaggio competitivo nasce dalla possibilità di prenotare la produzione, ma diventa un rischio se i clienti riducono o rinviano gli acquisti.

Dai chip alla finanza: Nvidia sostiene anche chi acquista le sue GPU

Gli impegni di Nvidia non si limitano alla produzione di semiconduttori. Nei 366 miliardi di dollari figurano anche 29 miliardi di accordi cloud, 25 miliardi di leasing di data center non ancora iniziati, 25 miliardi di investimenti azionari promessi e 8 miliardi di spese in conto capitale. A questi si aggiungono 56 miliardi di accordi separati, composti da 36 miliardi per servizi cloud AI e 20 miliardi per leasing destinati, secondo i piani, a essere trasferiti a soggetti terzi. La struttura descrive un produttore che non si limita più a vendere acceleratori, ma contribuisce a costruire le condizioni finanziarie e infrastrutturali affinché i propri clienti possano acquistarli.

È un modello che solleva interrogativi sulla circolarità dei flussi economici. Nvidia vende hardware a imprese cloud, investe nell’ecosistema e assume impegni per utilizzare parte della capacità computazionale che contribuisce a finanziare. Gli accordi possono essere commercialmente razionali e creare domanda effettiva, ma richiedono di distinguere i ricavi da clienti indipendenti da quelli sostenuti indirettamente attraverso partnership e finanziamenti. Il problema era già emerso nell’analisi sui 300 miliardi di debito AI sostenuti da garanzie e veicoli finanziari, dove il trasferimento del rischio fra produttori, operatori cloud e finanziatori rende più difficile individuare chi sopporterà le eventuali perdite.

Leggi anche: Nvidia prepara licenze software ricorrenti, mentre Apollo segnala la scarsità di ritorni economici dell’AI.

OpenAI e il progetto in Ohio: garanzie fino a 95 miliardi di euro

La voce più delicata riguarda 105 miliardi di dollari di garanzie, circa 95 miliardi di euro, legate al campus tecnologico PORTS di SB Energy in Ohio, destinato a ospitare infrastrutture Nvidia utilizzate da OpenAI. Il progetto prevede una capacità iniziale di circa 4,25 gigawatt di carico informatico, attraverso nove fasi di costruzione. Le garanzie sostengono determinati obblighi relativi a terreni, energia e strutture immobiliari. Diventeranno efficaci progressivamente, al verificarsi delle condizioni contrattuali, con le prime strutture previste nell’esercizio fiscale 2029.

Non significa che Nvidia abbia già pagato 105 miliardi di dollari o che debba necessariamente versarli. L’esposizione è un massimale potenziale, attivabile in specifiche circostanze di inadempimento e destinato a ridursi nel tempo con l’esecuzione dei contratti. Rimane tuttavia una scelta significativa: il produttore di acceleratori assume parte del rischio infrastrutturale per permettere al cliente di realizzare i data center che ospiteranno i suoi prodotti. Nvidia mantiene inoltre circa 3,5 miliardi di dollari di ulteriori garanzie verso partner cloud, portando il totale massimo a 108,5 miliardi. Il mercato AI viene così sostenuto non soltanto dalla domanda, ma anche dalla disponibilità dei fornitori a finanziare e garantire la sua espansione.

McKinsey: l’80% vede più produttività, ma solo il 37% benefici economici

Il secondo dato arriva dal rapporto originale McKinsey, The State of AI in 2026: On the Road to ROI. La società di consulenza ha raccolto le risposte di 1.719 partecipanti in 97 Paesi, fra il 4 maggio e l’8 giugno 2026, coinvolgendo dirigenti e professionisti di imprese appartenenti a settori differenti. L’80% degli intervistati afferma che l’intelligenza artificiale ha migliorato la propria produttività individuale, mentre circa la metà segnala miglioramenti nella capacità di prendere decisioni.

La fotografia cambia osservando i risultati aziendali. Soltanto il 37% degli intervistati attribuisce all’AI almeno un contributo positivo all’EBIT, ovvero il risultato operativo prima di interessi e imposte. La percentuale è sostanzialmente identica a quella del 2025. Questo non significa che il restante 63% delle aziende perda denaro utilizzando l’intelligenza artificiale, né che l’AI produca necessariamente un rendimento negativo. Significa che la maggioranza degli intervistati non segnala ancora un contributo positivo misurabile a livello di risultato operativo complessivo. Inoltre, l’indagine si basa su risposte dichiarate, non su una verifica indipendente dei bilanci di tutte le imprese partecipanti.

Solo il 6% delle imprese ottiene risultati AI davvero significativi

McKinsey individua un gruppo ristretto di organizzazioni che definisce AI high performers: rappresentano appena il 6% del campione, quota invariata rispetto all’anno precedente. Per appartenere a questa categoria devono attribuire all’intelligenza artificiale almeno il 5% dell’EBIT e dichiarare un impatto significativo sul proprio business. La differenza rispetto alle altre organizzazioni non dipende soltanto dall’acquisto di modelli più avanzati.

Quasi tre quarti delle imprese con risultati elevati hanno riprogettato in maniera sostanziale i processi aziendali, contro circa un quarto delle altre. Inoltre, le organizzazioni più performanti risultano 3,3 volte più propense a perseguire una trasformazione profonda del modello operativo nei tre anni successivi. Il risultato indica che risparmiare tempo scrivendo email, producendo documenti o sviluppando codice non è sufficiente per incrementare automaticamente gli utili. La produttività individuale genera un vantaggio economico soltanto quando l’organizzazione riesce a trasformare quel tempo in minori costi, maggiore produzione, nuovi ricavi o servizi di valore superiore.

La corsa all’AI continua anche quando il ritorno sugli investimenti non arriva

L’adozione continua ad aumentare nonostante la redditività rimanga concentrata. Il 56% degli intervistati dichiara l’utilizzo dell’intelligenza artificiale in almeno tre funzioni aziendali, contro il 51% dell’anno precedente. Le organizzazioni che riferiscono un’implementazione su scala aziendale salgono dal 38% al 44%. Circa un quinto segnala che i costi operativi dell’AI, compresi quelli legati ai token, hanno limitato l’utilizzo delle tecnologie.

McKinsey rileva inoltre che il 39% degli intervistati prevede una riduzione dell’occupazione aziendale collegata all’AI nei dodici mesi successivi, contro il 32% che formulava la stessa previsione nell’indagine precedente. Si tratta di aspettative, non di licenziamenti già effettuati. Il dato mostra però la pressione sui dirigenti affinché trasformino l’automazione in risultati economici. La contraddizione è che i fornitori monetizzano subito abbonamenti, capacità cloud e infrastrutture, mentre le aziende clienti devono ancora sostenere costi di integrazione e riorganizzazione prima di vedere benefici stabili.

Il rischio finanziario è trasferire a tutta l’economia il costo della promessa AI

La crescita di Nvidia dimostra che l’intelligenza artificiale sta producendo un mercato reale per chip, memorie, reti e data center. Non è corretto descrivere l’intera industria come un sistema privo di ricavi. Tuttavia, il rapporto fra spesa infrastrutturale e rendimenti finali resta un punto critico. Il precedente di CoreWeave, con obbligazioni arrivate a rendimenti del 15-16%, mostra quanto il costo del capitale possa aumentare quando gli investitori iniziano a valutare diversamente il rischio delle infrastrutture AI.

Anche il Fondo monetario internazionale ha inserito una possibile correzione delle valutazioni legate all’intelligenza artificiale fra gli scenari capaci di provocare tensioni finanziarie. Come evidenziato nell’analisi del rischio AI per banche, obbligazioni e credito globale, il problema non riguarda soltanto le quotazioni delle aziende tecnologiche: una contrazione degli investimenti può coinvolgere finanziatori, costruttori, fornitori energetici e operatori immobiliari. La presenza di impegni pluriennali non dimostra una crisi imminente, ma aumenta le conseguenze potenziali di una crescita della domanda inferiore alle attese.

Continua con: BCG stima 2.600 miliardi di dollari di spesa AI annua entro il 2030: chi pagherà i data center?.

L’Italia rischia di pagare l’infrastruttura senza incassare i profitti

Per le imprese italiane il problema non è stabilire se utilizzare l’intelligenza artificiale, ma misurare quanto valore riescano effettivamente a trattenere. Un’azienda che acquista abbonamenti AI, capacità cloud e software di automazione contribuisce ai ricavi dei fornitori internazionali anche quando il proprio conto economico non mostra un miglioramento. La distanza diventa ancora più rilevante per il tessuto italiano delle piccole e medie imprese, dove investimenti, competenze e capacità di riorganizzazione sono spesso inferiori rispetto ai grandi gruppi multinazionali.

I 480 miliardi di euro associati agli impegni e alle garanzie Nvidia non sono una perdita già realizzata, così come il 37% indicato da McKinsey non dimostra il fallimento dell’intelligenza artificiale. Considerati insieme, però, i dati raccontano un modello nel quale la costruzione dell’offerta procede a velocità superiore rispetto alla capacità di dimostrare rendimenti diffusi. Il rischio è che i grandi produttori e i fornitori infrastrutturali concentrino inizialmente ricavi e potere di mercato, mentre il costo della trasformazione venga distribuito tra imprese, investitori e lavoratori. La sostenibilità dell’economia AI non sarà dimostrata dal numero di GPU installate o dai miliardi annunciati, ma dalla capacità delle aziende che utilizzano quelle infrastrutture di produrre più valore di quanto spendano per mantenerle.

Iscriviti alla Newsletter

Non perdere le analisi settimanali: Entra nella Matrice Digitale.

Matrice Digitale partecipa al Programma Affiliazione Amazon EU. In qualità di Affiliato Amazon, ricevo un guadagno dagli acquisti idonei. Questo non influenza i prezzi per te.

Torna in alto