OpenAI, perdite record e la corsa all’infrastruttura: bolla o investimento necessario?
OpenAI avrebbe registrato perdite massicce nel Q1 2026 nonostante ricavi in forte crescita. Tra data center, chip e ricerca, la sfida è l’infrastruttura. È una bolla o il prezzo della rivoluzione AI? Le fonti ufficiali indicano un mercato in rapida espansione.
Nel primo trimestre del 2026, secondo documenti finanziari riportati da vari media statunitensi, OpenAI avrebbe generato circa 5,7 miliardi di dollari di ricavi a fronte di circa 3,7 miliardi di perdite. Una cifra che ha alimentato il dibattito pubblico: è la prova di una bolla o il sintomo di un investimento infrastrutturale su scala storica? I conti, da soli, raccontano poco. Il contesto, invece, racconta molto: la costruzione di data center iperscalabili, l’approvvigionamento di chip avanzati, l’energia necessaria a modelli sempre più esigenti, la ricerca e il talento. In altre parole, infrastruttura.
Per inquadrare la questione conviene guardare alle linee di forza ufficiali del settore. La International Energy Agency (IEA) ha stimato che il consumo elettrico dei data center globali potrebbe raddoppiare entro il 2026 rispetto ai livelli del 2022, trainato proprio dall’intelligenza artificiale e dalla crescita del cloud (fonte: IEA, Electricity 2024 e aggiornamenti su data centers). Allo stesso tempo, il mercato dei semiconduttori per AI è in espansione straordinaria: la Semiconductor Industry Association e i report di operatori come NVIDIA, nelle loro comunicazioni regolamentate, indicano una domanda strutturale di GPU e acceleratori AI, con capital expenditure in aumento presso i grandi cloud provider (fonti: SIA, comunicazioni ufficiali; NVIDIA, filing e press releases).
Sul fronte macro, il World Economic Forum e l’OCSE hanno documentato come la diffusione dell’AI generativa stia già incidendo sulla produttività, sulla qualità del lavoro e sulla concorrenza tra paesi e imprese, con benefici potenziali e rischi concreti su privacy, bias e sicurezza (fonti: WEF Global Risks Report e white paper AI; OECD AI Policy Observatory). La combinazione di costi upfront altissimi e benefici che maturano nel tempo non è nuova: Amazon ha sostenuto anni di perdite mentre costruiva una rete logistica e cloud; Tesla ha bruciato capitale per riconfigurare l’intera catena del valore dell’auto elettrica. Internet, negli anni ’90, sembrava una gigantesca fornace di capitale. Non significa che chi investe oggi vincerà sicuramente; significa che la dinamica tra bolla e rivoluzione, all’inizio, è indistinguibile.
Per l’AI, l’impatto è già visibile:
Modelli più grandi e multimodali richiedono cluster di GPU e sistemi di raffreddamento avanzati, con conseguenze su consumo energetico e localizzazione dei data center. La IEA e alcune autorità nazionali avvertono che la pianificazione delle reti e l’adozione di fonti rinnovabili diventano critiche.
La catena dei semiconduttori si concentra su pochi nodi geostrategici (foundry come TSMC), aumentando la sensibilità a shock geopolitici. Le comunicazioni ufficiali della SIA e delle autorità statunitensi ed europee (CHIPS Act) mostrano un tentativo di ridurre la dipendenza con investimenti pubblici.
La regolazione avanza: l’UE ha approvato l’AI Act con requisiti per sistemi ad alto rischio, trasparenza e governance; negli Stati Uniti la Casa Bianca ha emanato un Executive Order sull’AI, rafforzando valutazioni di sicurezza e reporting (fonti: Parlamento europeo—AI Act; The White House—Executive Order on AI, 30 ottobre 2023). Questi vincoli possono aumentare i costi nel breve termine, ma anche consolidare fiducia e adozione nel medio periodo.
Se si guarda ai bilanci, le perdite di OpenAI potrebbero riflettere una strategia di acquisizione e costruzione: capacità computazionale, stack software, partnership con cloud hyperscaler, sviluppo di modelli e servizi per imprese. La domanda allora cambia: non “quanto guadagna ora?”, ma “cosa sta comprando?” e “quanto dura il vantaggio?”. La storia suggerisce che le rivoluzioni tecnologiche si alimentano di cicli di investimento intensivi, spesso confusi con bolle. A decidere l’esito saranno alcuni fattori misurabili: costo per inferenza e addestramento, efficienza energetica per token, disponibilità di chip, latenza e affidabilità dei servizi, e soprattutto la creazione di valore tangibile per settori come sanità, manifattura, finanza, istruzione.
L’impatto sul mondo dell’AI è bifronte. Da un lato, la pressione per ridurre costi e consumi spingerà innovazioni nell’architettura dei modelli (mixture-of-experts, distillazione), nell’hardware (ASIC, memorie HBM avanzate) e nella gestione dei carichi (schedulazione, inferenza ottimizzata). Dall’altro, la concentrazione di capitale potrebbe creare barriere all’ingresso, mentre gli standard aperti e i modelli open-source, sostenuti da fondazioni e governi, possono riequilibrare l’ecosistema. Le fonti ufficiali convergono su un punto: la scala dell’AI non è più sperimentale, è industriale. Che sia bolla o rivoluzione dipenderà dall’esecuzione, dal tempo e dalla capacità di tradurre potenza computazionale in produttività reale.
Fonti citate:
International Energy Agency (IEA), report ufficiali su data center ed elettricità (Electricity 2024; aggiornamenti 2025-2026).
Semiconductor Industry Association (SIA), comunicazioni e statistiche ufficiali.
Parlamento europeo, AI Act (testo approvato e comunicati).
The White House, Executive Order on Safe, Secure, and Trustworthy AI (30/10/2023).
World Economic Forum, rapporti e white paper su AI e impatto economico.