Il vero significato di GPT-6 Astra: riportare la “narrazione sull’AI” dal “dibattito sulla domanda” al “collo di bottiglia fisico”

Il rilascio di un modello sta cambiando la direzione del dibattito di mercato.

Negli ultimi mesi il mercato ha discusso una domanda: “Di quanta infrastruttura c’è bisogno per soddisfare la domanda AI già nota?” Il sottinteso è: l’infrastruttura AI è già sovra-investita?

Tuttavia, secondo quanto riportato da Trading Desk, il rapporto pubblicato da Morgan Stanley il 7 settembre sottolinea che l’importanza di GPT-6 Astra non deve essere semplicemente interpretata come un’altra narrativa di espansione di scala (Scaling). Non si tratta di un semplice upgrade di modello.

Astra rappresenta un sostanziale salto nella larghezza delle capacità (breadth of capabilities) e nell’interoperabilità, concretizzato in quattro direzioni: capacità di ragionamento, ingegneria, utilizzo del computer ed esecuzione di compiti nel mondo fisico. Ciò significa che l’AI sta iniziando a compiere il salto nell’esecuzione di ragionamenti complessi, attività ingegneristiche specializzate, operazioni dirette su computer e persino compiti nel mondo reale. Più cose si possono fare, più occasioni di generare ricavi si creano. Anche l’ultimo articolo di OpenAI afferma che modelli migliori aprono nuovi “settori di lavoro”.

La narrativa AI torna dalla “discussione sulla domanda” al “collo di bottiglia fisico”

L’arrivo di Astra potrebbe spostare la questione centrale del mercato da “quanta infrastruttura serve per la domanda AI nota”, a: “Quanti nuovi carichi di lavoro diventeranno economicamente fattibili con il progresso dell’intelligenza dei modelli?”

Si tratta di una domanda con direzione opposta. La prima riguarda lo scetticismo dal lato della domanda, la seconda la pressione dal lato dell’offerta.

• Effetto elasticità: più intelligenza per ogni dollaro speso

Gli analisti nel rapporto hanno proposto una logica economica centrale: Modelli migliori possono generare effetto elasticità – più intelligenza e utilità per ogni dollaro speso in AI, maggiore sarà il numero, la durata e la complessità dei carichi di lavoro di ragionamento.

Il concetto è simile al classico “Paradosso di Jevons”: il miglioramento dell’efficienza non riduce il consumo, ma ne amplia la domanda. L’aumento della produzione intelligente a costo unitario più basso → Scenari applicativi precedentemente non vantaggiosi diventano fattibili → Aumento dei nuovi carichi di lavoro → La domanda di potenza di calcolo e infrastrutture si amplia ulteriormente.

• Espansione significativa del TAM accessibile

Gli analisti ritengono che, se le capacità di Astra saranno convertite in applicazioni utili per il business, il pool di ricavi AI accessibile si amplierà enormemente, superando di gran lunga gli scenari odierni focalizzati su chat e coding.

Morgan Stanley stima che il TAM dei knowledge worker globali sia circa 22,5 trilioni di dollari (basandosi su 900 milioni di lavoratori della conoscenza a livello globale e un salario annuo medio di circa 25.200 dollari); il TAM della spesa dei consumatori è di circa 30 trilioni, includendo retail + viaggi (circa 16 trilioni), guida autonoma/mobilità (circa 4 trilioni), food delivery (circa 4 trilioni) e pubblicità (circa 3 trilioni).

• I veri colli di bottiglia sono le restrizioni fisiche lato offerta

La conclusione degli analisti è: l’arrivo di Astra sposta la narrativa del collo di bottiglia da “formazione della domanda” a “vincoli fisici dell’offerta”, cioè se sia possibile consegnare intelligenza su larga scala.

A cosa ci riferiamo esattamente? Potenza di calcolo. Elettricità. Materiali. Forza lavoro. Ecc.

Dove sono esattamente i colli di bottiglia fisici: ABF e HBM4E

Le tensioni dal lato offerta hanno due aspetti concreti.

Il primo è il substrato ABF.

Morgan Stanley prevede che i substrati ABF saranno in carenza a partire dal 2027 e il gap potrebbe ampliarsi fino al 2030. Il vincolo critico: almeno 2 anni per mettere online nuove capacità produttive.

Il secondo è la complessità della fase finale (BEOL) di HBM4E.

Il rapporto evidenzia che il BEOL di HBM4E rappresenta un cambiamento fondamentale nel paradigma della produzione di semiconduttori—HBM si evolve da uno stack 3D memory dedicato a un sistema logico Chiplet altamente integrato e customizzato.

La catena degli impatti specifici:

• Maggior numero di livelli di interconnessione HBM4E (SK Hynix introduce i dummy bump), gran parte degli investimenti di capitale DRAM dovranno andare all’espansione della capacità BEOL
• L’accelerazione degli investimenti di capitale nelle linee FEOL (“front-end of line”) e della produzione GB di DRAM, con una realizzazione prevista solo nella seconda metà del 2027
• I produttori di DRAM daranno priorità alla capacità rispetto ai dispositivi, potendo così ritardare l’espansione della capacità NAND

Caratteristica comune di questi due colli di bottiglia: sono tutti vincoli fisici verificabili e tracciabili, non sentimenti di mercato.

Elettricità: il collo di bottiglia fisico più reale

Con l’aumento della pressione regolatoria sui data center, l’offerta di energia elettrica diventa un altro collo di bottiglia reale. Gli analisti prevedono che la capacità di calcolo totale dei provider cloud su vasta scala passerà dai circa 35GW del 2025 ai circa 145GW del 2028, una crescita di circa 4 volte.

Gli analisti sottolineano che gli Stati Uniti stanno affrontando un deficit di 38 GW nella fornitura di energia elettrica, e i data center opteranno sempre di più per soluzioni di autoproduzione “behind-the-meter”.

Secondo le loro stime, le soluzioni “behind-the-meter” aggiungeranno circa 3 miliardi di dollari di investimenti di capitale per ogni gigawatt. Prendendo come esempio la generazione Rubin Ultra dei chip Nvidia, il costo totale inclusivo di energia autoprodotta sarebbe di circa 50 miliardi di dollari per GW.

Cosa il mercato sta sottovalutando

Gli analisti ritengono che il mercato stia attualmente sottovalutando tre aspetti:

Primo, i beneficiari tecnologici globali di GPT-6 Astra non sono ancora correttamente prezzati.

Secondo, la durata delle tensioni lato offerta potrebbe essere più lunga del previsto. I vincoli su ABF e BEOL HBM4E non saranno risolvibili nel breve periodo.

Terzo, alcune azioni non legate all’AI stanno silenziosamente rafforzandosi. I chip analogici (STM, NXP, Renesas) sono in una fase di prima ripresa del ciclo dopo più di tre anni di consolidamento a “L” – grazie alla razionalizzazione delle scorte, alla stabilità dei prezzi e al miglioramento degli ordini industriali.

La conclusione non è “compra più AI”

Le priorità di investimento suggerite da Morgan Stanley:

Potenza di calcolo AI (la più alta priorità) > Reti (seconda priorità) > Memoria (selettiva) + Chip analogici (hedging ciclo iniziale), tra cui:

• Potenza di calcolo AI: GPU (Nvidia), ASIC (MediaTek, GUC), substrati ABF (Unimicron, IBIDEN), MLCC (Murata, Samsung Electro-Mechanics), packaging di back-end (Advantest, Tokyo Electron, ChipMOS, ASE, King Yuan), alimentatori (Delta)
• Reti: GLW, LITE, COHR, KEYS, Furukawa, Fujikura
• Memoria: favorire la crescita strutturale della quota di mercato e la localizzazione (CXMT), SK Hynix, Samsung, Kioxia hanno spazio tattico di rialzo in condizioni di offerta rigida
• Non-AI: chip analogici (STMicroelectronics, NXP, Renesas)

L’istituto afferma: “Preferiamo aziende nell’intersezione tra cicli di ragionamento sempre più estesi, capacità fisiche limitate, intensità di contenuto crescente e aumento della complessità produttiva.”

Dove serve restare lucidi

Il rapporto di Morgan Stanley non è unilaterale e indica chiaramente tre aspetti a cui prestare attenzione:

Primo, le aspettative sull’AI sono già molto elevate. La tolleranza del mercato verso le aziende AI si è spostata da “buoni risultati” a “risultati perfetti”; anche se Astra porterà avanzamenti concreti, se i risultati non supereranno di molto le attese, la reazione in borsa potrebbe essere limitata.

Secondo, la crescita degli investimenti in capitale si prevede rallenterà nel 2028. Le valutazioni azionarie si basano sulla direzione della crescita; la sola decelerazione può comprimere le valutazioni anche se i valori assoluti stanno ancora aumentando.

Terzo, i venti contrari macro ci sono ancora. Il rapporto menziona prezzi del petrolio, inflazione, il percorso dei tassi Fed e le incertezze delle elezioni USA 2028, con particolare attenzione a potenziali ostacoli politici all’espansione dei data center in caso di vittoria democratica.