Cosa interessa alla Silicon Valley? Inizia la seconda fase dell'AI! Riassunto delle opinioni dei giganti tecnologici al TMT Summit di Goldman Sachs (analisi approfondita)

Il segnale più chiaro emerso dalla Conferenza Communacopia + TMT 2026 di Goldman Sachs è: il fulcro degli investimenti in AI si sta spostando dalla “costruzione della capacità computazionale” all’“utilizzo della capacità computazionale”, ma la capacità stessa rimane fortemente insufficiente rispetto alla domanda. Questi due fatti coesistono, creando la tensione più centrale della Silicon Valley attuale.

Jan Hatzius, capo economista di Goldman Sachs, ha dato il tono alla conferenza dichiarando: “Il boom degli investimenti in AI non durerà per sempre.” Ma Jensen Huang di Nvidia, allo stesso evento, ha trasmesso un senso di urgenza opposto: “Il 70% della crescita è rappresentato da un limite di offerta, non da un limite di domanda.” Questa divergenza è esattamente la caratteristica essenziale della seconda fase dell’AI—la direzione è condivisa, ma ritmo e distribuzione sono la vera incognita.

Di cosa si parla in Silicon Valley: Sei temi centrali

Tema 1: Il “collo di bottiglia fisico” della capacità di calcolo diventa la nuova narrazione

Jensen Huang ha ridisegnato sistematicamente il quadro narrativo dell’infrastruttura AI durante la conferenza. Ha attribuito il motore di spinta a due rivoluzioni industriali sovrapposte: il passaggio dal computing di tipo retrieval a quello generativo, e la fine della legge di Moore.

Negli ultimi 60 anni, i computer sono stati essenzialmente “pre-registrati”—l’utente effettua una richiesta e le informazioni vengono recuperate dalla memoria. Ma la generative AI richiede risposte create in tempo reale basate sul contesto, il che implica la costruzione di un intero nuovo strato computazionale in funzione continua. Nel contempo, sono svaniti i vantaggi della miniaturizzazione dei transistor e i progressi prestazionali non dipendono più solo dalla miniaturizzazione dei processi produttivi. La risposta di Huang è un design altamente sinergico tramite il packaging multi-chip CoWoS e lo scaling verticale grazie a NVLink, dichiarando esplicitamente: “Se non hai NVLink, se non puoi realmente fare scaling verticale di qualità, sei fuori, perché la legge di Moore è il tuo nemico.”

La svolta chiave di questa narrazione è che il collo di bottiglia principale che limita la crescita dell’AI non è più se esista domanda, ma se il mondo fisico riesca a stare al passo. Huang riconosce colli di bottiglia diffusi sia a monte (packaging, wafer, memoria) sia a valle (energia e localizzazione dei data center), mantenendo una previsione di circa il 70% di crescita annua per il CY27. Bret Johnsen di SpaceX ha invece svelato un piano di espansione ancora più aggressivo: portare la capacità AI terrestre da 2 a 5-10 GW entro il 2027 e lanciare satelliti AI per ridurre il costo computazionale in orbita al livello di quello terrestre.

Tema 2: L’“autostrada dei vincitori” della layer applicativa AI si fa chiara

Il CEO di Broadcom, Hock Tan, ha presentato un modello economico d’impatto: 1 GW di capacità Frontier genera 30 miliardi di dollari di ARR, di cui 10 miliardi rappresentano costi; i restanti 20 miliardi sono catturati da modelli + applicazioni, mentre 10 miliardi sono contesi da cloud, chip, memoria e supply chain energetica.

Questo consente di quantificare la distribuzione del valore lungo la catena industriale dell’AI. Goldman Sachs, basandosi su ciò, identifica l’“autostrada dei vincitori” nell’ordine: modelli chiusi > chip proprietari > hyperscaler > energia+raffreddamento a liquido > rete > layer applicativo.

Goldman Sachs fa notare però che i capitali di mercato stanno passando dalla prima fase (GPU/HBM/hardware data center) alla seconda (i “vincitori” della layer applicativa che convertono realmente i token in produttività, ricavi e flussi di cassa per le aziende). Le differenze di valutazione tra questi attori potrebbero in futuro risultare “ancora più marcate”: le software company con dati esclusivi, workflow complessi e ROI chiaro saranno rivalutate, mentre le SaaS tradizionali, facilmente commodity mission-critical di base, resteranno sotto pressione.

L’intervento del CEO di Databricks, Ali Ghodsi, conferma questa tendenza: la competizione nel software AI applicativo si sta spostando sull’adozione reale in azienda. Le piattaforme che sanno tradurre con efficienza le capacità dei modelli in risultati affidabili per il business avranno spazio di crescita.

Tema 3: Agentic AI dalla “teoria” alla “ristrutturazione organizzativa”

In questa edizione della conferenza, Agentic AI non si limita più a demo funzionali, ma inizia a trasformare la struttura interna delle aziende.

CHYM ha comunicato un taglio del 10% della forza lavoro, puntando a “organizzazioni più snelle e più rapide”; team di prodotto e ingegneria sono stati ridotti a metà della dimensione originaria, ma “grazie a responsabilità più chiare e operatività ottimizzata la produttività resta inalterata.” Block, invece, dopo una ristrutturazione organizzativa radicale a inizio anno (riduzione dei livelli decisionali tra management ed esecutivi), sta ottenendo notevoli effetti leva sui costi fissi.

Dal lato tecnologico, AMD considera Agentic AI un nuovo workload, sostenendo che incrementerà la domanda di diversi tipi di CPU e non solo GPU. SailPoint fissa un obiettivo concreto: Agentic AI potrebbe divenire la principale fonte di crescita, con entrate target di 800 milioni di dollari per l’esercizio 2029.

La dichiarazione più sistemica arriva dalla CFO di Microsoft, Amy Hood: Microsoft sta combinando licenze utente prevedibili con pricing AI basato su consumo, ampliando prodotti come Agent 365 e Copilot. Specifica: “Workflow agentici sicuri e regolati potrebbero trainare la crescita, perché agenti, app e persone lavoreranno insieme sempre di più.”

Tema 4: La cybersecurity è il “tema più frequente”

La sicurezza informatica è la scena applicativa più citata in questa edizione. Jensen Huang la identifica chiaramente come la prossima grande applicazione AI e ne spiega la logica economica:

“Un sottoprodotto del coding è la scoperta di bug, e da questo deriva un mercato enorme, la sicurezza informatica. Gli assistenti di coding rispondono e si fermano; gli agenti di sicurezza monitorano costantemente la rete, il che significa che il cliente paga per l’inferenza 24/7, non solo in modo sporadico.”

Il CEO di Palo Alto Networks afferma che “il settore della AI Security deve ancora essere costruito davvero” e la capitalizzazione combinata di CrowdStrike e Palo Alto si attesta sui 490 miliardi, ben lontana dagli AI player da trilioni, sollevando aspettative di rivalutazione dell’intero settore.

I dati resi noti dal CEO di CrowdStrike, George Kurtz – nello stesso panel – danno concretezza all’urgenza: gli attacchi informatici AI-enabled sono saliti dell’89% nell’ultimo anno, con il tempo di violazione più rapido ridotto a 27 secondi. 27 secondi sono meno del tempo di triage di gran parte dei team umani di sicurezza, argomento centrale a favore della sostituzione degli analisti con agenti autonomi.

Jensen Huang definisce CrowdStrike il “primo partner di sicurezza informatica di Nvidia” e giudica il lancio di SafeMind “un punto di svolta per la cyber sicurezza”.

Tema 5: Il “pay-per-outcome” di OpenAI e l’economia della frequenza d’uso

L’intervento della CFO di OpenAI, Sarah Friar, fornisce segnali chiave sulla frontiera dell’AI business.

Enterprise già metà del fatturato: il mix consumer/enterprise è passato da 60:40 a inizio anno a 50:50 a metà anno. Il run-rate annuo complessivo di luglio cresce del 20% mese su mese, il comparto enterprise del 32%, e il livello è già elevato.

La vera nuova metrica è la frequenza d’uso: il top 10% dei clienti enterprise consuma già 8 volte più token rispetto al cliente medio (prima era 3x); in OpenAI il dato interno tocca 33 volte. Friar definisce questo 33x come “una preview del futuro comportamento della clientela”, segnalando che la crescita enterprise deriverà più dall’aumento del consumo per cliente che dal recruiting di nuovi clienti.

La strategia prezzi è già chiara: abbonamento → consumo → pay-per-outcome. Friar desidera abbandonare la fatturazione a token per passare alla revenue sharing verticale. Anche la competizione sui modelli sta cambiando: conta il costo per task, non per token; i modelli OpenAI richiedono il 68% di token in meno dei competitor per lo stesso risultato.

Tema 6: Segnali di offerta in storage, consumi ed efficienza organizzativa

SanDisk ha dato una valutazione poco considerata dal mercato: l’offerta di NAND rimarrà probabilmente limitata nel prevedibile futuro, mentre la diffusione massiva dell’inferenza AI continua a spingere la domanda; questo implica una logica di sostegno ai prezzi NAND.

I segnali dal lato consumi sono concordanti: Block afferma che “la spesa dei consumatori nel secondo trimestre è stata estremamente robusta e questo trend persiste in luglio e agosto”; Toast conferma la solidità dei livelli di spesa; Booking.com segnala una domanda viaggi resiliente. Tutto in linea con le precedenti dichiarazioni di Visa in conferenza.

Anche la trasformazione della produttività interna tramite AI trova conferma: Booking.com applica già la generative AI in customer service e sviluppo software, “stiamo già vedendo benefici concreti”; Etsy realizza “una comprensione più profonda dell’inventario, dei clienti e delle intenzioni di acquisto” grazie all’AI.

La “seconda fase dell’AI” secondo Goldman Sachs

La serie di report pubblicati da Goldman Sachs prima e dopo la conferenza costituisce la base analitica per comprendere questa edizione.

Primo livello: Da “espansione capacità” a “monetizzazione dei token”. Gli analisti Goldman sottolineano che i capitali globali stanno passando dalla hardware bottleneck della prima fase ad applicazioni che trasformano i token in produttività, ricavi e cassa per le aziende. I criteri chiave per giudicare i player applicativi sono: possesso di database esclusivi e grandi, workflow potenti, agenti intelligenti con ciclo operativo chiuso e ROI chiaro.

Secondo livello: Da “duopolio” a “competizione multipolare”. Rich Privorotsky, responsabile Goldman Sachs One-Delta, evidenzia che lo storytelling AI sta passando dalla “gara tecnologica frontier Nvidia-Google” a un quadro fortemente competitivo e multipolare. Meta e xAI già offrono servizi API d’avanguardia a prezzi molto più bassi. Se la concorrenza fa scendere i prezzi dei token, l’idea bullish che ne sortirà una domanda esponenziale non si è finora dimostrata vera: oltre il 50% delle aziende utilizza già strumenti AI a pagamento, e solo abbassare i prezzi non garantisce un nuovo boom immediato.

Terzo livello: Da “grandi modelli” a “modelli specializzati piccoli”. I workload aziendali stanno virando acceleratamente verso modelli compatti specializzati—document processing, workflow routing, compliance, customer service. Costi più bassi, maggior velocità, capacità di deployment anche on edge. Il CEO di Hugging Face, citato da Goldman, afferma che le aziende stanno affrontando una transizione strutturale dal “noleggiare API chiuse” al “possedere ed eseguire modelli open source propri”.

Quarto livello: L’efficienza del capitale diventerà il test finale. Il dubbio di Goldman non sta nel se i cloud giant rallenteranno gli investimenti, ma nel quando gli azionisti chiederanno maggiore efficienza del capitale. Quando arriverà questa pressione, anche con dati ancora fortissimi per i beneficiari hardware, i multipli di valore faranno fatica a reggere.

Una frase per riassumere lo stato attuale della Silicon Valley

L’essenza della seconda fase AI non è “l’AI rallenta”, ma “l’AI passa da narrativa della scarsità a narrativa della distribuzione”. La capacità computazionale resta insufficiente, ma il mercato chiede: in quali mani questi calcoli si trasformeranno effettivamente in cash flow? Huang risponde: “Investi uno, incassi cento”. OpenAI: “Pay-per-outcome”. Goldman Sachs: “l’output utile per ogni dollaro investito in AI”. Chi trasformerà i token in risultati aziendali verificabili, scriverà le regole dell’AI nella seconda fase.