Hyperscaler, i grandi protagonisti del settore dell'intelligenza artificiale

Spesso raggruppati all’interno di un unico trade legato all’intelligenza artificiale, gli hyperscaler stanno in realtà perseguendo modelli industriali differenti. Guardando oltre i dati relativi al capex, queste società - ovvero Microsoft, Alphabet, Amazon e Meta - non stanno allocando capitale per gli stessi obiettivi, non stanno monetizzando l’AI allo stesso ritmo e non stanno costruendo gli stessi vantaggi competitivi.

Come si legge nell'analisi di Raphael Thuin, Head of Capital Markets Strategies di Tikehau Capital, oggi conta meno la scala assoluta della spesa e più la qualità di tale spesa: ovvero se essa si traduca in una maggiore visibilità della domanda, in un controllo più ampio dello stack tecnologico e, in ultima analisi, in un percorso più chiaro che conduca dalla costruzione dell’infrastruttura alla generazione di ricavi. In questo contesto, Thuin torna ad analizzare i modelli di business e le tesi d’investimento dei principali hyperscaler.

Sta diventando sempre più evidente che, spiega Thuin, il percorso di monetizzazione differisce in modo significativo da un player all’altro. Microsoft sta integrando l’AI nei software enterprise; Google sta monetizzando uno stack verticalmente integrato; Amazon sta posizionando AWS come un layer infrastrutturale neutrale per sviluppatori terzi; mentre Meta utilizza l’AI principalmente per rafforzare le proprie piattaforme e il proprio motore pubblicitario, piuttosto che per vendere direttamente infrastrutture cloud.

Thuin analizza il segmento attraverso quattro pilastri chiave: percorso di monetizzazione, controllo dello stack, visibilità sulla domanda e qualità della spesa.

Per quanyo riguarda Google, osserva Thuin, Alphabet appare ben posizionata nell’AI grazie a un elevato grado di integrazione verticale tra chip, modelli e distribuzione, che abbraccia sia i prodotti consumer sia quelli enterprise. Il suo vantaggio infrastrutturale sta inoltre diventando sempre più tangibile dal punto di vista commerciale, poiché Google monetizza in misura crescente parti del proprio stack oltre l’utilizzo interno.

Il rischio principale, secondo Thuin, non è una brusca rottura del business della Search, bensì un cambiamento più graduale nel modo in cui le informazioni vengono ricercate: man mano che AI Overviews e AI Mode riducono la dipendenza dai tradizionali “blue links”, l’economia della Search potrebbe diventare nel tempo meno attraente, a causa di minori click-through e di una monetizzazione più debole del traffico.

Detto ciò, evidenzia Thuin, al momento non vi sono evidenze chiare di una perdita di quote di mercato e i ricavi della Search continuano a crescere, suggerendo che il rischio, per ora, riguardi più una transizione economica di lungo termine che una disruption nel breve periodo, secondo l'analisi di Thuin.

Microsoft basa la propria tesi sull’AI principalmente sulla distribuzione, spiega Thuin, attraverso Copilot, Azure e il suo più ampio ecosistema software, che le consentono di integrare l’AI direttamente nei workflow enterprise su larga scala. La partnership con OpenAI le ha garantito un vantaggio iniziale, mentre Azure Foundry e un approccio multi-modello più aperto contribuiscono a ridurre la dipendenza da un singolo provider.

Allo stesso tempo, osserva Thuin, il mercato continua a nutrire dubbi su diversi aspetti, tra cui la tenuta della relazione con OpenAI, il reale impatto su Azure e sul software, la mancanza di LLM e chip proprietari leader di mercato e la ricezione ancora contrastata di Copilot.

Il rischio principale, secondo Thuin, è quello della disintermediazione software: se i workflow enterprise dovessero spostarsi da strumenti come Excel o Microsoft 365 verso agenti autonomi alimentati da modelli di terze parti, il software potrebbe diventare più simile a un’infrastruttura backend e parte della catena del valore potrebbe allontanarsi da Microsoft.

Thuin ritiene pertanto che Microsoft sia ben posizionata dal punto di vista commerciale, ma che si trovi anche ad affrontare uno dei dilemmi strategici più evidenti nell’ambito dell’AI.

Amazon fonda il proprio posizionamento nell’AI su flessibilità, scala ed efficienza dei costi. Attraverso AWS, spiega Thuin, il gruppo fornisce l’infrastruttura, i modelli e gli strumenti necessari per sviluppare applicazioni AI e non-AI, mentre i chip proprietari - come Graviton e Trainium - migliorano il rapporto prezzo-prestazioni.

Questo distingue Amazon dai competitor maggiormente focalizzati sulla cattura dell’attenzione degli utenti o sulla difesa dei workflow software, poiché la sua proposta di valore si basa soprattutto su un’offerta ampia, prezzi competitivi e una logistica efficiente.

Secondo Thuin, il principale rischio riguarda invece il commercio: nel tempo, gli agenti AI potrebbero bypassare l’interfaccia retail di Amazon, indebolendo la relazione con il cliente e penalizzando il business pubblicitario. In questa fase, tuttavia, Thuin ritiene che tale rischio sia più strutturale che immediato.

Meta si distingue per una strategia AI focalizzata principalmente sul rafforzamento delle proprie piattaforme, del coinvolgimento degli utenti e dell’efficienza pubblicitaria, piuttosto che sulla vendita di infrastrutture a terzi. Il suo percorso di monetizzazione è pertanto meno diretto, sebbene la rilevanza strategica rimanga significativa. Il rischio principale risiede nell’elevato livello di investimenti infrastrutturali e nella crescente intensità di capitale, in assenza di un business cloud pubblico significativo in grado di assorbire parte dei costi. A nostro avviso, la strategia è coerente, ma particolarmente impegnativa dal punto di vista dell’allocazione del capitale.

Nel complesso, gli hyperscaler rimangono, a nostro avviso, uno dei modi più rilevanti per ottenere esposizione al tema d’investimento dell’AI, grazie alla loro visibilità sulla domanda, al forte potere di pricing e alla capacità di generare flussi di cassa sufficienti a finanziare i propri investimenti. Tuttavia, non dovrebbero più essere considerati esposizioni intercambiabili allo stesso tema. Con la crescente divergenza dei modelli di business, l’AI sta diventando sempre più una storia di selezione, plasmata dal percorso di monetizzazione e dal profilo di rischio di ciascun player.