Ogni milione di token scende sotto 1 dollaro! Goldman Sachs: "L'aumento del volume e il crollo dei prezzi" scuotono la logica degli investimenti in capitale per l'AI

La narrativa centrale sugli investimenti nelle infrastrutture AI sta affrontando una sfida severa dal punto di vista dell’economia unitaria. Il crollo dei prezzi dei Token sta avvenendo a una velocità superiore alle aspettative precedenti del mercato, mettendo fondamentalmente in discussione la logica dei ricavi che ha sostenuto le valutazioni del settore AI negli ultimi due anni.

Secondo l’ultimo rapporto di Rich Privorotsky, responsabile della piattaforma di trading One-Delta di Goldman Sachs, l’indice Silicon Data LLM Token Expenditure Index (codice: SDLLMTK), che misura il prezzo medio ponderato per ogni milione di Token utilizzati sul mercato, nel solo mese di agosto è sceso del 29%, chiudendo il mese a circa 0,97 dollari, un nuovo minimo storico e oltre il 50% sotto il picco di maggio di circa 2,05 dollari. È la prima volta che tale indice scende sotto la soglia di 1 dollaro per milione di Token.

Contemporaneamente, secondo il rapporto del data center di JPMorgan, il volume di utilizzo dei Token sulla piattaforma OpenRouter ad agosto è aumentato di circa il 47% su base mensile, ma la spesa in dollari è cresciuta soltanto del 7% circa. Il divario tra volumi crescenti e prezzi in calo rivela direttamente il nucleo della contraddizione negli investimenti AI attuali: il ritorno del mercato azionario viene calcolato in dollari, non in numero di Token, e le spese capitali dei mega data center vengono misurate sulle aspettative di entrate in dollari.

Privorotsky sottolinea chiaramente nel suo rapporto: "Più domanda con prezzi più bassi non è automaticamente positiva se il prezzo cade più velocemente del consumo".

Crollo dei prezzi dei Token: non una scomparsa della domanda, ma lo smantellamento del prezzo unitario

L’indice LLM Token Expenditure di Silicon Data non misura la quantità di domanda di Token, ma è un indice di prezzo ponderato sull’utilizzo. La stessa società aveva già avvisato il mercato che il calo di tale indice può dipendere dalla riduzione dei prezzi, dalla migrazione degli utenti verso modelli open source meno costosi, o da entrambe le cose; non implica necessariamente una diminuzione nell’uso delle AI.

Eppure, è proprio questo il punto. Il volume di OpenRouter è salito bruscamente, mentre i prezzi di leasing delle GPU H100 sono in calo—tutto in contrasto con la narrativa della "fiammata nella domanda di Token". Secondo Privorotsky, i dati di agosto seguono un paradigma chiaro: i volumi aumentano molto, i prezzi scendono di più, le spese in dollari restano stazionarie.

La conclusione di Goldman Sachs è: la valutazione azionaria degli ultimi due anni si basava sull’assunto "più Token equivale a più ricavi", ma i dati di agosto, per la prima volta, smentiscono chiaramente questa ipotesi.

Competizione crescente e inferenza locale: erosione strutturale nel modello di pricing per Token

Privorotsky afferma apertamente nel rapporto di dubitare della sostenibilità del modello commerciale "a pagamento per Token". La logica di pricing cloud per milione di Token dipende da tre presupposti concomitanti: modelli troppo grandi per essere eseguiti localmente, impossibilità per l’utente di sostituirli con alternative open source, carichi di lavoro sufficientemente sporadici da rendere antieconomica l’infrastruttura proprietaria. Ma questi tre presupposti stanno attualmente crollando in parallelo.

Lato hardware, notebook RTX Spark, workstation DGX Spark, Mac Studio capaci di gestire modelli da 70 miliardi di parametri, e NPU con capacità tra 40 e oltre 75 TOPS, hanno portato il costo marginale di un gran numero di Token a livelli praticamente equivalenti al solo costo dell’energia elettrica. Se la bolletta API mensile di un’azienda supera il costo ammortizzato di un apparecchio dai 5000 ai 15000 dollari, quella società passa dall’essere consumatore di Token a acquirente hardware one-off, piuttosto che continuare a generare un margine del 40% come utente in abbonamento software continuativo.

Dal punto di vista della competizione sui modelli, a partire dal 2 settembre Meta ha introdotto Muse Spark 1.3, che nei benchmark indipendenti è alla pari con GPT-5.6 Sol e Claude Opus 5, con prestazioni di spicco in task agent e code generation. Privorotsky puntualizza: "Il vantaggio di frontiera si misura in settimane, non è un fossato competitivo, ma un semplice ciclo di prodotto." Ogni volta che un modello sub-ottimale si avvicina e costa meno, le aziende bypassano gli strati premium, e l’indice dei prezzi dei Token riflette proprio questa aggregazione di decisioni di routing.

Logica delle spese capitali sotto pressione: il credito ha già lanciato l’allarme

Il rapporto di Goldman Sachs evidenzia che l’attuale ciclo di spesa capitale nell’AI non rappresenta una spesa operativa flessibile, ma un impegno su asset pesanti ormai vincolato. Secondo il rapporto, le cinque mega-cloud classificate prevedono spese capitali complessive di circa 737 miliardi di dollari entro il 2026, pari al 38% dei loro ricavi. Moody’s ha già messo in guardia su compressione del cash flow libero, spostamento del bilancio da asset leggeri a pesanti e obblighi di leasing che, sebbene non siano obbligazioni in forma di bond, vincolano comunque in modo sostanziale gli emittenti.

Il mercato del credito ha reagito prima di quello azionario. Secondo una raccolta di dati sulle relative obbligazioni, tra i 91 bond emessi dai mega-cloud nel 2026, ben 78 hanno perso valore e sono scesi sotto il prezzo di emissione prima della fine di agosto. Privorotsky chiama questo fenomeno "repricing del credito" e sottolinea che le valutazioni azionarie sono un indicatore ritardato rispetto al credito.

La sequenza logica è chiara: prezzo dei Token in calo del 30%, volumi in crescita del 20%, ricavi dell’inferenza in discesa; i ricavi diminuiscono mentre, nel ciclo costruttivo 2025-2027, ammortamenti e interessi sono ancora in aumento, con conseguente crollo dei ritorni sugli investimenti; una volta crollata la redditività, il mercato non ha bisogno di una "drammatica esplosione della bolla", ma basta semplicemente adeguare i multipli di valutazione per rispecchiare la realtà di un’impresa utility con molti asset e poco potere di prezzo.

GPT-6 Astra: l’unico catalizzatore rimasto per invertire la narrativa

Nel rapporto, Privorotsky identifica Astra, il prossimo modello OpenAI, come l’unico catalizzatore plausibile nel breve termine in grado di cambiare drasticamente la situazione. Il primo settembre OpenAI ha annunciato che Astra ha raggiunto la soglia critica di cybersecurity secondo il Preparedness Framework, diventando il primo modello incluso in tale categoria.

Tuttavia, Goldman Sachs resta prudente. Un modello radicale a cui si può accedere solo con restrizioni, soggetto a monitoraggio e con alti attriti d’uso non amplia automaticamente il pool di ricavi da Token. Se i carichi di lavoro di alto valore restano confinati a test controllati senza entrare nel sistema tariffario pubblico, Astra potrebbe addirittura ridurre il volume di Token fatturati.

Il rapporto si conclude così: Astra è l’ultimo grande catalizzatore attualmente identificabile in grado di spostare la composizione dei ricavi nuovamente verso i segmenti di maggior valore. Fino ad allora, i dati sui prezzi dei Token di agosto rappresentano il segnale di mercato più fedele: la domanda può crescere all’infinito, ma se il prezzo per domanda illimitata non copre i costi del debito usato per costruire i data center, i prezzi delle azioni possono comunque scendere.