Muse scalda l'infrastruttura AI, mentre gli investitori si concentrano sui risultati di Micron (MU.US)! I contratti pluriennali da centinaia di miliardi alimenteranno la febbre della potenza di calcolo AI?

Secondo quanto riportato da Finanza Intelligente APP, con Meta Muse e OpenAI Astra che guidano l’espansione globale dei workflow degli agenti intelligenti verso esecuzioni continue e collaborazioni multi-step, la domanda globale di potenza computazionale AI si prepara a una nuova ondata di crescita esplosiva. Questo rappresenta una delle principali logiche alla base della rapida diffusione delle applicazioni degli agenti AI nei mercati azionari globali, superiore alle attese, traducendosi in una crescita attesa per leader come SK Hynix, Samsung, Micron, Nvidia, AMD, TSMC e altri fornitori chiave di infrastrutture di potenza computazionale AI.

Attualmente il mercato sta rivalutando la domanda di CPU, memoria e storage a supporto di tali applicazioni. Il report finanziario che verrà pubblicato la prossima settimana da Micron (MU.US), uno dei tre principali produttori mondiali di chip di memoria, sarà quindi una finestra cruciale per valutare nello specifico il super ciclo dello storage e l’attuale ondata senza precedenti di infrastrutture AI.

Gli agenti AI e i modelli di AI avanzati stanno penetrando rapidamente in vari settori globali, generando una domanda costante e in forte crescita di hardware core di infrastruttura AI quali GPU/TPU, CPU per data center, sistemi di interconnessione ottica e chip di storage per data center. Questa tendenza si traduce in prestazioni record e in outlook ampiamente superiori alle attese per i tre grandi produttori di chip di memoria—SK Hynix, Samsung e Micron—mentre la sostenibilità della crescita dei guadagni e delle prospettive di performance determinerà l’ulteriore rivalutazione delle aziende nel prossimo periodo.

Come mostrato nell’immagine sopra, la crescita accelerata dei ricavi di Micron evidenzia come la domanda di chip di storage si stia rapidamente traducendo in risultati tangibili. Micron pubblicherà i risultati del quarto trimestre fiscale 2026 il 30 settembre; nel trimestre precedente i ricavi hanno raggiunto i 41,456 miliardi di dollari, in crescita di circa il 346% su base annua, con un utile per azione rettificato di 25,11 dollari. La guidance per il quarto trimestre prevede ricavi per 50 miliardi di dollari (con una variazione di 1 miliardo), un margine lordo di circa l’86% e un utile per azione rettificato di 31 dollari (con una variazione di 1 dollaro). Ancora più significativo, Micron ha rivelato che dei 16 accordi strategici con clienti firmati, 14 prevedono un valore cumulativo di circa 100 miliardi di dollari, calcolato ai prezzi minimi contrattuali, che contribuirà a migliorare la visibilità su ricavi e profitti futuri.

Bisogna però considerare che benchmark di performance così ambiziosi e aspettative analitiche allineate come quelli attuali implicano che il mercato non sia interessato solo ai risultati trimestrali oltre le attese, ma osservi con attenzione se prezzi, volumi di spedizione e ordini a lungo termine per l’anno fiscale 2027 potranno mantenere la crescita degli utili prevista.

La chiave dell’ottimismo rialzista sta nel fatto che gli acquisti di infrastrutture AI stanno coprendo sistemi di calcolo sempre più completi. Secondo il report S&P Global del 22 settembre, gli analisti di Wall Street prevedono che il capex complessivo dei quattro giganti tech Meta, Alphabet, Amazon e Microsoft raggiungerà circa 2,8 trilioni di dollari tra il 2026 e il 2028; inoltre, le stime di Visible Alpha per gli utili per azione di Micron nell'esercizio 2027 sono state riviste significativamente al rialzo da circa 90 dollari di marzo a circa 156 dollari.

Muse di Meta e Astra di OpenAI hanno potenziato fortemente le capacità operative, di programmazione e di workflow altamente specialistici a più step. Questo fa prevedere come la rapida espansione delle applicazioni AI stia contemporaneamente accrescendo gli investimenti in infrastrutture sia per “la riflessione del modello” sia per “l’esecuzione pratica”. Per questa ragione, col sostanziale avanzamento della commercializzazione AI, il team di analisti senior di UBS ha rivisto al rialzo del 30% la previsione del flusso di cassa operativo dei principali hyperscaler e nuove aziende cloud per il 2027; anche Morgan Stanley prevede che i capex totali dei data center dei quattro hyperscaler nordamericani e di aziende AI come Oracle passeranno da 917 miliardi di dollari nel 2026 a 1,47 trilioni nel 2027 e 1,64 trilioni nel 2028, con la capacità di dispiegamento che crescerà da 35 GW nel 2025 fino agli impressionanti 145 GW nel 2028.

Maggiore è il livello di “operatività” dell’AI, più risultano indispensabili CPU e chip di memoria: perché?

La variazione più significativa nella domanda di potenza computazionale generata dagli agenti intelligenti è che un singolo comando utente può avviare un'intera catena di lavoro continuativa. Attività come ricerca, programmazione o lavoro aziendale implicano fasi di pianificazione, ricerca, navigazione web, lettura di file, esecuzione di codice, verifica dei risultati e correzione degli errori, richiamando più volte il modello e generando sempre nuova contestualizzazione. Secondo Meta, Muse opera su una macchina virtuale sicura su cloud dotata di browser indipendente, continuando i compiti anche dopo la chiusura dell’app da parte dell’utente; OpenAI sottolinea il miglioramento delle capacità di Astra nell’operatività su computer, browser e workflow specialistici multi-software. Da un punto di vista ingegneristico, l’estensione di queste attività dai pochi utenti intensivi ai processi aziendali quotidiani fa sì che la domanda di infrastrutture venga trainata dalla scala utenti, dalla frequenza dei task, dalla durata delle attività e dai picchi di concorrenza simultanea.

Questo spiega anche perché il mercato sta ponendo maggiore attenzione alle CPU per data center di AMD, Intel e architettura Arm. Le GPU e gli ASIC gestiscono i carichi dei grandi modelli neurali; le CPU sono responsabili di macchine virtuali, browser, sandbox del codice, scheduling delle attività, pre-elaborazione dei dati ed esecuzione degli strumenti. L’efficacia operativa degli agenti dipende dalla capacità di integrare l’inferenza del modello e la sua concreta esecuzione; eventuali latenze tra CPU, database o processi di I/O possono compromettere l’utilizzo degli acceleratori costosi. AMD, per esempio, con la sua soluzione PACE, adotta chiaramente un’orchestrazione su CPU e inferenza pesante su GPU, mentre Arm considera l’esecuzione sandbox degli agenti come carico di lavoro core per le CPU cloud. Questo offre solide basi ingegneristiche alla crescita della domanda di CPU, oltre a fare di DRAM di server, storage e networking gli anelli chiave di una stessa catena del valore.

Dal punto di vista dell’inferenza dei modelli AI, la fase di pre-fill si occupa del contesto di input, quella di decoding genera in modo continuativo l’output; i pesi del modello e la cache chiave-valore (KV Cache) occupano capacità e banda memoria. In presenza di strategie di modello e caching simili, il maggior contesto, la più elevata concorrenza e una superiore quantità di task paralleli faranno crescere lo stato richiesto dal sistema. Si delinea dunque una netta suddivisione fra: HBM che supporta banda di accesso elevata per gli acceleratori; DRAM di server dedicata al working set CPU e parte della cache; SSD aziendali che storageano file, stato dell’applicazione e parte del contesto d’inferenza in sistemi con caching multilivello. La soluzione CMX di Nvidia ha già aggiunto uno strato flash connesso in Ethernet tra memoria GPU e storage condiviso, consentendo al contesto di essere salvato, migrato e riutilizzato tra nodi; capacità, velocità di accesso e bandwidth di rete concorrono così a determinare il throughput dei servizi di inferenza.

Questa espansione della domanda trova già riscontro in sistemi di produzione su vasta scala. OpenAI, l’11 settembre, ha rivelato che la sua piattaforma online Habitat processa oltre 70 milioni di richieste al secondo, gestendo oltre 500PB di dati e occupandosi di routing, compressione, crittografia e verifica. Si tratta dei dati complessivi del backend e delle applicazioni di numerosi prodotti OpenAI, a testimonianza dell’enorme carico applicativo e dello storage sottostante i servizi AI. L’entrata in produzione di nuovi agenti comporterà requisiti ancora più spinti su server, RAM, SSD aziendali e interconnessione rapida; la crescita di scala dei cluster e della potenza per rack farà salire la domanda anche di interconnessione ottica, alimentazione e raffreddamento. Tuttavia, gli incrementi effettivi dipenderanno dalle modalità di implementazione e dai livelli di utilizzo.

Inoltre, modelli più forti portano a un aumento dell’efficienza, ampliando le tipologie di task che diventano economicamente interessanti. Meta ha dichiarato che, nei test interni, Muse Spark 1.3 riduce di circa il 20% le chiamate agli strumenti rispetto a 1.2 e di circa il 25% il consumo di token. Questo lascia intendere che il costo di risorse per task simili può ridursi consentendo alle aziende di delegare all’AI processi prima troppo costosi o lenti. Il driver chiave della crescita attesa della domanda di potenza computazionale è proprio che, col calo dei costi, la crescita degli utenti e dei task possa superare il calo del consumo unitario per task. Ad esempio, considerando solo i token, una riduzione del 25% per task richiederebbe una crescita delle attività di oltre il 33,3% perché il volume complessivo salga; ciò dimostra che efficienza e ampliamento dell’infrastruttura possono coesistere, e la vera variabile per il cosiddetto effetto Jevons è l’elasticità della domanda.

Contratti decennali da cento miliardi: come il mercato rivaluta il super ciclo dello storage?

Per Micron, il produttore USA di chip di memoria, il vantaggio sta nel coprire contemporaneamente HBM, DRAM per server e storage NAND, potendo quindi contribuire all’aggiornamento delle varie parti dell’infrastruttura agent. A differenza di SK Hynix e Samsung, inoltre, Micron non deve preoccuparsi delle pressioni politiche derivanti dalla spinta governativa USA al “rimpatrio della produzione di chip” né dalle incertezze sulle tariffe che potrebbero essere nuovamente introdotte dall’amministrazione Trump.

Nell’ultimo trimestre, i ricavi delle memorie cloud hanno raggiunto 13,769 miliardi di dollari (+78% sul trimestre precedente); i ricavi core del data center sono stati di 11,524 miliardi e sono raddoppiati (+103%). Micron ha anche dichiarato che i ricavi SSD per data center hanno superato i 5 miliardi, più che raddoppiati rispetto al trimestre precedente. Western Digital (SNDK.US), altro colosso focalizzato su NAND Flash e SSD, è quindi un utile punto di riferimento per le prospettive fondamentali del mercato, in particolare per domanda enterprise, prezzi NAND e outlook tra domanda e offerta. Le due aziende partecipano alla stessa wave di costruzione AI, ma la differenti struttura di prodotto dà loro elasticità di profitto diversa.

La velocità di aggiustamento dell’offerta è tra i principali fattori di sostegno della redditività dello storage in questa fase. Una nuova fabbrica di wafer richiede costruzione, installazione dei macchinari, ramp-up di processo e certificazione cliente; HBM richiede inoltre stack multistrato, advanced packaging e verifica di sistema, per cui i nuovi investimenti in wafer impiegano tempo per diventare prodotti consegnabili. La dirigenza Micron ha suggerito che la tensione tra domanda e offerta di DRAM e NAND potrebbe protrarsi fino al 2027, con le condizioni di offerta che dovrebbero migliorare gradualmente nel 2028, ma senza certezze su quando sarà colmata la domanda. L’espansione dell’offerta HBM4 di Samsung merita quindi attenzione, ma occorre valutare la capacità logica a 4nm insieme al die DRAM, ai rendimenti di packaging e alla certificazione cliente per stimare la reale fornitura HBM aggiuntiva. Più rilevante per gli investitori è osservare il delta di crescita tra nuova fornitura effettiva e domanda AI, non solo il dato di espansione produttiva tout court.

I contratti di lungo periodo rappresentano un ulteriore pilastro per la sostenibilità dei margini di Micron. In occasione della pubblicazione dei dati di giugno, l’azienda ha annunciato 16 accordi strategici, che coprono circa il 20% delle vendite di DRAM e un terzo delle vendite di NAND per la durata contrattuale; di questi, 14 prevedono introiti cumulativi di circa 100 miliardi di dollari ai prezzi minimi pattuiti. Gli accordi garantiscono volumi di acquisto (“take-or-pay”) e, per alcuni, un intervallo di prezzo fissato.

Il significato di tali contratti decennali, per l’investimento tematico nella potenza computazionale, è che i clienti assicurano approvvigionamenti a lungo termine, Micron ottiene una migliore pianificazione della capacità e una maggiore visibilità dei ricavi, riducendo la sensibilità di parte del business alle variazioni di prezzo di breve termine. È importante notare che quando Micron parla di “circa metà o più dei ricavi coperti da accordi” si riferisce a una proiezione sul program previsto, da non confondere col livello già realizzato.

La dirigenza Micron ha anche stimato che questi accordi porteranno circa 22 miliardi di dollari di depositi cauzionali e impegni finanziari correlati, di cui circa 18 miliardi in depositi in contanti. Ciò riflette la volontà dei clienti di assicurarsi forniture continuative e sostiene la pianificazione delle espansioni; contabilmente, questi depositi appaiono tra le attività di finanziamento e verranno progressivamente restituiti nella fase finale dei contratti. Quindi, nel valutare i report trimestrali, è ancora più importante esaminare nuovi accordi siglati, copertura, mix di prodotto e stato delle consegne, e capire come tali trend impatteranno sulla prevedibilità del cash flow operativo futuro.

Inoltre, la “settimana extra” del Q4 inciderà direttamente sull’interpretazione della crescita. Questo trimestre di Micron dura 14 settimane, il precedente ne aveva 13: al valore medio della guidance da 50 miliardi, la crescita nominale sul trimestre è di circa il 20,6%, ma la crescita su base settimanale è intorno al 12,0%. Eseguendo un calcolo più meccanico, tornando a 13 settimane nel trimestre seguente e mantenendo i ricavi settimanali costanti, il fatturato trimestrale sarebbe di circa 46,43 miliardi di dollari. Questo dimostra che, nell’interpretare le previsioni per il nuovo anno fiscale, è necessario considerare simultaneamente settimane, prezzi, volumi e mix prodotto; la variazione degli aggregati trimestrali non indica da sola la svolta nella domanda. L’attenuazione degli aumenti di prezzo indicata dal management va valutata insieme al livello assoluto dei prezzi e alla crescita delle spedizioni.

Le informazioni di maggior valore per gli investitori, che emergeranno dal report e dalla conference call sugli utili Micron del 30 settembre, riguarderanno la sostenibilità futura degli ordini HBM e storage enterprise, i prezzi di DRAM e NAND, la crescita di capacità effettiva nel 2027 e la possibilità di ampliare la copertura degli accordi di lungo periodo. La media delle previsioni degli analisti di Wall Street compilata da TIPRANKS assegna a Micron un obiettivo medio a 12 mesi di circa 1.550 dollari, il che, rispetto al prezzo di chiusura del 23 settembre pari a 1.071,88 dollari, segnala un potenziale rialzo superiore al 40%.