- Le aziende tecnologiche utilizzano sempre più prestiti garantiti da GPU — i chip utilizzati per l’addestramento dei Large Language Models (LLM) — per finanziare investimenti nell’IA per centinaia di miliardi di dollari all’anno.
- GPU e server correlati rappresentano il 30-40% dei costi totali dei progetti di data center, secondo le stime di Citigroup.
- Modello comune: creazione di una società veicolo (SPV) che acquista GPU ad alte prestazioni e le concede in leasing alla stessa corporazione tecnologica, aiutando a spostare il debito fuori dal bilancio.
- Gli investitori sono attratti da rendimenti compresi tra la “parte alta della singola cifra e la metà della doppia cifra” (high single digits to mid-teens), superiori alle normali obbligazioni societarie tech.
- Questa tendenza è stata avviata da CoreWeave alla fine del 2023, quando la domanda di chip IA è esplosa e i prezzi sono saliti vertiginosamente.
- Apollo ha annunciato un pacchetto di finanziamenti da 3,5 miliardi di dollari per il fondo di infrastrutture digitali di Valor Equity Partners per l’acquisto di superchip Nvidia GB200 da noleggiare alla xAI di Elon Musk.
- IREN Limited ha raccolto 3,6 miliardi di dollari in impegni di prestito da Goldman Sachs e JPMorgan per l’acquisto di chip destinati ai contratti IA con Microsoft.
- I contratti spesso includono clausole “hell or high water”, che obbligano il locatario a continuare i pagamenti indipendentemente dai cambiamenti delle condizioni, riducendo il rischio di rapida obsolescenza dei chip.
- Moody’s ha iniziato a valutare questo tipo di debito, ma ritira i rating alla conclusione del contratto di leasing.
- Rischio elevato: il ciclo di vita delle GPU potrebbe essere più breve del periodo di ammortamento; i chip vecchi di pochi anni possono perdere drasticamente valore, rendendo difficile la rivendita in caso di insolvenza. Alcuni investitori la definiscono una “grande scommessa”.
📌 Le aziende tecnologiche finanziano centinaia di miliardi di dollari di investimenti annui in IA tramite prestiti garantiti da GPU. Il modello prevalente prevede l’uso di SPV per acquistare chip e noleggiarli alle Big Tech, spostando il debito fuori bilancio. Operazioni da 3,5–3,6 miliardi di dollari mostrano l’enorme portata della sfida globale sull’IA. Tuttavia, con GPU che rischiano l’obsolescenza prima di 3 anni e un mercato secondario incerto, questo modello comporta rischi significativi di valutazione e di ciclo di vita degli asset per gli investitori.
