Goldman Sachs avverte: la domanda energetica dell'AI equivale a "ricreare un Giappone", turbine, trasformatori e resistenza politica sono i principali ostacoli

La domanda di energia elettrica dei data center guidati dall’AI si sta espandendo a una velocità superiore alle aspettative; il nodo principale dal lato dell’offerta è passato da “abbiamo abbastanza energia elettrica?” a “riusciremo a costruire in tempo?”.

L’ultima ricerca di Goldman Sachs avverte che, dal 2024 all’inizio del 2030, il nuovo consumo di energia elettrica dovuto all’AI sarà equivalente al consumo totale del Giappone, il quinto maggior consumatore di energia al mondo. Allo stesso tempo, la carenza di turbine, trasformatori, linee di trasmissione e lavoratori specializzati, unita alla resistenza della politica locale, rappresenta il vero collo di bottiglia che limita l’attuazione dell’offerta.

Goldman Sachs ha rivisto al rialzo la previsione di crescita della domanda di energia negli Stati Uniti, portando il tasso di crescita annuale composto dal 3,2% al 3,5%. La previsione sulla domanda di elettricità dei data center negli Stati Uniti per il 2030 è stata significativamente alzata da 83 GW a 108 GW, mentre la stima sull’aumento della domanda elettrica globale dei data center rispetto al 2025 passa dal 117% al 170%. Parallelamente, anche le previsioni di spesa in conto capitale degli hyperscaler cloud sono state riviste al rialzo: per il 2027 da 1.200 a 1.700 miliardi di dollari e per il 2029 da 1.500 a 2.100 miliardi di dollari.

Goldman Sachs sottolinea che il suo scenario di riferimento non prevede un blackout su vasta scala negli Stati Uniti, ma che la tensione regionale sull’approvvigionamento di energia, l’aumento dei prezzi dell’energia e il malcontento pubblico influenzeranno profondamente i tempi di costruzione effettivi. Attualmente, la regione PJM è già in uno stato critico, mentre ERCOT si prevede sarà sotto pressione per la crescita dei carichi intorno al 2028. Ottenere il supporto dell’opinione pubblica e dei livelli politici sarà determinante per la realizzazione effettiva della capacità elettrica prevista.

Domanda in continua revisione al rialzo: il miglioramento dell’efficienza è compensato da una scala di applicazioni più ampia

Secondo l’analista di Goldman Sachs Brian Singer, i miglioramenti nell’efficienza di chip e modelli sono reali, ma non hanno portato a una riduzione della spesa informatica complessiva. Un minor costo del calcolo ha ampliato l’ambito delle applicazioni economicamente sostenibili; una maggiore generazione di token, carichi di lavoro più vasti per agenti intelligenti e budget sempre in crescita degli hyperscaler hanno non solo compensato, ma anche sopravanzato i benefici dell’efficienza.

Il tasso di vacancy nei principali mercati di data center statunitensi è sceso rapidamente dal 2%-7% all’1%-2%; Goldman Sachs prevede che tornerà a circa il 3% nel 2030. Questa situazione di domanda e offerta sempre più tesa conferma ulteriormente la logica dell’aumento delle previsioni sulla domanda.

Singer quantifica questa tendenza con un esempio intuitivo: "Se si conta dall’inizio del 2024, nei sette anni fino alla fine del decennio, il nuovo consumo di energia elettrica dovuto all’AI sarà pari a quello del Giappone, il quinto maggiore consumatore di energia al mondo. L’entità di questa scala è estremamente significativa.”

Percorsi di approvvigionamento: gas naturale in prima linea, seguono rinnovabili e infine nucleare

Goldman Sachs delinea un percorso a fasi per l’approvvigionamento energetico dei data center: nel breve termine la priorità va a gruppi a gas a ciclo semplice e alle energie rinnovabili con accumulo; nel medio termine la transizione è verso i gruppi a gas a ciclo combinato; nel lungo termine l’obiettivo è il nucleare, prevedendo anche il riavvio di alcune centrali nucleari esistenti come soluzione di transizione. Si stima che nel 2030 circa il 60% del consumo elettrico nei data center sarà coperto dal gas naturale e circa il 40% da fonti rinnovabili (compreso l’accumulo).

A causa dei lunghi tempi di attesa per la connessione in rete (2-7 anni), la generazione a gas “behind-the-meter” (BTM) sta diventando un mezzo importante per “saltare la fila”. Goldman Sachs prevede una capacità installata BTM a gas di circa 30 GW entro il 2030 (con una produzione effettiva di oltre 20 GW), pari a circa il 20% della domanda totale dei data center prevista a quella data. Goldman Sachs considera il BTM una soluzione di transizione, ritenendo che i grandi clienti sul lungo termine prediligeranno comunque la connessione in rete per costi inferiori e maggiore affidabilità.

Dal punto di vista della distribuzione regionale, l’ascesa del MISO (Midcontinent Independent System Operator) ha una portata strutturale: le utility regolamentate possono infatti offrire un servizio integrato di generazione, trasmissione, distribuzione ed entità normativa, con prezzi dell’energia stabiliti dagli enti regolatori statali invece che dal mercato all’ingrosso, aiutando così a gestire la sensibilità politica sull’aumento delle tariffe.

I quattro "T" e i sette "P": il collo di bottiglia si è spostato dai megawatt alla supply chain e alla politica

L’analista Allison Nathan di Goldman Sachs sintetizza il conflitto fondamentale in quattro “T”: turbine, trasformatori, trasmissione e tecnici specializzati (tradespeople). Un importante produttore di turbine ha già annunciato che prevede di aver venduto metà della propria capacità produttiva fino al 2031 entro la fine dell’anno; i tempi di consegna dei macchinari stanno influenzando in modo determinante la scelta delle fonti di energia. Allo stesso tempo, dopo un decennio di stagnazione del carico elettrico negli Stati Uniti, la carenza di elettricisti e saldatori ad alta tensione sta diventando sempre più evidente, un problema strutturale difficile da risolvere a breve termine considerati i lunghi periodi di formazione richiesti.

Singer introduce inoltre la cornice dei sette “P”, che comprendono: pervasività dell’AI, produttività di chip e modelli, prezzo dell’energia, policy, parti (componentistica), personale e ambiente fisico. Il rischio legato all’ambiente fisico è particolarmente rilevante: oltre la metà dei data center sono situati in aree ad alto rischio fisico, soggette a temperature elevate, alta umidità e siccità. In Texas occidentale, le sfide rappresentate dal bilanciamento idrico-energetico dei sistemi di raffreddamento sono particolarmente marcate: l’accesso alle risorse idriche è addirittura più difficile e costoso rispetto alla nuova energia elettrica.

La resistenza politica potrebbe essere il vincolo finale: oltre 300 divieti locali già in vigore

L’analista George Lee di Goldman Sachs qualifica la questione dell’infrastruttura come “il tema singolo più importante” per i servizi pubblici negli Stati Uniti, osservando che sono già in vigore oltre 300 divieti locali e regionali, mentre i divieti a livello statale sono relativamente pochi. Avverte che se AI e industria energetica non riusciranno a sviluppare una strategia di comunicazione pubblica coerente, i fattori politici diventeranno il vincolo finale e rigido.

Le preoccupazioni delle comunità si concentrano in cinque aree: rischio di blackout, aumento delle tariffe energetiche, consumo di acqua, inquinamento acustico e smaltimento del calore residuo. Goldman Sachs prevede che i progetti verranno dirottati verso giurisdizioni più favorevoli alla regolamentazione, aumentando potenzialmente la concentrazione geografica. Contemporaneamente, la competizione tra città e comuni per base fiscale, posti di lavoro nell’edilizia e investimenti infrastrutturali crea opportunità per la realizzazione di alcuni progetti.

Dal punto di vista dei bilanci delle utility, si prevede che la spesa in conto capitale delle società regolamentate coperte dalla ricerca di Goldman Sachs crescerà di circa il 60% nei prossimi cinque anni rispetto ai cinque precedenti. Si stima che il 30%-50% di questi nuovi finanziamenti sarà attraverso il mercato azionario, mentre ci sono ancora circa 100 punti base di margine prima che il rapporto di leva finanziaria raggiunga il livello di downgrading del rating.