Per decenni la ricetta delle grandi aziende è stata relativamente lineare: comprimere il costo del lavoro, finanziarsi a basso costo e restituire capitale agli azionisti. Ora, nella lettura del team di strategia globale di Goldman Sachs, quella formula sta lasciando spazio a un ciclo diverso, in cui la spesa torna a concentrarsi sugli asset fisici. Il dato più netto riguarda i grandi hyperscaler: Amazon, Meta, Google, Microsoft e Oracle sono attesi a circa 755 miliardi di dollari di investimenti in conto capitale nel 2026, l’84% in più rispetto al 2024.
La tesi è al centro del lavoro firmato dal chief global equity strategist Peter Oppenheimer, che descrive l’ingresso in un’era di investimenti meno dipendente dal capitale a buon mercato e più segnata da tassi reali più elevati, frammentazione geopolitica e aumento sincronizzato del capex. Le stime di consenso per il 2027 portano la cifra degli hyperscaler a circa 920 miliardi di dollari, segnalando che la corsa non appare limitata a un singolo anno di spesa straordinaria.
Il cambio di passo diventa più chiaro se confrontato con il ciclo precedente. Secondo la ricostruzione di Goldman, l’epoca moderna iniziata grosso modo dopo il 1982 è stata caratterizzata da inflazione domata, deregolamentazione, privatizzazioni, riduzione delle imposte societarie e globalizzazione. Tra il 1990 e il 2009, nei dati Ocse citati dal report, la quota della remunerazione del lavoro sul reddito nazionale è scesa in 26 economie avanzate su 30, con una mediana passata dal 66,1% al 61,7%.
In quel contesto, una parte crescente della ricchezza prodotta non è finita ai lavoratori. Dopo la crisi finanziaria globale, la ripresa dell’economia reale è stata debole, ma i mercati azionari hanno corso. Lo S&P 500 è salito di oltre 400% tra marzo 2009 e il 2022, mentre i salari reali si sono mossi poco. Il meccanismo centrale è stato il buyback: con tassi vicini allo zero, le imprese hanno potuto indebitarsi a costi contenuti e usare una parte rilevante delle risorse per riacquistare azioni.
La tecnologia ha incarnato meglio di altri settori questo modello. Le grandi piattaforme avevano già sostenuto investimenti infrastrutturali importanti durante la fase dot-com e, negli anni successivi, hanno potuto raccoglierne i benefici con ritorni elevati e organici relativamente snelli. Il settore tecnologico dello S&P 500 ha generato rendimenti superiori al 1.000% nel decennio successivo alla crisi finanziaria, mentre l’occupazione manifatturiera statunitense non è tornata ai livelli precedenti. Goldman sintetizza così il vecchio equilibrio: i migliori ritorni sono arrivati dalle aree growth di lunga durata, mentre vecchia economia, asset reali e value sono rimasti indietro.
Il punto di rottura viene collocato intorno al 2022. Le strozzature nelle catene di fornitura dopo la pandemia hanno riportato l’inflazione al centro dello scenario, i tassi sono saliti rapidamente e due forze si sono imposte quasi insieme: la frammentazione dell’ordine commerciale globale e l’arrivo dei large language model, capaci di assorbire capitale a una velocità inattesa anche per le aziende che li stanno sviluppando. Nei conti del primo trimestre 2026, le società dello S&P 500 hanno registrato una crescita annua del capex del 38%, contro appena l’1% dei buyback.
La nuova destinazione del denaro, tuttavia, non sembra essere prima di tutto il lavoro. Oppenheimer indica data center, fabbriche di semiconduttori, reti elettriche e fibra come i principali destinatari della spesa. L’infrastruttura fisica dell’intelligenza artificiale richiede capitali enormi ma relativamente poche persone per essere costruita e gestita. Anche per questo il boom può rafforzare aziende e investitori senza tradursi automaticamente in aumenti salariali diffusi o in una crescita proporzionale dell’occupazione.
La lettura di Goldman si inserisce in una narrazione più ampia, che Torsten Slok di Apollo Global Management definisce “rinascimento industriale” e che l’amministrazione Trump presenta come “rinascimento manifatturiero”. La sostanza, per le imprese, è che la competizione sull’AI non riguarda solo modelli e software, ma capacità di finanziare e controllare infrastrutture energivore, reti e supply chain. Per lavoratori e utenti, invece, la domanda resta più scomoda: se il capitale torna a investire, ma soprattutto in macchine, chip e data center, la redistribuzione dei benefici sarà tutt’altro che automatica.