Analisi approfondita del report di luglio di Goldman Sachs 'Long China AI Value Chain': perché l'energia è al primo posto

Ho letto due volte il rapporto di Goldman Sachs del 8 luglio. La seconda volta, sono tornato indietro appositamente per un dettaglio: Goldman Sachs ha classificato l'elettricità al primo posto nella catena del valore dell'IA in Cina, posizionando modelli e applicazioni più in basso. All'inizio, pensavo fosse solo un'altra rotazione emotiva—la Corea che sale troppo e cade, la Cina che scende troppo e sale, con i capitali alla ricerca della prossima storia. Ma dopo aver letto l'intero rapporto, ho cambiato idea. Quello che Goldman Sachs sta realmente dicendo non è solo che "l'IA cinese crescerà", ma che l'intera catena del valore dell'IA in Cina ha formato un circuito chiuso, e la valutazione del mercato è gravemente in ritardo rispetto al suo peso economico effettivo. Ancora più controintuitivo è che l'anello con la maggiore certezza sull'intera catena è quello che la maggior parte delle persone salta per primo quando parla di IA: l'energia elettrica.

Questa classifica merita più riflessione dello spostamento delle posizioni stesso, perché risponde a una domanda diretta: dove dovrebbero andare i soldi per eguagliare l'attuale 16% di quota di ricavi globali dell'IA della Cina, che attualmente riceve solo l'1,2% delle allocazioni di fondi? In questo post, analizzerò i cinque binari—energia, semiconduttori, infrastrutture, modelli e applicazioni—spiegando che tipo di guadagni produce ciascun binario e chi sono i target rappresentativi. Mentre proseguite nella lettura, troverete diversi punti controintuitivi.

▸ Perché Goldman Sachs ha abbandonato la Corea per la Cina ▸ Energia: Il collo di bottiglia sottostante sottovalutato ▸ Semiconduttori: Sostituzione nazionale nel superciclo della memoria ▸ Infrastrutture: Dove atterrano realmente le spese in conto capitale ▸ Modelli: Perché sono classificati più in basso ▸ Applicazioni: Il punto di monetizzazione a minor rischio ▸ Come combinare i cinque binari e dove risiedono i rischi

Cosa dice realmente questo rapporto?

Per oltre un anno, il capitale globale si è quasi messo in coda per riversarsi nei titoli di chip di memoria in Corea del Sud e Taiwan. Samsung e SK Hynix hanno spinto l'indice KOSPI a livelli record. La logica era semplice: l'IA ha bisogno di training e inferenza, e la memoria è una necessità; chi ha la capacità vince.

Ma questa logica ha iniziato ad allentarsi quest'anno. Il mercato ha iniziato a dubitare della sostenibilità delle spese in conto capitale per l'IA. Il mercato azionario coreano è sceso di oltre il 5% in un solo giorno, con un calo cumulativo di oltre il 20%, entrando in un mercato ribassista tecnico. Lo stesso giorno, l'indice Hang Seng China Enterprises è salito di quasi il 4,5%. Le tracce della migrazione di capitali sono evidenti.

La mia reazione iniziale è stata che questa potesse essere solo una rotazione emotiva—ciò che sale deve scendere, e il capitale cerca sempre una nuova storia. Ma dopo aver letto l'intero rapporto, ho cambiato idea perché la tesi di Goldman non è solo che l'IA cinese crescerà, ma che la catena del valore dell'IA in Cina ha formato un circuito chiuso completo, e la valutazione del mercato è gravemente in ritardo rispetto al suo peso economico effettivo.

I numeri sono semplici: la Cina rappresenta circa il 16% dei ricavi globali dell'IA e circa il 10% del valore di mercato globale, ma l'allocazione dei fondi comuni globali alla tecnologia IA cinese è solo dell'1,2%. Goldman Sachs stima che questo divario potrebbe significare un potenziale di rialzo dal 50% al 100%.

Goldman Sachs ha suddiviso questo circuito chiuso in cinque binari: Energia, Semiconduttori, Infrastruttura IA, Modelli IA e Applicazioni IA, e ha dato un nome specifico al portafoglio: GSXACART. L'ordine della suddivisione in sé è un atteggiamento. Più avanti è classificato, maggiore è la certezza e la priorità. Quindi la domanda è: perché l'energia—un settore che suona come il più "terreno" e tradizionale—è classificata prima dei chip e dei modelli?

1. Energia: Il collo di bottiglia sottostante sottovalutato

Il training e l'inferenza dell'IA consumano davvero molta energia. Una singola query di ChatGPT consuma quasi 10 volte l'elettricità di una ricerca normale. Questo numero potrebbe essere stato ignorato qualche anno fa, ma poiché le scale di training e inferenza salgono simultaneamente, l'energia è passata da una variabile di fondo a un vincolo rigido. Il problema negli Stati Uniti è tipico: hanno i chip e la tecnologia, ma la rete elettrica non tiene il passo. Molti progetti di data center sono bloccati nella fase di accesso all'energia. La Cina, d'altra parte, ha un vantaggio: fornitura energetica su larga scala, bassi costi dell'energia verde a ovest, rapido supporto politico e velocità di costruzione che tengono il passo. Questi fattori si combinano in un vantaggio comparativo che altri non possono facilmente replicare a breve termine.

Goldman Sachs prevede che le principali società internet cinesi investiranno circa 70 miliardi di dollari in data center nel 2026, con la domanda di energia dei data center in crescita a un tasso annuo di circa il 25%. La cifra a più lungo termine dell'Amministrazione Nazionale dell'Energia è che entro il 2030, il consumo energetico dei data center cinesi raggiungerà 800 TWh, rappresentando circa il 6% del consumo totale di elettricità del paese, con un tasso di crescita composto di quasi il 36% dal 2025 al 2030. Bloomberg New Energy Finance è ancora più aggressivo, ritenendo che la domanda di energia dei data center potrebbe avvicinarsi a 600 TWh entro il 2030, più che raddoppiando rispetto ad ora.

La politica "Dati a Est, Calcolo a Ovest", che molti all'inizio pensavano fosse solo uno slogan, in realtà fa qualcosa di molto specifico: converte i bassi prezzi dell'elettricità, i bassi prezzi dei terreni e gli ambienti a bassa temperatura dell'ovest direttamente in vantaggi di costo operativo per i data center. Si stima che entro il 2025, ciò potrebbe far risparmiare oltre 300 miliardi di yuan in costi energetici, e l'ambiente a bassa temperatura ottimizza naturalmente i rapporti di efficienza energetica.

La parte più facilmente sottovalutata di questo binario è che tutti sono abituati a trattare l'energia come infrastruttura tradizionale con valutazioni conservative. Ma nel ciclo dell'IA, l'energia è passata da una voce di costo a competitività stessa. Gli Stati Uniti hanno vantaggi in chip e algoritmi ma sono limitati dalla rete. La Cina, al contrario, ha trasformato l'elettricità—la risorsa più basilare—in un fossato per i costi della potenza di calcolo. In una certa misura, la certezza delle aziende di apparecchiature energetiche potrebbe essere superiore a quella delle aziende di semiconduttori, perché i semiconduttori dipendono dal ritmo del recupero tecnologico, mentre l'approvvigionamento di apparecchiature energetiche è rigido finché vengono costruiti data center.

2. Semiconduttori: Sostituzione nazionale nel superciclo della memoria

L'energia risolve il problema se si può accendere la macchina. Cosa succede dopo che è accesa? I chip e la memoria sono sufficienti? Questo è ciò che risponde il secondo binario.

Goldman Sachs classifica i semiconduttori al secondo posto, con una nicchia facilmente trascurata: non chip logici, ma memoria. La domanda di AI server per DRAM, NAND e HBM sta crescendo quasi esponenzialmente, e la Cina ha colpito la finestra per la produzione di massa e la sostituzione nazionale della memoria generica. I numeri sono più diretti della storia: la quota NAND globale di Yangtze Memory (YMTC) salirà dall'8% al 13% nel Q1 2026, pareggiando per il 4° posto a livello globale, con ricavi in aumento del 445% anno su anno. I ricavi di ChangXin Memory (CXMT) sono aumentati del 719% anno su anno nello stesso periodo, con una guidance di ricavi per il primo semestre di 11-12 miliardi di RMB. Le esportazioni di circuiti integrati della Cina a maggio 2026 sono aumentate del 111% anno su anno a 35,55 miliardi di dollari, principalmente guidate dall'aumento dei prezzi della memoria. Questi numeri insieme mostrano che non è solo un sogno; è una performance già realizzata in ordini e prezzi.

La cosa interessante di questo binario è che l'impennata e il successivo crollo della Corea del Sud in questo round erano essenzialmente perché Samsung e SK Hynix hanno puntato quasi tutto sul singolo anello della memoria. Una volta che il mercato dubita della sostenibilità delle spese in conto capitale, il rischio di un singolo anello esplode. La memoria cinese, tuttavia, si sta muovendo avanti in tre dimensioni simultaneamente: volume, rapporto costo-efficacia e sicurezza della catena di approvvigionamento. Non è una scommessa su un singolo punto. L'elasticità dei profitti dell'anello della memoria è anche solitamente superiore a quella dei chip logici perché è un consumabile standard utilizzato in ogni server AI, non un'opzione.

3. Infrastruttura IA: Dove atterrano realmente le spese in conto capitale

La memoria risolve il problema di avere materiali. Una volta che i materiali sono pronti, dove li metti? Questo porta al terzo binario.

Se energia e memoria sono materie prime, l'infrastruttura è dove questi materiali vengono assemblati in potenza di calcolo. Server, moduli ottici, raffreddamento liquido e i data center stessi sono tutti in questo strato. Il percorso della Cina qui è anche chiaro: "Dati a Est, Calcolo a Ovest" concretizza i vantaggi di costo nella selezione del sito, e le catene industriali nazionali di server e moduli ottici sono abbastanza mature. Il risultato è una costruzione rapida e un utilizzo efficiente in termini di costi.

Quando guardo a questo binario, un punto facilmente trascurato è che l'attenzione di tutti è sempre prima attratta da eventi una tantum come il training dei modelli. Ma ciò che spende veramente soldi in modo continuo è l'inferenza e l'iterazione dopo il training. Questa parte della domanda è a lungo termine e ricorrente. Le aziende di infrastrutture mangiano questa parte, non solo ordini una tantum da un singolo compito di training. La classificazione di Goldman Sachs dell'infrastruttura prima dei modelli è, in una certa misura, un promemoria che ciò che può essere scalato e monetizzato continuamente sono spesso gli anelli ad alta intensità di capitale come costruire sale macchine, fornire energia e connettere reti, piuttosto che i modelli stessi, apparentemente più affascinanti.

4. Modelli IA: Perché sono classificati più in basso

L'infrastruttura costruisce la strada; e l'auto? L'auto è il modello.

Sono rimasto un po' sorpreso quando ho visto questo binario, poiché i modelli sono la parte di cui tutti amano parlare di più quando discutono di IA. Ma Goldman Sachs lo ha posizionato al quarto posto, solo un gradino sopra le applicazioni. Il percorso dei modelli cinesi non è la via statunitense di impilare parametri e bruciare potenza di calcolo. DeepSeek ha dimostrato che modelli di alto livello possono essere realizzati a basso costo. Insieme a dati di scenari nazionali sufficienti, possono raggiungere un rapporto costo-efficacia più elevato in campi verticali come codice, matematica e multimodalità.

Una cosa che non ho ancora capito del tutto è se Goldman Sachs ha classificato i modelli più in basso perché crede che il ritmo di commercializzazione dei modelli sia più lento dell'infrastruttura, o perché la concorrenza in questo strato è già abbastanza feroce da aver ridotto lo spazio per rendimenti eccessivi. Non ho ancora prove decisive per nessuna delle due spiegazioni, ma almeno una cosa è chiara: il modello è la lancia. Se l'energia e le fabbriche davanti non sono impostate prima, la lancia non arriverà molto lontano.

5. Applicazioni IA: Il punto di monetizzazione a minor rischio

La lancia è fatta; deve colpire qualcosa. Questo è l'anello finale: le applicazioni.

La prima impressione di molti sullo strato applicativo è che sia il più affollato e il più difficile da guadagnare, con soldi bruciati per utenti e forte omogeneizzazione. Ma nel mercato cinese specifico, la situazione potrebbe essere l'opposto. La Cina ha il più grande mercato internet unico al mondo. Aziende come Tencent, Meituan e Xiaomi detengono enormi quantità di utenti reali e scenari. Le funzioni di IA non hanno bisogno di raccontare prima una grande storia; possono essere incorporate direttamente nei prodotti esistenti come punti di pagamento.

Questo binario essere l'ultimo nella catena del valore non significa che sia poco importante. Al contrario, senza che l'estremità applicativa recuperi soldi, gli investimenti precedenti in energia, memoria e infrastruttura diventano costi irrecuperabili senza ritorno. Lo strato applicativo è il punto finale e la fonte di energia che mantiene in rotazione l'intera catena.

Come combinare i cinque binari e dove sono i rischi

Lo spostamento di Goldman Sachs dalla Corea alla Cina questa volta non è essenzialmente una rotazione emotiva, ma capitale che si sposta dal scommettere su un singolo anello al scommettere su un intero circuito chiuso. Se dovessi dare un'idea di configurazione, la classificherei così: Energia e infrastrutture forniscono certezza—finché i data center vengono costruiti ed espansi, questo approvvigionamento è rigido. I semiconduttori, specialmente la memoria, forniscono elasticità—la performance è già stata realizzata e l'elasticità di valutazione è la maggiore. Modelli e applicazioni forniscono rendimenti eccessivi a più lungo termine, ma il ritmo e il panorama competitivo sono ancora variabili.

I rischi devono anche essere dichiarati chiaramente: questioni geopolitiche, ritmo di esecuzione e fluttuazioni di valutazione—nessuno di questi mancherà. Inoltre, i dati e le metriche di valutazione elencati qui sono un'istantanea basata su informazioni pubbliche. I giganti della memoria sono ancora in fase di IPO e i numeri cambieranno. Verificate voi stessi gli ultimi dati prima di agire. Questo post riguarda più la scomposizione del quadro e della logica di Goldman per voi e non costituisce un consiglio di investimento.

Il divario tra l'1,2% di allocazione e il 16% di quota di ricavi è ancora lì. Se verrà colmato e quanto velocemente, non posso garantirlo. Ma questa volta, Goldman Sachs non ha dato una nuova storia; hanno dato un libro mastro già scomposto per voi. Il fatto che l'energia sia al primo posto in quel libro mastro è, credo, più degno di essere ricordato della frase "Long China" stessa.

Se avete un giudizio diverso su qualsiasi binario, sentitevi liberi di scambiare idee nei commenti. Sono curioso di sapere quale classifichereste per primo, ahah.