Le azioni cicliche raggiungono sempre il massimo quando sono "le più economiche" — Citrini, il "influencer dei chip" che per primo ha puntato sull'hardware AI, sta lasciando silenziosamente il mercato.

Il celebre istituto di ricerca sui chip Citrini Research è stato uno dei primi e più vocali bullish sulle transazioni di hardware AI. Oggi, Citrini ha ridotto drasticamente la propria esposizione ai semiconduttori, arrivando addirittura a detenere alcune posizioni short. Dietro questo cambiamento c'è la sua valutazione sulla trasformazione strutturale dei meccanismi di finanziamento dell'infrastruttura AI: quando il capitale aggiuntivo passa dai flussi di cassa propri dei giganti del cloud su larga scala al mercato azionario e del debito, il sentiment di mercato stesso diventa parte integrante dei fondamentali.

Il 21 ottobre, il fondatore di Citrini, James van Geelen, ha registrato questa conversazione nel podcast Monetary Matters. All'epoca, le azioni dei semiconduttori avevano appena subito nove sedute consecutive negative—il presentatore Jack ha sottolineato che si trattava della serie più lunga di perdite dal 2006. Secondo James, questo non è ancora sufficiente a scuotere la spesa per la costruzione dell’AI, ma la natura del rischio è già cambiata. Ha dichiarato: “Se il sentiment di mercato peggiora improvvisamente, quei capitali aggiuntivi smetteranno di affluire—perché non è più una singola azienda a scegliere di spendere, ma è il mercato a decidere.”

La conversazione ha toccato le ragioni della sua uscita dai semiconduttori, la logica dietro il long su Meta e lo short su Google, l’implicazione del margine lordo dell'80% sull’inferenza di DeepSeek, e quali segnali scatenerebbero un suo ritorno sul settore chip. Al contempo, ha rivelato che il collo di bottiglia nello sviluppo di nuovi farmaci non è la potenza di calcolo, ma la “carenza di scimmie”, e che le reali opportunità di investimento risiedono nell’outsourcing clinico, non nelle azioni a tema AI.

Il cash flow dei giganti diventa negativo, la struttura di finanziamento cambia e il sentiment può distruggere i fondamentali

Per capire perché Citrini stia riducendo le posizioni hardware AI, bisogna prima comprendere il rischio di “riflessività” cui fa riferimento—il vero meccanismo cardine della sua valutazione.

Nei primi tre o quattro anni di trading sull’AI, i cloud provider su larga scala hanno finanziato le infrastrutture AI con i propri flussi di cassa operativi. Questo significava che, indipendentemente dalle oscillazioni del sentiment di mercato—sia per lo shock dei dazi, la chiusura dei carry trade sullo yen o altri episodi di panico—finché Meta, Microsoft e simili continuavano a investire, i fondamentali delle società di semiconduttori erano sostenuti da un “pavimento". Il sentiment poteva schiacciare i prezzi, ma non i ricavi.

Ora questo meccanismo non funziona più, i cash flow dei giganti tech si stanno esaurendo rapidamente, o addirittura diventano negativi. Secondo Citrini James, oggi quasi ogni investimento aggiuntivo in infrastrutture AI proviene dalla raccolta di equity (sia venture capital che mercati pubblici) o dal debito.

Questo significa che l’AI può diventare più utile, l’utilizzo può continuare a crescere, ma se il sentiment crolla, quei fondi aggiuntivi si esauriscono—perché non è più un’azienda che spende del proprio, è il mercato che decide.

Ed è questa la "riflessività": un calo del sentiment può tagliare la catena di finanziamento, con effetti anche sulla spesa reale in costruzione, non solo sulle valutazioni.

Ha inoltre quantificato questo punto di pressione. Per sostenere le valutazioni attuali delle infrastrutture, i laboratori AI dovrebbero arrivare a un ricavo ricorrente annuo (ARR) di circa 1 trilione di dollari entro fine 2028. Con una base attuale di circa 13,6 miliardi di dollari di ARR, servirebbero circa 50 miliardi di incrementi netti di ARR ogni mese.

Se scommetti che i laboratori AI raggiungano un ARR combinato di 500 miliardi per reggere il rientro dei fondi sulle infrastrutture, ma alla fine è solo 300 miliardi, è un disastro.

James evidenzia vari fattori che rallentano l’ARR.

Il primo è che “per il consumatore basta così”. Secondo lui, usando i modelli più avanzati, il 99% delle necessità quotidiane è già coperto, e un’ulteriore potenza difficilmente genera nuova domanda a pagamento.

Il secondo, “tagli di prezzo non portano a uso proporzionale". Cita l’indice economico Anthropic: “Una riduzione del 10% nei costi di task corrisponde a solo un +3% nell’utilizzo.”

Questa dinamica smentisce a suo avviso il paradosso di Jevons (efficienza maggiore implica consumo totale maggiore) almeno nel breve termine per i token. Una volta che le aziende hanno processi AI sufficienti, il volume di chiamate può addirittura calare: forse quando il modello funziona meno bene, la domanda di token cresce perché bisogna correggere sempre.

Terzo, la quota open source è in aumento. Stima che la quota dei modelli open source nei nuovi ARR sia salita in un anno da circa l’1% a circa il 18%; gli acquirenti pagano per task, finché la capacità minima è sufficiente: non vanno a lavoro in jet da combattimento, usano un’auto.

Riconosce che il gap di performance tra modelli USA e cinesi resta, quindi il prezzo non è la sua maggiore preoccupazione. Il suo criterio principale è: il punto non è se l’AI è utile o migliorerà, ma se la spesa front-line è sostenibile. Nel breve termine, le “white collar jobs” devono essere la killer application che assorbirà quasi tutta la domanda di token nei prossimi anni.

“Il più economico” è proprio il segnale di un ciclo vicino al top

Il conduttore ha osservato che, guardando ai profitti, queste tech sembrano oggi più a buon mercato rispetto al 2023 per via dell'impennata degli utili; allora perché tagliare l’esposizione? Citrini James risponde usando la logica dei ciclici:

È la ciclicità: nei settori ciclici, il picco arriva sempre quando le valutazioni per l'anno prossimo sembrano più basse.

In altre parole, secondo James la “convenienza” è un’illusione causata da profitti temporaneamente gonfiati, tipica delle azioni cicliche. I risultati seguono i cicli: nel boom, i profitti volano al top, il denominatore si espande e il P/E per “prossimo anno” crolla, illudendo di un’occasione. Ma quello è il profitto ciclico di picco; appena il ciclo gira, gli utili calano e il prezzo scende. Dunque “il momento più a buon mercato” coincide spesso con l’apice ciclico.

Il conduttore aggiunge per analogia: nessuno comprerebbe petrolifere quando fanno i maggiori utili della storia con P/E a 14.

Questa logica spiega i suoi ribilanciamenti. Dice che se avesse mantenuto alta esposizione alle infrastrutture in aprile-maggio, il portafoglio sarebbe calato “di circa il 50%”. Invece, dopo il ritracciamento di settembre-ottobre 2023 nei semiconduttori, non si è affrettato a cercare sostituti, perché le valutazioni erano basse e il downside limitato. Oggi è diverso:

Il rischio downside, se si materializzano risultati o sentiment negativi, è molto alto.

Presenta la sua strategia come un aggiustamento di portafoglio, non uno short totale sull’AI: resta positivo su Nvidia, e vede maggiori opportunità asimmetriche in quelle che chiama “agentic utilities” (cioè settori che davvero usano e beneficiano dell’implementazione AI). Sottolinea che oggi la domanda supera ancora l’offerta, la questione è il futuro.

Long su Meta, short su Google, e in attesa di segnali per tornare sui chip

Sul portafoglio specifico, la logica di Citrini James è altrettanto nitida.

La motivazione per il long su Meta è il potenziale di monetizzazione di Muse (l’assistente AI di Meta). Il suo modello parte dal current ARPU Meta (poco più di 20 dollari), con asset dati che coprono Instagram, WhatsApp, Facebook. “Se Muse viene adottato seriamente, puoi tracciare una proiezione fino a quadruplicare l’ARPU entro il 2030.” Quest’estate è passato ultra-bullish, e il lancio di Muse ha confermato la sua tesi.

La logica dietro lo short su Google deriva dalla preoccupazione per la fuga di talenti da DeepMind. Secondo lui, il mercato sottovaluta l’impatto negativo di questa emorragia, proprio mentre il business search affronta minacce strutturali. “Oggi uso già molto meno Google Search. Sarà cancellata del tutto? Non so, forse no. Ma il rischio resta, e nel frattempo la fuga di cervelli continua.” Ha stop-loss in atto, ma per ora mantiene la posizione long Meta/short Google come trade di pair.

Quanto al rientro nei semiconduttori, fissa precisi trigger: vedere una crescita sostenuta degli utilizzi a pagamento, e un’accelerazione della derivata seconda della crescita ARR, tale da sostenere la costruzione tramite flussi di cassa cliente. Se la domanda odierna è realmente limitata dall’offerta, e il calo è solo una pausa tra il salto prestazionale dei modelli e il lancio di nuovi prodotti (che porteranno maggiore disponibilità a pagare), allora la sua preoccupazione decade, e il recente calo delle azioni infrastruttura sarebbe un’opportunità d’acquisto.

La sua valutazione su CoreWeave è relativamente equilibrata—stima la probabilità di default al 60%, ma senza aspettarsi che si materializzi veramente. Per la fase downcycle dell’AI, prevede “una fine con un gemito, non una esplosione”: nessuna azienda fallisce causando crash, ma le attese di ARR dei laboratori scendono da 400 miliardi a 360, e questa differenza, già prezzata, si propaga e trascina tutto il settore al ribasso.

Per quanto riguarda DeepSeek, cita i dati del framework DeepInfer: 155.000 miliardi di token serviti al giorno, entrate per GPU/h di circa 38 dollari, mentre l'affitto GPU/h sul mercato vale tra 5 e 8 dollari, implicando un margine lordo d’inferenza dell’80% e un payback dell’investimento GPU di circa 81 giorni. “Questo significa che c’è probabilmente ancora spazio per un ulteriore calo dei prezzi token, soprattutto sui modelli non di frontiera.”

Progettare anticorpi per veleno di scorpione con Claude: cosa l’AI può comprimere e cosa no

Citrini James ha anche illustrato un esperimento raro: il suo team ha collaborato con Anthropic utilizzando Claude per progettare in 64 ore 211 molecole candidate a essere anticorpi per veleno di scorpione, 17 delle quali hanno poi avuto successo in laboratorio. Questo risultato, pur sconvolgente, lo porta a una conclusione non positiva per l’AI bullish: l’AI sta “commoditizzando” la progettazione dei farmaci, ma il vero collo di bottiglia sta nei laboratori, negli animali, non nella potenza di calcolo.

Per capire davvero cosa può e non può fare l’AI nella discovery farmaceutica, il team di Citrini James ha fatto qualcosa di insolito: ha contattato il team life sciences di Anthropic (Nathan Frey, Amir Chennisa e Steven Molina) e, nel loro ufficio, usando modelli interni, ha speso 64 ore progettando anticorpi contro il veleno di scorpione.

Durante il processo, Claude ha utilizzato circa 300 sub-agent, generando 180 proposte progettuali e arrivando a 211 molecole testate. In laboratorio, 17 si sono legate con successo al target: di queste, 7 contro un particolare veleno messicano CN2, mentre il miglior candidato CN2B1 ha mostrato competizione attesa con un noto anticorpo neutralizzante nella regione prevista.

“L’AI ha generato queste molecole, e 17 hanno funzionato in laboratorio—abbastanza sconvolgente.”

Ma James aggiunge subito ciò che considera il vero punto: l’AI comprime il tempo dall’idea al test di laboratorio—a processo che richiedeva mesi oggi servono pochi giorni. Ma sintesi, test, raccolta dati di controllo, hanno comunque richiesto 39 giorni. “Se i dati viaggiano alla velocità della biologia, l’arrivo dell’AI non rende più veloci le cellule in provetta. Qui sta il collo di bottiglia.”

Stima che su tutto il processo dalla progettazione sino alla clinica, l’AI può ridurre solo il 20% del tempo, l'altro 80% resta incomprimibile. Questo orienta direttamente le sue view d'investimento: puntare sugli esperimenti, e sulle aziende che li velocizzano, non sulle azioni delle AI pharma.

Nomina esplicitamente Charles River Laboratories (CRL) come titolo long a massima convinzione. Circa il 60% dei ricavi CRL proviene da discovery precoce e valutazione della sicurezza, ora nella fase più bassa del ciclo e con capacità sufficiente per nuovi ordini: ogni nuovo contratto si trasforma direttamente in profitto.

Segnala inoltre un collo di bottiglia che il mercato non prezza ancora abbastanza: la carenza di scimmie. I primati non umani sono risorsa insostituibile nei test preclinici e la loro riproduzione richiede circa quattro anni, rendendo quasi impossibile espandere rapidamente la fornitura. “Questo potrebbe essere il vincolo di offerta chiave nei test pre-clinici.”