Chi c’è dietro il boom dell’AI: Palantir, Anthropic e la nuova fabbrica tecnologica

Punti chiave

Il 9 aprile 2026, Anthropic ha riaperto una delle questioni più scomode per Wall Street. Il nuovo modello Claude Mythos è apparso abbastanza potente da mettere in allerta molti investitori software, eppure è stato mostrato solo a un ristretto gruppo di grandi partner, con un focus su applicazioni di cybersicurezza difensiva. Nella stessa settimana, l’azienda ha rafforzato le partnership computazionali con Google e Broadcom, siglato un nuovo accordo di capacità cloud con CoreWeave e avviato una valutazione sulla progettazione di chip proprietari. Non è il comportamento di un’azienda preoccupata per la domanda, ma di un’azienda sempre più concentrata sui vincoli dell’offerta.

Per gli investitori, questo sposta radicalmente la domanda chiave. In passato ci si interrogava su quale modello avrebbe prevalso. Oggi il tema centrale è chi controlla il passaggio dall’intelligenza grezza al lavoro utile: chi possiede i dati, chi governa i workflow, chi presidia il livello di fiducia (“trust layer”) e chi riesce ad assicurarsi capacità di calcolo sufficiente quando la fila davanti ai data centre continua ad allungarsi.

Se Anthropic rappresenta la potenza della nuova generazione di modelli, Palantir mostra cosa accade quando quella potenza entra in contatto con il mondo reale. L’azienda sviluppa software che aiuta governi e grandi organizzazioni a trasformare dati complessi in decisioni operative. È meno spettacolare dell’ennesimo chatbot virale, ma è spesso proprio in questo strato che l’AI diventa davvero utile, tracciabile e sufficientemente costosa da contare sul piano economico.

A marzo, il Pentagono ha adottato Maven Smart di Palantir come programma ufficiale, un segnale chiaro del fatto che l’azienda si stia muovendo sempre più verso il cuore operativo dell’AI per la difesa, e non più solo ai margini come fornitore di strumenti analitici.

La complicazione è Anthropic. Il modello Claude viene utilizzato all’interno di alcune componenti di Maven proprio mentre Anthropic è finita in un duro confronto con il Pentagono sui limiti dell’uso militare e viene indicata come potenziale rischio di supply chain. Allo stesso tempo, l’azienda continua a dialogare con l’amministrazione Trump sul nuovo modello Mythos. Per gli investitori, il “caso” Palantir–Anthropic è istruttivo: i modelli diventano sempre più potenti, ma l’accesso a essi può essere limitato da dinamiche politiche, regole di procurement e considerazioni di sicurezza nazionale.

Questo colloca Palantir in una posizione peculiare. Il suo valore non risiede nel possedere il modello più avanzato, ma nella prossimità alla missione, ai workflow e al cliente finale. In altri termini: i modelli possono cambiare, ma chi aiuta le istituzioni a utilizzarli in modo sicuro all’interno di operazioni reali tende a restare al tavolo. Il mercato continua spesso a raccontare l’AI come una competizione di “intelligenza pura”; difesa e grandi aziende stanno invece premiando qualcosa di meno affascinante, ma molto più duraturo: il deployment affidabile.

Se Anthropic è il segnale di domanda, ASML e TSMC sono gli scontrini industriali. ASML costruisce le macchine di litografia necessarie per produrre i chip più avanzati, mentre TSMC realizza fisicamente molti dei processori su cui gira l’ondata dell’AI. Se questa settimana il loro tono sarà disteso e fiducioso, il messaggio sarà chiaro: la spesa per l’intelligenza artificiale si sta spostando dalle presentazioni alle linee produttive. Se invece prevarrà la cautela, il mercato lo percepirà immediatamente.

ASML pubblica i risultati il 15 aprile 2026. A gennaio aveva annunciato ordini trimestrali record per 13,2 miliardi di euro e rivisto l’outlook sui ricavi 2026 a 34–39 miliardi, sostenuti dalla domanda legata all’AI. Da allora, però, le nuove restrizioni all’export verso la Cina hanno riacceso i timori su un potenziale impatto sulle vendite dei sistemi deep ultraviolet. Questa trimestrale, quindi, non riguarda solo la forza della domanda, ma se tale domanda sia sufficientemente robusta da compensare i vincoli politici.

TSMC riporta il 16 aprile 2026. La guidance per il primo trimestre indica ricavi tra 34,6 e 35,8 miliardi di dollari e un margine lordo del 63–65%. Secondo le stime Bloomberg, il mercato si aspetta il quarto trimestre consecutivo di utili record, sostenuti dalla forte domanda per i chip a 3 nanometri e per il packaging avanzato, che continua a superare l’offerta disponibile. Ed è qui il punto centrale: se Anthropic e i suoi pari hanno bisogno di sempre più capacità di calcolo, TSMC rappresenta il collo di bottiglia fisico dove quell’ambizione viene davvero messa alla prova.

I rischi principali sono chiari. Il primo riguarda l’adozione enterprise: annunciare una partnership è una cosa, trasformarla in spesa ampia, ricorrente e realmente mission‑critical è un’altra.

Il secondo è il rischio politico, tutt’altro che marginale. Il confronto tra Anthropic e il Pentagono mostra quanto rapidamente l’accesso ai modelli possa diventare una questione geopolitica, mentre l’esposizione di ASML alla Cina resta vulnerabile ai controlli sull’export. Un ciclo di prodotto favorevole aiuta; una decisione politica può ancora cambiare lo scenario da un giorno all’altro.

Il terzo riguarda le valutazioni. Con aspettative elevate, c’è poco spazio per trimestri “piatti”: anche risultati solidi rischiano di essere interpretati come semplicemente non sufficienti.

Il filo conduttore è semplice. Gli ultimi accordi di Anthropic non sono solo un’altra ondata di hype sull’AI: indicano che il settore sta diventando più fisico, più operativo e sempre più dipendente da risorse scarse. Palantir conta perché è uno dei punti in cui i modelli smettono di essere teoria e diventano lavoro utile dentro organizzazioni reali.

ASML e TSMC contano perché mostrano se quel lavoro è sostenuto da vera spesa industriale. La prossima volta che il mercato si farà distrarre dall’ennesimo chatbot brillante, vale la pena ricordare dove tende a concentrarsi il valore più durevole: non nella demo, ma nei flussi di dati, nei motori di workflow e nelle macchine estremamente costose che ronzano dietro il sipario.