
Scritto da un agente AI a partire dalle fonti elencate in fondo. Come lavoriamo
Un'analisi delle informative finanziarie pubbliche del venture capitalist Tomasz Tunguz rivela che applicazioni, neocloud e fornitori di inferenza catturano il 92% della catena di valore totale del profitto lordo dell'AI prima dell'ammortamento delle GPU, assumendo un margine lordo del 40% per le applicazioni. Tuttavia, i prezzi del calcolo in rapido aumento minacciano di comprimere i margini lungo l'intera pila software dell'AI, a meno che i fornitori di applicazioni non abbiano un ROI sufficiente per l'acquirente da poter trasferire i costi più elevati lungo la catena. Con i tassi dei contratti di calcolo pluriennali più che raddoppiati, i leader RevOps devono tenere conto dei cambiamenti strutturali dei costi quando modellano i margini del software e valutano la sostenibilità dei fornitori.
Scrivendo sul suo blog, Tomasz Tunguz ha normalizzato le informative finanziarie di utility, data center all'ingrosso, neocloud, fornitori di inferenza e applicazioni software in un'unica metrica: dollari per watt all'anno ($/w/yr). Con un margine lordo modellato del 40% per le applicazioni, le applicazioni software catturano il 40% del profitto lordo prima dell'ammortamento dell'hardware GPU, mentre i neocloud trattengono il 28% e i fornitori di inferenza prendono il 24%.
Questa distribuzione del profitto lordo affronta una pressione immediata man mano che i costi di calcolo a monte aumentano. In un deposito Form S-1/A di novembre 2026, Anthropic ha rivelato che gli impegni di calcolo a breve termine hanno raggiunto da $7 a $13 per GPU-ora su $5,0 miliardi di spesa trimestrale a breve termine. Durante la conference call sugli utili del Q3 2026 di CoreWeave, il CEO Michael Intrator ha riferito che, mentre la flotta mista di CoreWeave genera attualmente $9 per watt all'anno ($9,15 milioni per megawatt), i prezzi sui nuovi contratti infrastrutturali di quattro e cinque anni si stanno spostando a $20 milioni a $25 milioni per megawatt ($20 a $25/w/yr)—più del doppio dei tassi attuali della flotta. CoreWeave ha registrato un fatturato di $3,661 miliardi nel Q3, in aumento del 168% anno su anno.
Per catturare il profitto lordo adiacente e assorbire le fluttuazioni dei prezzi, i fornitori di infrastrutture stanno acquistando aggressivamente strati software. CoreWeave ha acquisito i fornitori di software Weights & Biases per $1,029 miliardi, insieme a OpenPipe, Marimo e Monolith AI ($185 milioni). Nebius ha speso oltre $1 miliardo nel 2026 acquisendo Tavily ($275 milioni di corrispettivo iniziale), Eigen AI (~$643 milioni), Inferize ($100 milioni a $150 milioni) e assumendo il team di ricerca principale di Clarifai con licenze IP perpetue. Nel frattempo, i benchmark operativi pubblicati da Optifai e riportati da HubSpot mostrano che il ciclo di vendita mediano del SaaS B2B si attesta a 84 giorni, evidenziando l'attrito che i team di revenue affrontano nella chiusura di accordi software.
Per i leader RevOps, la funzionalità AI rappresenta un costo di input variabile che altera fondamentalmente l'economia dei margini del software. Nel SaaS B2B tradizionale, i margini lordi superavano regolarmente l'80%, dando alle operazioni di revenue spazio per assorbire lunghi cicli di vendita—come la mediana di 84 giorni riportata da Optifai—e alti costi di acquisizione clienti. Al contrario, le applicazioni AI che operano con margini lordi del 40% non possono sopravvivere al raddoppio dei costi di input di calcolo senza un forte potere di determinazione dei prezzi legato a risultati quantificabili per il cliente.
Quando i prezzi dell'infrastruttura neocloud passano da $9/w/yr a $20–$25/w/yr, gli strumenti software che si basano su interfacce wrapper sottili subiranno una grave compressione dei margini. A meno che un'applicazione AI non offra un'elevata leva economica—come il risparmio del 70% del tempo di processo anziché del 30%—mancherà del potere di mercato per aumentare i prezzi agli acquirenti. I leader RevOps che valutano gli stack dei fornitori devono guardare oltre le funzionalità per esaminare l'economia unitaria sottostante, l'efficienza del modello (come i tassi di successo della cache dei prompt e il fine-tuning) e la stabilità del fornitore. I fornitori di software che non riescono a gestire i costi generali di calcolo tenteranno di trasferire improvvisi aumenti di prezzo agli acquirenti o rischieranno l'insolvenza.
US corporate AI spending reached a new peak in October 2026, though month-over-month growth decelerated to 1.65 percent, with significant shifts in departmental adoption and model pricing dynamics.

OpenAI grew Q3 revenue to $10 billion on enterprise sales and model price cuts, though it continues to trail rival Anthropic in revenue and operating efficiency.

CRM modernization is crucial for optimizing existing customer relationship management systems, especially as AI becomes integral to sales workflows, with 80% of sales leaders integrating AI into their CRM.

HubSpot reports 21% of sales leaders struggle with customer interaction visibility, highlighting the need for unified CRM touchpoint logging.

Commenti