Microsoft lascia i server Oracle: la corsa all’AI invecchia più in fretta dei suoi miliardi

Microsoft Oracle, una delle alleanze nate nella prima corsa all’intelligenza artificiale generativa, sta perdendo un pezzo importante. Secondo un’inchiesta di Bloomberg pubblicata il 6 novembre 2026, Microsoft ha deciso di non rinnovare un accordo per affittare capacità di calcolo da Oracle e negli ultimi mesi ha iniziato a disattivare i server utilizzati.

Il motivo, riferito da persone a conoscenza dell’intesa, è meno spettacolare di una rottura aziendale ma più interessante: l’infrastruttura poggia su GPU Nvidia di generazioni precedenti che, per le esigenze attuali di Microsoft, non rispettano più le specifiche richieste. Non sono macchine che hanno smesso di funzionare. Semplicemente, per quel cliente e quegli impieghi, non servono più come prima.

Nel 2023 si faceva a gara per prenotare qualsiasi potenza di calcolo disponibile. Tre anni dopo, una parte di quella stessa capacità rischia di essere giudicata inadeguata. È un problema curioso per un settore che continua a raccontare ogni nuovo data center come un investimento sul futuro: il futuro, a quanto pare, può cambiare prima che arrivi la fattura finale.

Microsoft Oracle, perché l’accordo per Bing viene ridimensionato

L’accordo originale risale al novembre 2023. Nel comunicato diffuso allora da Oracle veniva presentato come una collaborazione pluriennale per sostenere le ricerche conversazionali di Bing: Microsoft utilizzava Oracle Cloud Infrastructure insieme ad Azure per eseguire modelli di intelligenza artificiale e rispondere alla crescente domanda del motore di ricerca.

L’intesa aveva un significato preciso. Pur possedendo un’enorme infrastruttura cloud, Microsoft acquistava capacità da un concorrente perché la disponibilità di acceleratori AI era diventata una risorsa strategica. Non contava soltanto possedere il software o sviluppare il modello: bisognava trovare server sui quali farlo funzionare, e trovarli abbastanza rapidamente.

Ora, stando alle fonti consultate da Bloomberg, Microsoft sta abbandonando progressivamente quella capacità dopo aver scelto di non rinnovare il contratto. Microsoft non ha commentato la ricostruzione. Il valore economico dell’accordo coinvolto non è stato reso noto. Soprattutto, il ridimensionamento di questa intesa non significa che ogni rapporto commerciale tra le due società sia terminato: nel 2024, per esempio, Oracle, Microsoft e OpenAI annunciavano un’altra collaborazione per ampliare la capacità dell’infrastruttura AI.

Le vecchie GPU Nvidia non sono inutili: il problema è chi le vuole

Le unità di elaborazione grafica, o GPU, sono essenziali per molti sistemi di intelligenza artificiale. Ma non tutte offrono le stesse prestazioni, consumi, capacità di memoria e possibilità di collegamento tra server. Un chip acquistato per soddisfare una certa esigenza può continuare a essere efficiente per altri compiti e risultare meno conveniente per un cliente che nel frattempo ha modificato i propri requisiti.

È la distinzione decisiva nel caso Microsoft Oracle. Bloomberg parla di chip Nvidia meno recenti, senza identificare pubblicamente un modello specifico. Sarebbe scorretto dedurne che tutte le GPU di quelle generazioni siano obsolete, o che l’intero mercato dell’hardware AI usato sia in crisi.

Oracle offre infatti una lettura diversa: la società sostiene che la domanda per la propria infrastruttura AI resti forte anche sulle GPU delle generazioni precedenti. Ha inoltre richiamato il dato comunicato a settembre, secondo cui capacità disponibile per il rinnovo sarebbe stata rinnovata o rivenduta con contratti di lungo periodo a prezzi superiori del 20% rispetto ai precedenti. I due fatti possono convivere: un cliente esce perché vuole caratteristiche differenti, altri possono ancora pagare per quelle stesse risorse.

Data center AI: chi paga se la tecnologia cambia prima del contratto?

Un data center non è un servizio che si aggiorna con un clic. Richiede edifici, sistemi di raffreddamento, energia, reti, alimentazione elettrica e soprattutto hardware costoso. Chi investe deve recuperare quelle spese nel tempo, attraverso contratti di utilizzo e tariffe sufficienti a finanziare impianti e nuove sostituzioni.

Il cliente che affitta capacità, invece, ha un vantaggio potenziale: alla scadenza può rivalutare il proprio fabbisogno, cambiare specifiche, passare a un altro fornitore o utilizzare infrastrutture diverse. Non è una libertà assoluta, perché i contratti possono imporre impegni pluriennali, ma il rischio economico non è distribuito allo stesso modo lungo la filiera.

Nel nostro approfondimento sui costi nascosti dell’AI e dei data center abbiamo già raccontato quanto capitale venga immobilizzato prima che i servizi generino ricavi adeguati. La vicenda Microsoft-Oracle aggiunge un’altra variabile: non basta che la domanda di AI cresca. Occorre che cresca proprio per il tipo di capacità acquistata, al prezzo e nei tempi previsti.

La vera partita del cloud AI è il potere di scegliere quando aggiornarsi

Per gli investitori il caso è arrivato in un momento delicato, fra timori sui costi della corsa all’AI e sui ritardi nella costruzione dei data center. Dopo la notizia, il titolo Oracle ha accusato pressioni sul mercato. Ma un calo di Borsa e un contratto non rinnovato non dimostrano, da soli, né l’esistenza di capacità inutilizzata su larga scala né una crisi generalizzata della domanda.

La domanda utile è un’altra: chi può decidere quando una macchina è già troppo vecchia per il proprio business? Il grande cliente può spostare il proprio ordine verso una configurazione migliore. Il proprietario dei server deve trovare un altro cliente, riposizionare la capacità oppure accettare rendimenti diversi da quelli immaginati all’inizio. Naturalmente, se la domanda resta forte, può anche riuscire a rivenderla a condizioni vantaggiose: è proprio la difesa avanzata da Oracle.

Si parla spesso dei miliardi investiti nell’intelligenza artificiale come se bastasse sommarli per misurare la solidità del settore. La storia di Microsoft e Oracle suggerisce che il numero da guardare è anche un altro: quanti anni di utilità economica rimangono a quei miliardi quando il cliente decide di voler comprare il futuro successivo? Nel cloud AI non basta avere tanti chip. Bisogna avere quelli giusti quando qualcuno è ancora disposto a pagarli.