Quattro aziende si sono aggiudicate il 60% del capitale di rischio globale e questo cambia le regole per tutti gli altri
Il primo trimestre del 2026 ha prodotto una cifra senza precedenti nella storia del capitale di rischio: 300 miliardi di dollari dispiegati in un solo trimestre. Più del doppio rispetto al trimestre precedente. Circa il 70% di tutto il capitale investito in startup durante il 2025, compresso in novanta giorni. A prima vista, sembra il tipo di dato che conferma come il capitale stia fluendo con un'energia che non si vedeva dalla bolla del 2021. La lettura superficiale si ferma qui.
Al di sotto di quel numero si nasconde una struttura molto più difficile da elaborare: 188 miliardi di dollari sono finiti nelle mani di quattro sole aziende. OpenAI ha raccolto circa 122 miliardi in un unico round, il più grande della storia. Anthropic ne ha ricevuti circa 30 miliardi. xAI, l'azienda fondata da Elon Musk, ha raccolto circa 20 miliardi. Waymo, la sussidiaria di Alphabet per la guida autonoma, ha chiuso un round da circa 16 miliardi. Quattro nomi. Quattro round. Il 65% di tutto il capitale di rischio globale in un trimestre.
Quello che sta accadendo non è un boom di investimenti generalizzato. È una concentrazione di capitale di scala storica attorno a una manciata di scommesse che gli investitori stanno trattando come se fossero infrastrutture economiche di livello sovrano. Questa distinzione conta, perché cambia le domande rilevanti. La domanda non è se il capitale di rischio sia in buona salute. La domanda è cosa rimane per tutti gli altri e a quali condizioni.
---
Cosa rivela la concentrazione quando la si guarda come segnale strutturale
Un dato che viaggia in parallelo a quello dei 188 miliardi è altrettanto rivelatore: mentre il volume totale degli investimenti negli Stati Uniti è cresciuto del 190% su base annua, il numero di operazioni è sceso del 26%. Meno accordi, assegni più grandi, capitale più concentrato. Questo non è rumore statistico. È il registro di un mercato che sta riordinando la propria logica di allocazione in tempo reale.
L'area della Baia di San Francisco ha assorbito l'82% di tutti i dollari di capitale di rischio negli Stati Uniti durante questo periodo, il livello di concentrazione geografica più alto almeno dal 2014. Quel dato da solo non direbbe molto se non fosse accompagnato da un altro: l'intelligenza artificiale ha catturato circa l'80% del capitale di rischio globale nel trimestre, rispetto al 55% che rappresentava un anno prima. La velocità dello spostamento conta quanto la destinazione.
Quello che sta accadendo nello strato dei giganti, tuttavia, non opera nello stesso circuito dell'investimento nelle fasi iniziali. I round di OpenAI, Anthropic, xAI e Waymo non competono direttamente per lo stesso capitale che cerca un'azienda in fase seed o Serie A. I restanti 112 miliardi del trimestre, quelli che non sono andati a quelle quattro aziende, si distribuiscono in un contesto che rimane attivo e che, secondo dati di Stripe citati nelle analisi del periodo, sta producendo risultati notevoli: le 100 aziende native dell'IA con le migliori performance stanno scalando da 1 milione a 30 milioni di dollari di ricavi annui ricorrenti cinque volte più velocemente rispetto alle generazioni precedenti di software.
Questo non significa che il contesto sia facile. Significa che il contesto premia qualcosa di molto specifico e che quel qualcosa è cambiato in modo accelerato negli ultimi dodici mesi.
---
Perché il fossato conta più del prodotto
Per anni, la conversazione sulla difendibilità nelle startup ha ruotato attorno a domande relativamente astratte su retention, scalabilità o differenziazione del brand. Quelle domande non sono scomparse, ma il quadro in cui si risponde si è completamente riorganizzato.
Quando i modelli linguistici più potenti del mondo hanno alle spalle decine di miliardi di dollari freschi per espandere le capacità, abbassare i prezzi e coprire più casi d'uso, la domanda su cosa protegga una piccola azienda diventa molto più concreta. Gli investitori stanno esaminando ogni startup con una lente riassumibile così: se il modello migliora abbastanza nei prossimi diciotto mesi, quale parte di questo business sopravvive con margini ragionevoli e quale parte diventa una funzione del sistema operativo di qualcun altro.
Le risposte che stanno guadagnando credibilità in questo ciclo hanno un denominatore comune: asset che l'intelligenza, da sola, non può replicare. Dati proprietari di difficile accesso. Hardware specializzato che richiede anni di sviluppo. Infrastruttura fisica che esige integrazione con il mondo reale. Regolamentazione che agisce come barriera all'ingresso. Relazioni istituzionali di lungo periodo. Conoscenza scientifica che non si trova in nessun corpus di addestramento pubblico.
Questo spiega perché i settori che ricevono maggiore attenzione da parte degli investitori al di là dei laboratori di frontiera sono robotica, difesa, fotonica, computazione di nuova generazione e biotecnologia. Non perché siano di moda, ma perché condividono una caratteristica strutturale: l'intelligenza computazionale è un input utile in quei domini, ma non è sufficiente per replicare ciò che un'azienda consolidata in essi ha costruito nel corso degli anni.
Il rischio per le startup che operano come strati sottili sopra modelli di terze parti è più immediato. Non si tratta del fatto che i laboratori di frontiera stiano per distruggere attivamente quel segmento. Si tratta del fatto che il calo sostenuto nel costo dell'inferenza, combinato con l'espansione delle capacità native dei modelli, comprime i margini dal basso e dall'alto allo stesso tempo. Un'azienda che non riesce a rispondere con chiarezza a cosa le appartenga quando il modello fa lo stesso che fa lei in modo nativo, ha un problema di architettura del business, non di marketing né di distribuzione.
---
Il dibattito sulla fine del software aziendale e perché non ha ancora una risposta netta
Quando Anthropic ha lanciato Claude Cowork nel 2026, le valutazioni di diverse importanti aziende software sono crollate nel giro di ore. L'episodio ha generato una narrativa che si è insediata rapidamente: gli agenti di IA avrebbero divorato il software aziendale. La reazione opposta è apparsa presto anch'essa: coloro che sostenevano che la paura fosse completamente sproporzionata e che il software gestionale non sarebbe scomparso perché le organizzazioni non cambiano così in fretta.
A metà del 2026, nessuna delle due posizioni regge bene al peso dei dati. Sì, in teoria le aziende potrebbero costruire gran parte del proprio software con strumenti di generazione del codice. In pratica, pochissime lo stanno facendo su scala. I cicli di adozione istituzionale sono lenti, la tolleranza al rischio operativo è bassa e i costi di cambio nei sistemi critici rimangono elevati. Ma questo non significa che il software aziendale sia al sicuro in modo indefinito. Significa che il vettore di pressione opera su una scala temporale diversa da quella suggerita dal panico iniziale.
Quello che sta effettivamente accadendo in modo osservabile è una biforcazione. Le aziende software che dispongono di dati proprietari profondamente integrati nei propri flussi di lavoro, che hanno costruito reti di clienti con costi di uscita reali e che risolvono problemi in cui la precisione settoriale conta più della capacità generale del modello, stanno uscendo rafforzate da questo ciclo. Quelle che hanno costruito valore principalmente sull'accesso alle capacità di IA di terze parti e su esperienze utente che i modelli possono replicare in modo nativo, vengono rivalutate con multipli più bassi e tempistiche di fundraising più lunghe.
La frase che ha iniziato a circolare tra gli investitori come obiezione riflessa, quasi automatica, è "e se OpenAI o Anthropic facessero questo domani?" In molti casi, quella domanda sostituisce l'analisi invece di aprirla. Applicata senza sfumature, blocca conversazioni legittime su business che hanno fondamenta solide. Ma quando appare con dati alle spalle, indica esattamente il problema che molte startup non hanno ancora risolto: la differenza tra costruire un prodotto e costruire un vantaggio che si accumula nel tempo.
---
L'intelligenza abbondante e ciò che diventa scarso quando questo accade
Il quadro che inizia a ordinare meglio le decisioni di investimento in questo ciclo parte da un'ipotesi che ha già prove sufficienti per essere presa sul serio: l'intelligenza computazionale sta diventando un input abbondante e a basso costo, con la stessa logica seguita in precedenza da computazione, archiviazione e larghezza di banda nei cicli precedenti. Quando una risorsa si abbassa di prezzo a quella velocità, ciò che diventa scarso e prezioso è quello che quella risorsa non può produrre da sola.
Nel caso precedente, quando la computazione si è abbassata di costo, ciò che è diventato scarso è stata la distribuzione, i dati sul comportamento degli utenti e le reti di effetti che alcuni prodotti avevano costruito. Le aziende che hanno vinto quel ciclo non sono state quelle che avevano il server migliore, ma quelle che hanno capito cosa rimanesse al di fuori della portata dell'hardware più economico.
La logica si ripete. Se l'intelligenza si abbassa di costo, ciò che diventa scarso è quello che l'intelligenza non può sintetizzare: dati che non si trovano in nessun repository pubblico, relazioni istituzionali che richiedono anni per essere costruite, infrastrutture fisiche che necessitano di capitale e tempo per essere dispiegatee, conoscenza regolamentare che esiste solo nelle organizzazioni che da un decennio navigano un settore specifico.
Il trimestre più concentrato della storia del capitale di rischio non è un segnale che il mercato si stia chiudendo per tutti gli altri. È un segnale che il mercato sta riscrivendo, con più chiarezza che mai, quale tipo di asset considera difendibili quando quattro aziende hanno le risorse per muovere i parametri del gioco. Le startup che stanno costruendo su asset che l'abbondanza di intelligenza non può replicare hanno una posizione più solida di quanto il panico del momento suggerisca. Quelle che non lo fanno, hanno un problema che il prossimo ciclo di modelli più capaci renderà più visibile, non meno.
