Per finanziare l’intelligenza artificiale, le banche cominciano a guardare dentro i data center: guardano alle GPU, i processori che eseguono i calcoli, e soprattutto ai contratti di chi ne utilizzerà la potenza. In Corea del Sud, KB Kookmin Bank ha ottenuto il mandato per organizzare 10.700 miliardi di won di prestiti destinati a un progetto di infrastruttura AI promosso da Brookfield. Il costo complessivo è di circa 12.600 miliardi di won. Una società veicolo acquisterà GPU e infrastruttura da fornire a Naver Cloud – società del gruppo sudcoreano Naver specializzata in cloud computing e intelligenza artificiale – con un contratto di lungo periodo, i cui flussi sosterranno il rimborso del debito. È un caso da osservare anche in Italia: mostra come affiancare il credito al capitale degli investitori, facendo leva su una domanda di calcolo già contrattualizzata.
L’operazione conserva un impegno del gruppo utilizzatore: Naver ha previsto una garanzia sui pagamenti della controllata fino a otto anni. Per capire quanto questo modello sia replicabile, bisogna dunque guardare insieme a hardware, contratti e solidità di chi paga.
Indice degli argomenti
KB Kookmin e il prestito per le GPU di Brookfield
Secondo il Seoul Economic Daily del 1° novembre 2026, KB Kookmin coordinerà la struttura del prestito e la negoziazione delle condizioni finanziarie. Il credito sarà fornito da più istituzioni attraverso un prestito sindacato: un finanziamento condiviso che permette di distribuire l’esposizione tra diversi soggetti. La banca presenta l’iniziativa come il primo GPU financing sudcoreano. L’annuncio riguarda il mandato di organizzazione del credito, non documenta l’avvenuta erogazione dell’intera somma.
I prestiti previsti rappresentano circa l’84,9% del costo del progetto, calcolando il rapporto tra 10.700 e 12.600 miliardi di won. Questa quota descrive il peso del debito nell’operazione annunciata; non è una soglia di finanziabilità applicabile a qualsiasi parco di GPU. La capacità di sostenere una struttura simile dipende dalle condizioni contrattuali e dalle protezioni offerte ai creditori.
Il finanziamento annunciato in Corea del Sud
| Voce | Importo o quota |
|---|---|
| Costo del progetto | Circa 12.600 miliardi di won |
| Prestiti da organizzare | Circa 10.700 miliardi di won |
| Prestiti / costo del progetto | Circa 84,9% |
Fonte: Seoul Economic Daily, 1° novembre 2026. Quota calcolata sugli importi annunciati; non indica somme già erogate.
Come il contratto di calcolo diventa una fonte di rimborso
Il passaggio decisivo è trasformare la capacità di calcolo in ricavi prevedibili. Un investitore che compra GPU per venderne l’utilizzo sul mercato deve trovare clienti e sopportare l’incertezza sui prezzi. Un contratto pluriennale con un operatore identificato permette invece ai finanziatori di valutare una relazione commerciale già definita. Le rate del debito possono così essere costruite intorno ai flussi attesi dall’accordo, verificando quanto resta dopo i costi necessari a fornire il servizio.
È una logica vicina al project finance, nel quale la capacità di rimborso deriva soprattutto dai flussi del progetto. Per le GPU si aggiunge il valore delle apparecchiature e delle eventuali garanzie. La descrizione pubblica del caso coreano permette di riconoscere questa impostazione, ma non di qualificarlo come finanziamento senza rivalsa sugli sponsor: mancano i dettagli del contratto di credito necessari a stabilire chi risponda, e in quali circostanze, delle perdite.
La comunicazione di Naver del 27 ottobre chiarisce la divisione dei compiti. Brookfield costituirà un veicolo, provvisoriamente chiamato Asset Co., per acquisire GPU e infrastrutture; Naver Cloud gestirà l’AI factory. Naver prevede pagamenti d’uso collegati ai ricavi dell’attività e un avvio operativo nella prima metà del 2027.
Lo stesso comunicato precisa che il capitale del veicolo sarà interamente apportato da Brookfield, ma che Asset Co. dovrebbe diventare una controllata di Naver ai fini contabili, per il controllo riconosciuto secondo i principi coreani K-IFRS. Questo, insieme alla garanzia sui pagamenti, chiarisce il beneficio: distribuire nel tempo il fabbisogno finanziario iniziale, conservando obblighi e responsabilità del gruppo. La presenza di una società veicolo, da sola, non dimostra che il progetto resti fuori dal bilancio dell’utilizzatore.
Il mercato esiste già: che cosa insegna CoreWeave
Proprio perché contano le condizioni del credito, l’esperienza sudcoreana va letta dentro un mercato più ampio. Il finanziamento delle GPU ha già precedenti internazionali. Il 31 marzo 2026 CoreWeave ha annunciato una linea fino a 8,5 miliardi di dollari, garantita da infrastrutture di calcolo e dal relativo contratto con un cliente. L’operazione ha ottenuto rating A3 da Moody’s e A (low) da DBRS. La qualità del contratto entra nella valutazione del credito insieme alle macchine che lo rendono eseguibile.
Un’operazione successiva mostra quanto possa cambiare il rischio. Nell’agosto 2026 CoreWeave ha chiuso un’altra linea da 2,6 miliardi di dollari, con durata di circa cinque anni e contratti sottostanti mediamente triennali. La differenza implica che una parte del rimborso dipenda dal rinnovo dei clienti o dalla vendita della capacità ad altri utilizzatori. La linea ha ricevuto rating Ba2 da Moody’s e BB+ da Fitch: è una struttura diversa, che espone i finanziatori anche al rischio commerciale dopo la scadenza dei primi contratti.
Questi casi aiutano a dare un significato concreto all’espressione “nuova asset class”. I processori e i loro contratti d’uso diventano attività intorno alle quali costruire strumenti di credito. Per valutarli occorre però distinguere tra ricavi già impegnati e domanda futura da conquistare. È una distinzione rilevante anche per le scaleup europee: EconomyUp ha affrontato la distanza tra crescita tecnologica e disponibilità di grandi capitali nell’analisi sul caso Fluidstack.
Il rischio: il debito resta, la tecnologia cambia
La domanda futura diventa più difficile da stimare quando arrivano nuove generazioni di chip. Una GPU può continuare a funzionare e, allo stesso tempo, perdere attrattività perché un’alternativa offre prestazioni migliori a parità di costo o consumo. Per chi finanzia le apparecchiature, questo può significare canoni più bassi o un minore valore di rivendita, proprio mentre il prestito deve ancora essere rimborsato.
Nel bilancio 2025 depositato alla SEC, CoreWeave segnala i rischi connessi al debito e alla disponibilità di energia, e descrive finanziamenti legati al costo delle apparecchiature. La lettura per banche e fondi è concreta: la durata del prestito deve reggere anche a ricavi inferiori alle attese. Se per rimborsarlo serve rivendere le GPU a un prezzo elevato o rinnovare tutti i clienti alle stesse condizioni, quelle ipotesi sono una parte sostanziale del rischio assunto.
Anche l’energia incide sui flussi disponibili per il debito: senza alimentazione e raffreddamento adeguati, le macchine non possono fornire il servizio promesso. E se il costo elettrico cresce, qualcuno deve assorbirne l’effetto sul margine. Il tema si collega al rapporto tra AI, energia e investimenti delle Big Tech: finanziare il calcolo richiede anche di verificare le condizioni fisiche che lo rendono disponibile.
Che cosa può imparare l’Italia dal GPU financing
In Italia la distanza tra progetti annunciati e realizzati rende questa verifica particolarmente importante. L’Osservatorio Data Center del Politecnico di Milano, nella ricerca presentata a gennaio 2026, rileva 7,1 miliardi di euro investiti nel 2023-2025, pari al 68% di quanto previsto nel 2023 per quel triennio. Per il periodo fino al 2028 indica oltre 25 miliardi di investimenti potenziali. Tra gli ostacoli segnala complessità autorizzative e incertezza sulle architetture per l’AI. Una previsione di investimento non equivale a un progetto finanziabile.
Il modello coreano suggerisce una strada per le iniziative commerciali: individuare un cliente disposto a impegnarsi nel tempo, definire il servizio che acquisterà e costruire il finanziamento intorno a quei pagamenti. In una possibile applicazione italiana, un operatore cloud o un gruppo industriale con domanda stabile potrebbe svolgere il ruolo di cliente iniziale. Banche e fondi dovrebbero poi valutare garanzie, costi operativi e rinnovo delle macchine, anziché limitarsi al numero di GPU acquistate.
Per startup e imprese utilizzatrici, il beneficio possibile sarebbe accedere alla capacità di calcolo attraverso un servizio, evitando di sostenerne direttamente tutto l’investimento. Il credito all’infrastruttura, tuttavia, richiede una domanda sufficientemente solida da sostenerne i costi: non rende automaticamente economico il calcolo per ogni cliente. La discussione italiana sulla sovranità digitale e sui nuovi poli di innovazione incontra qui una questione industriale precisa: chi comprerà i servizi e a quali condizioni.
La lezione di KB Kookmin è che l’espansione delle infrastrutture AI può mobilitare capitale attraverso contratti di utilizzo credibili. Per banche e fondi italiani il lavoro consiste nel valutarne la tenuta quando cambiano prezzi, clienti e tecnologia. È su questa capacità di selezione che il GPU financing può diventare un canale aggiuntivo per finanziare data center e AI factory commerciali, affiancando il capitale degli operatori.
Partecipa alla community