AI come infrastruttura di base: il vincolo non è più il codice, ma l’energia e il capitale

Cosa è successo?

Lo Stanford Emerging Technology Review 2025 descrive l’intelligenza artificiale come una tecnologia general purpose ormai paragonabile a elettricità e Internet per capacità di trasformazione economica e sociale. I numeri ne confermano la scala: il mercato globale dell’AI vale 196,6 miliardi di dollari (2023), mentre gli investimenti privati in startup AI hanno raggiunto 96 miliardi, mostrando una forte resilienza nonostante il crollo del 42% del venture capital globale. Il potenziale macroeconomico è enorme: la sola generative AI potrebbe aggiungere circa 7.000 miliardi di dollari al PIL globale nel tempo. Ma il report segnala anche un cambio di fase: l’addestramento di modelli di frontiera come GPT-4 ha richiesto circa 25.000 GPU Nvidia A100 per 100 giorni, con un consumo stimato di 50 milioni di kWh, pari al fabbisogno annuo di 4.500 famiglie statunitensi, mentre l’inferenza su larga scala continua a consumare centinaia di migliaia di kWh al giorno.

Perché è importante?

Il collo di bottiglia dell’AI non è più algoritmico, ma fisico e sistemico: capacità di calcolo, accesso all’energia, capitale e catene di fornitura. Questo sposta l’AI da dominio prevalentemente software a capacità industriale, favorendo attori che possono sostenere investimenti infrastrutturali massicci. Il vantaggio competitivo non dipende solo da talento o innovazione di codice, ma da scala, integrazione verticale e controllo delle risorse critiche. Ne derivano implicazioni dirette su competitività globale, disuguaglianze tra Paesi e sostenibilità ambientale: chi non dispone di infrastrutture rischia di restare strutturalmente indietro.

E adesso?

La prossima fase dell’AI sarà definita meno da nuovi modelli e più da decisioni infrastrutturali e di policy: dove costruire data center, come alimentare l’AI con energia affidabile e pulita, chi finanzia l’enorme capex richiesto. Governi e imprese dovranno trattare l’AI come una rete strategica, integrando politiche industriali, energetiche e di sicurezza. Senza questo salto, l’AI rischia di amplificare divari economici e ambientali; con una governance adeguata, può invece diventare un moltiplicatore di produttività sostenibile su scala globale.