Andrea Stroppa: l'Italia, l'intelligenza artificiale e un sogno da 15 miliardi

Fra il 2023 e Giorgia Meloni si trovava a Londra al Summit sull’AI. Anch’io ero lì per lavoro. Dal 2023 al 2026 il mondo dell’intelligenza artificiale ha già attraversato diverse rivoluzioni tecnologiche. Le hanno spinte le innovazioni nel computing e il rilascio sul mercato di modelli open source cinesi. È una corsa che si gioca essenzialmente tra Stati Uniti e Cina. Ci sono poche eccezioni europee. Sono legate più all’hardware per l’AI che ai modelli fondativi puri. Penso all’olandese Asml, monopolista mondiale delle macchine per la litografia. C’è poi il Regno Unito. Grazie alla sua tradizione accademica sta facendo emergere ottime aziende.

In Italia, del potenziale di questa rivoluzione è arrivato ben poco. E quando è arrivato, ha riempito le tasche di qualche autore di libri con la sottana e conferenziere. Al resto della popolazione è rimasto poco o nulla. Da noi si manifestano di continuo più le paure, i pericoli e le disgrazie che l’AI «potrebbe» portare. Si parla molto meno delle opportunità e dei problemi che si possono risolvere. Il problema è semplice. Chi oggi guida le policy e ha rilevanza pubblica non ha mai lavorato con l’AI. Probabilmente chi ci si è avvicinato di più è stato Veltroni, quando ha pubblicato sul Corriere il suo dialogo con Claude.

Nelle università pubbliche italiane si fatica. I soldi sono pochi. E questo è un settore costosissimo, fatto di ricerca e sviluppo. È notoriamente il nostro tallone d’Achille. Nelle grandi aziende private, alcune partecipate dallo Stato, mi capita spesso di parlare con amministratori.

Mi spiegano come la loro azienda stia facendo grandi cose con l’AI. Ma quando si entra nel dettaglio, gli investimenti rappresentano una percentuale minuscola del totale. Spesso sono inferiori a quanto spendono per comunicazione e pubblicità. I risultati sono nulli. Servono per edulcorare e darsi un tono. Sembra quasi che l’AI, per chi ha ruoli di comando nel nostro Paese, sia più una moda passeggera che una rivoluzione destinata a cambiare interi settori.

Negli Stati Uniti, quest’anno, verranno spese centinaia di miliardi di dollari. La Cina ha risorse minori. Ma può contare su alcuni dei migliori ingegneri al mondo. Gli Usa hanno tentato di rallentarla. Hanno messo al bando le Gpu per l’addestramento e l’inferenza. La Cina ha trovato comunque diverse soluzioni. Importa Gpu attraverso paesi terzi nell’Asia sudorientale. E ha avviato una promettente supply chain con tecnologie proprietarie.

Anche Pechino sta facendo le sue contromosse. Da un lato le sue aziende leader continuano a rilasciare modelli fondativi open source per erodere il valore dei modelli a pagamento occidentali. Dall’altro inizia a porre limiti agli spostamenti dei propri ingegneri verso gli Stati Uniti. Perché quegli ingegneri non vanno solo a lavorare negli Usa. Ci restano a vivere. Contratti milionari e il prestigio di lavorare nelle aziende tech americane hanno portato moltissime stelle dell’AI cinese nella Bay Area.

L’AI che i nostri «capitani» continuano a scambiare per le chat che rispondono come quando cliccavi sulla pancia di Topolino in realtà è qualcosa di profondamente diverso. I primi Llm appartengono già al passato. I modelli attuali sono quelli per la scrittura di codice. Risolvono in pochi minuti problemi che richiederebbero ore di lavoro a un programmatore. E i modelli di frontiera, quelli del domani, sono multimodali. Interpretano e generano testo, immagini, suoni e perfino video. A cosa servono? Sono tutti modelli fondativi. Valgono per gli Llm, per i modelli per il coding e per quelli multimodali. Una volta raggiunta una capacità di base soddisfacente, vengono «messi a punto» per casi specifici. La capacità di base si misura su benchmark che gli sviluppatori confrontano di continuo. È come costruire oggetti multiuso capaci di risolvere problemi altamente complessi. Molti di questi problemi vengono già risolti oggi. Si può simulare il ripiegamento delle proteine per accelerare la scoperta di farmaci. Si possono ottimizzare reti energetiche e logistiche. Si può supportare la lettura diagnostica di esami medici complessi come radiografie e risonanze.

L’Italia è fuori dai giochi come sistema Paese, ma gli italiani no. I singoli cittadini possono usare l’AI. Vale per gli studenti come per i pensionati. Vale per i professionisti come per gli operai. Possono sperimentare, conoscere, capire.

Possono provare a ottimizzare la propria produttività e semplificare il quotidiano. L’AI non deve sostituire gli esseri umani. Deve accompagnarli. Lo avrete letto spesso, come visione opposta a chi sostiene che spazzerà via i posti di lavoro. Entrambe le affermazioni sono vere. I primi a perdere lavoro a causa dell’AI saranno proprio gli informatici. La maggior parte degli altri mestieri verrà invece potenziata. Finché i nostri capitani non torneranno a produrre prodotti invece che parole, l’Italia resterà fuori da ogni competizione. Ma la curiosità e la testardaggine degli italiani hanno ancora molto da dire.

IL SOGNO: E SE COSTRUISSIMO NOI IL SUPERCOMPUTER?
Tanto per parlare. E di certo non è realizzabile in un Paese come il nostro. Ma come esercizio di stile, se fossi il Presidente del Consiglio, la strategia per l’AI sarebbe una sola. Chiamare a Palazzo Chigi Cassa Depositi e Prestiti, Poste e le principali banche e aziende private italiane. Obiettivo: costruire in diciotto mesi, in una zona protetta dall’esercito, un supercomputer per l’addestramento di modelli e l’inferenza.

I numeri vanno detti con onestà. Costruire un’infrastruttura AI di un gigawatt, la scala dei grandi data center americani, costa oggi tra i 35 e i 55 miliardi di euro. Di questi, circa il 60 per cento sono i server e le Gpu. È una cifra fuori portata.

Ma non serve partire così in grande. Con un investimento da circa 15 miliardi di euro si può realizzare un impianto da 350 a 400 megawatt. Ospiterebbe nell’ordine di 150.000 o 180.000 Gpu di ultima generazione. Per dare un termine di paragone concreto: l’accordo annunciato a maggio 2026 tra Anthropic e SpaceX dà accesso a oltre 300 megawatt di nuova capacità e a più di 220.000 Gpu Nvidia.

L’accordo con Nvidia dovrebbe puntare sulla fornitura delle Gpu Gb300 «Grace Blackwell Ultra». Non serve l’ultimissima architettura Rubin, attesa nella seconda metà del 2026. Le Gb300 sono già quelle che girano nei data center più avanzati al mondo. Aziende come Google, OpenAI, Microsoft, Anthropic e la stessa SpaceX stanno cercando disperatamente capacità di calcolo per far girare i propri modelli. Il vero collo di bottiglia non sono i soldi. È la velocità e la capacità di costruire supercomputer di ultima generazione. Servono energia, raffreddamento a liquido, ingegneria civile. Ci stanno provando anche i paesi del Golfo. Ma non hanno la tradizione ingegneristica e impiantistica che abbiamo in Italia.

Il progetto creerebbe da subito diverse migliaia di posti di lavoro. E il modello di business è semplice: affittare le Gpu alle aziende tech.
Per una volta, invece di essere meri consumatori, diventeremmo fornitori. Quanto vale questo mercato?

L’accordo tra SpaceX e Anthropic lo dice in modo chiarissimo. Anthropic ha accettato di pagare 1,25 miliardi di dollari al mese fino a maggio 2029 per l’accesso a quei cluster. Sono circa 15 miliardi di dollari di ricavi all’anno. In altre parole, un’infrastruttura della scala di quella che propongo potrebbe ripagarsi nell’arco di pochi anni soltanto con gli affitti di calcolo.

L’ACCORDO A FAVORE DELL’ITALIA
L’intesa che il nostro governo potrebbe negoziare è questa. Accesso al computing a prezzo scontato per i giganti della tecnologia. In cambio, l’uso gratuito dei modelli AI più evoluti. E la richiesta esplicita di progetti dedicati per aumentare l’efficienza della pubblica amministrazione, del Servizio Sanitario Nazionale e dell’istruzione. Tutto passerebbe attraverso il supercomputer costruito dall’Italia, sul nostro territorio, sotto la nostra giurisdizione. Non è un punto secondario.

I clienti in settori regolati come sanità, finanza e pubblica amministrazione hanno sempre più bisogno di infrastrutture locali per rispettare i requisiti di conformità e residenza dei dati.

Il calcolo del ritorno è duplice. Da un lato i miliardi di ricavi annui dagli affitti delle Gpu. Dall’altro i risparmi generati dall’efficientamento dell’AI. Penso alla gestione documentale, alle risposte ai cittadini, alla diagnostica sanitaria, alla lotta all’evasione. Una parte di quei risparmi potrebbe essere reinvestita direttamente negli stipendi.

Ovviamente è tutto un sogno. Spero che non vengano fuori bandi ad hoc per fantomatici «microserver distribuiti per l’AI». Non servirebbe a nulla e a nessuno. Se non a qualcuno.