Perché l'Europa costruisce gigafactory AI senza avere l'energia per accenderle?

La candidatura italiana alla gigafactory europea di intelligenza artificiale sarà definita nelle prossime settimane. Non è la prima volta che l'Italia costruisce infrastruttura pubblica di calcolo come leva di sovranità: Cineca nasce nel 1969 come consorzio interuniversitario per condividere risorse di elaborazione che nessun ateneo poteva permettersi da solo, e nei decenni successivi è diventato uno dei primi dieci centri di supercalcolo europei. Quella storia mostra che l'infrastruttura pubblica di calcolo funziona quando è accompagnata da una comunità scientifica che la usa e la orienta — non quando è costruita in attesa che la comunità arrivi. Lo ha dichiarato il ministro Adolfo Urso al Fii Priority Europe di Roma, indicando Ai4i di Torino e Cineca di Bologna come coordinatori, con Leonardo ed Eni come partner principali. Nello stesso giorno, a poche ore di distanza, il ceo di CIQ Bjorn Hovland ricordava che i modelli frontier restano nelle mani di pochi soggetti e possono essere condizionati da decisioni politiche, citando il caso Mythos come esempio del rischio di dipendenza.

I due fatti, letti insieme, dicono una cosa che il dibattito pubblico italiano sta ancora processando. L'Europa ha deciso di costruire infrastrutture di calcolo proprie, e l'Italia vuole essere dentro questa decisione. Ma la costruzione delle gigafactory è solo uno dei tre piani su cui si gioca la sovranità tecnologica, e i tre piani non stanno avanzando alla stessa velocità. Il rischio è di edificare l'infrastruttura più visibile mentre restano scoperti gli strati su cui quella infrastruttura dovrebbe poggiare.

Il primo piano è l'hardware. La Commissione europea ha annunciato l'obiettivo di triplicare la capacità di calcolo continentale entro la fine del decennio. Le gigafactory previste dal piano sono cinque, ciascuna dimensionata per ospitare almeno 100.000 acceleratori AI di ultima generazione. Il modello industriale è quello delle gigafactory delle batterie, traslato sull'AI: investimenti pubblici e privati congiunti, localizzazioni distribuite, partnership con campioni nazionali. È il piano su cui l'Italia si sta posizionando con maggiore determinazione, e dove il vantaggio competitivo di avere già Cineca tra i primi centri di calcolo europei è reale.

Il secondo piano è l'energia. Le gigafactory AI sono macchine elettriche prima che digitali. Una facility da 100.000 acceleratori richiede una potenza installata tra 500 megawatt e 1 gigawatt continui, equivalenti al consumo di una città di medie dimensioni. Le reti elettriche europee, e quella italiana in particolare, sono sature in molti dei nodi industriali dove queste infrastrutture verrebbero collocate. Reti elettriche sature, consumo idrico elevato e proteste locali sono i vincoli che stanno già emergendo nei progetti di data center hyperscaler europei. Il problema non è teorico: è la ragione per cui diversi progetti di data center in Irlanda e nei Paesi Bassi sono stati ridimensionati o spostati nell'ultimo biennio.

Il terzo piano è il software. È il piano meno visibile e probabilmente il più decisivo. Possedere la gigafactory significa avere la capacità fisica di addestrare modelli; non significa avere i modelli. I modelli frontier, come ha ricordato Hovland, restano concentrati in poche organizzazioni extra-europee, e l'accesso a essi può essere ristretto da decisioni politiche o regolatorie. La risposta europea passa dai modelli open weight e open source, che secondo Hovland restano indietro di sei-dodici mesi rispetto ai frontier, ma il divario si riduce. È uno spazio aperto, dove l'Europa può recuperare se costruisce contemporaneamente competenze di addestramento, dataset proprietari e strumenti di orchestrazione locale.

La sincronizzazione tra i tre piani è la variabile critica. È plausibile che nei prossimi dodici mesi la candidatura italiana venga formalizzata e che la gigafactory entri nella fase di progettazione esecutiva. È probabile che, in parallelo, emergano i primi conflitti localizzativi legati alla disponibilità di rete elettrica: i nodi industriali del Nord, dove l'ecosistema di competenze è più maturo, sono anche quelli dove la rete è più stressata. Le aree con capacità residua significativa si trovano al Sud, dove però l'ecosistema di competenze tecniche è più rado. È una forbice già visibile: un operatore cloud del milanese che ha avviato nel 2024 la procedura di allacciamento per un nuovo nodo di calcolo si è sentito rispondere da Terna con tempi di attesa superiori ai tre anni per la potenza richiesta. Sul versante opposto, un polo universitario pugliese con capacità energetica disponibile e infrastruttura di rete adeguata fatica a trattenere i profili senior di ML engineering formati localmente, che migrano verso i centri del Nord o verso l'estero entro dodici mesi dalla laurea.

Cosa osservare nei prossimi mesi. Il primo segnale è la composizione della partnership italiana, in particolare la presenza o l'assenza di un partner software di scala. Senza un soggetto che porti capacità di addestramento e adattamento dei modelli, la gigafactory rischia di essere infrastruttura senza inquilino strategico. Il secondo segnale è la pianificazione della rete elettrica: se Terna e il Mase annunceranno un piano di potenziamento dedicato ai siti AI nei prossimi dodici mesi, vorrà dire che la sincronizzazione tra hardware ed energia è entrata nell'agenda. Se non accadrà, il vincolo energetico diventerà il collo di bottiglia visibile entro tre anni. Il terzo segnale è la velocità con cui i modelli open weight recupereranno il gap. È il piano meno controllabile dall'Italia, ma è quello che determina se la sovranità sarà reale o formale.