Quando le ho chiesto di ampliare lo sguardo ai costi globali
Quando parliamo dei costi dell'AI tendiamo a pensare al prezzo di un abbonamento, di una API o dell'utilizzo di un modello.
Ma il costo reale dell'AI, su scala globale, è un'altra cosa.
Per far funzionare i modelli servono GPU e altri acceleratori, server, data center, reti, sistemi di raffreddamento, storage, elettricità, personale altamente specializzato, sicurezza e manutenzione. E poi c'è il costo dell'inferenza: ogni volta che utilizziamo un modello, da qualche parte quella richiesta deve essere elaborata.
La dimensione economica sta quindi rapidamente uscendo dal perimetro del semplice settore software.
Le stime sugli investimenti globali in infrastruttura AI sono già nell'ordine delle
centinaia di miliardi di dollari all'anno, mentre le proiezioni per i prossimi anni arrivano a diversi
trilioni di dollari.
E non si tratta soltanto di costruire nuovi data center.
L'AI ha un costo fisico.
Servono chip, energia, reti elettriche, sistemi di raffreddamento, terreni e infrastrutture industriali. Secondo le stime dell'IEA, i data center consumavano circa 485 TWh di elettricità nel 2025 e potrebbero arrivare a circa 950 TWh nel 2030.
Quasi mille terawattora all'anno.
Questo significa che dietro quella che percepiamo come una tecnologia immateriale esiste un'enorme infrastruttura materiale.
Ed è forse questo l'aspetto più interessante.
L'AI tende a diventare sempre più accessibile come software, ma la capacità di farla funzionare su scala diventa sempre più
capital intensive.
Una piccola impresa può utilizzare lo stesso modello di una multinazionale attraverso una API.
Ma la multinazionale può contemporaneamente disporre di migliaia di GPU, enormi quantità di dati, data center, contratti energetici, infrastrutture proprietarie e capitale sufficiente per continuare a investire.
La differenza, quindi, non è più soltanto nell'accesso al modello.
È nella capacità di sostenere l'infrastruttura necessaria per utilizzarlo su larga scala.
E qui emerge un paradosso interessante:
l'AI sembra una tecnologia immateriale, ma la sua scalabilità richiede una quantità crescente di materia, energia e capitale.
Per questo, quando discutiamo del costo dell'AI, forse dovremmo smettere di chiederci soltanto quanto costa una singola richiesta a un modello.
La domanda più interessante è:
Perché dietro ogni risposta generata ci sono una filiera industriale, una rete energetica e un'enorme quantità di capitale.
E quella macchina, per poter continuare a crescere, deve essere continuamente alimentata, aggiornata e sostituita.
Il vero costo dell'AI, quindi, non è soltanto il prezzo del modello.
È il costo dell'
ecosistema fisico che permette alla capacità cognitiva artificiale di esistere e di scalare.
E siccome le mie domande sono ingenue, poco specializzate e con poca conoscenza a mia disposizione, e il mio modello è un modellino, la complessità è sicuramente ben più ampia di queste risposte