La fabbrica della computazione. Cosa c'è dietro l'intelligenza artificiale

Negli ultimi anni qualcosa di straordinario è accaduto quasi senza che ce ne rendessimo conto.

L'Intelligenza Artificiale Generativa è uscita dai laboratori di ricerca ed è arrivata nelle nostre case, nei nostri telefoni e nei luoghi di lavoro. Gli assistenti conversazionali sono oggi accessibili praticamente a chiunque e, almeno per il momento, a costi relativamente contenuti.

Nel precedente articolo pubblicato su queste pagine, “L'intelligenza artificiale, nelle scuole divide” (2026), li avevamo definiti una sorta di “calcolatrice linguistica”.

La calcolatrice tradizionale ci aiuta a elaborare numeri. Quella linguistica ci aiuta a elaborare parole, documenti e informazioni: può riassumere un testo, tradurlo, scrivere codice, confrontare documenti e assisterci nello sviluppo di un ragionamento.

L'accesso a strumenti di questo genere rappresenta certamente una straordinaria democratizzazione tecnologica. Ma non necessariamente una democratizzazione della conoscenza.

Una calcolatrice nelle mani di un matematico e la stessa calcolatrice nelle mani di chi non conosce la matematica sono fisicamente lo stesso oggetto. Ciò che possono produrre, però, è profondamente diverso.

Lo stesso accade con gli assistenti conversazionali. La qualità del risultato dipende anche dalla conoscenza di chi formula la domanda, dalla capacità di descrivere correttamente il problema, riconoscere un errore e verificare una risposta.

Abbiamo quindi democratizzato soprattutto l'accesso a un potentissimo amplificatore della conoscenza. E un amplificatore può amplificare competenza e creatività, ma anche superficialità, errore e disinformazione.

Il simbionte uomo-macchina

Già nel 2022, nell'articolo “Il simbionte human-machine tra etica ed evoluzione”, avevamo provato a raccontare su queste pagine proprio il valore della relazione tra uomo e macchina. Quattro anni dopo quell'immagine appare ancora più attuale: il valore non risiede soltanto nell'algoritmo, ma nel sistema che uomo e macchina costruiscono insieme. Ma questa nuova calcolatrice linguistica, apparentemente immateriale e custodita dentro il nostro smartphone, da qualche parte deve pur funzionare.

Nel precedente articolo eravamo arrivati fino ai token, le unità attraverso cui i modelli elaborano il linguaggio. Questa volta proviamo idealmente ad attraversare lo schermo.

Token significa elaborazione. Elaborazione significa processori. Processori significa server. E server significa infrastrutture, energia e raffreddamento.

Ed eccoci arrivati ai Data Center.

Quando il digitale diventa fisico

Dietro una semplice domanda rivolta a un assistente conversazionale esistono processori, memorie, reti ad altissima velocità e sistemi progettati per funzionare ventiquattro ore al giorno.

Ed è qui che una trasformazione tecnologica globale incontra direttamente il nostro territorio.

A Colleferro è in corso l'iter per la realizzazione del progetto Cobra Green Hyperscale, un grande campus Data Center per il quale sono stati indicati 150 MW di potenza elettrica assegnata, insieme a produzione fotovoltaica e approvvigionamento da fonti rinnovabili.

Sono numeri che rendono improvvisamente molto concreto qualcosa che siamo abituati a nascondere dietro una parola apparentemente immateriale: cloud.

Ma qui è necessario chiarire un equivoco.

Non immaginiamo migliaia di ChatGPT

Quando sentiamo parlare di Data Center per l'Intelligenza Artificiale viene spontaneo immaginare enormi versioni degli assistenti conversazionali che utilizziamo quotidianamente.

La realtà è molto più articolata.

Un Data Center è prima di tutto una fabbrica di capacità computazionale. E quella capacità può essere utilizzata per problemi profondamente differenti.

Per analizzare immagini industriali possono essere utilizzate reti neurali convoluzionali, le CNN, o modelli di Computer Vision come YOLO – You Only Look Once. Per analizzare grandi quantità di testo possono entrare in gioco architetture Transformer e modelli come BERT. Per individuare anomalie negli impianti possono essere utilizzati algoritmi addestrati sui dati dei sensori. Esistono poi Digital Twin, simulazioni ingegneristiche e sistemi multimodali capaci di mettere insieme immagini, testo, audio e dati numerici.

E naturalmente possono esserci anche i Large Language Model, distinguendo tra training, cioè il loro addestramento, e inference, cioè l'utilizzo del modello una volta addestrato.

Il punto è che nel mondo industriale il modello più grande non è necessariamente il modello migliore.

Se dobbiamo individuare un difetto su un componente, il nostro algoritmo non deve conoscere Dante o saper scrivere una poesia: deve riconoscere quel difetto rapidamente, accuratamente e utilizzando possibilmente la minore quantità di risorse necessaria.

Utilizzare un gigantesco modello generalista per risolvere un problema che un modello specializzato può affrontare con una frazione della capacità di calcolo può essere tecnicamente possibile, ma rappresentare semplicemente inefficienza computazionale.

La domanda diventa quindi molto diversa:

non “quale AI utilizziamo?”, ma “quale problema dobbiamo risolvere e quanta computazione serve realmente per farlo?”

In un territorio dalla forte vocazione industriale e aerospaziale come quello di Colleferro, questa distinzione assume un significato particolarmente concreto.

Perché la vera materia prima che un Data Center mette a disposizione non è l'Intelligenza Artificiale. È la computazione. L'intelligenza sta nel decidere come utilizzarla.

La fabbrica della computazione ha bisogno di energia

Ed eccoci all'altra faccia della rivoluzione digitale.

Per anni abbiamo associato il digitale a qualcosa di immateriale. Persino cloud significa letteralmente “nuvola”.

Eppure la nuvola pesa.

Ha bisogno di cemento, silicio, reti, sistemi di raffreddamento e soprattutto energia.

Il progetto di Colleferro prevede anche produzione fotovoltaica e approvvigionamenti da fonti rinnovabili. Ed è certamente una componente fondamentale della sostenibilità di infrastrutture caratterizzate da consumi energetici così importanti.

Il rapporto tra tecnologia, energia e ambiente, del resto, accompagna da tempo anche questa rubrica. Già in “Targhe alterne sì, targhe alterne no” (2020) ragionavamo sull'utilizzo intelligente dei dati per intervenire sulle emissioni; in “Alla scoperta dell'acqua e del suo potere come carburante” (2021) affrontavamo il rapporto tra energia e mobilità.

Ma soprattutto ne “Il riscaldamento globale” (2021) introducevamo già il concetto di Green AI: rendere più sostenibile l'Intelligenza Artificiale significa utilizzare energia proveniente da fonti migliori, ma anche evitare computazione superflua.

Cinque anni dopo quella riflessione assume una dimensione completamente diversa. E questa volta arriva fisicamente sul nostro territorio.

Rinnovabile non significa infinita

Una fonte rinnovabile riduce una componente fondamentale dell'impatto ambientale, ma non elimina una domanda altrettanto importante:

quanta energia utilizziamo per ottenere quale risultato?

Anche produrre energia rinnovabile richiede infrastrutture, materiali e territorio.

Portando provocatoriamente il ragionamento all'estremo, possiamo ricordare la Sfera di Dyson, l'ipotetica gigantesca struttura immaginata intorno a una stella per intercettarne enormi quantità di energia.

Non arriveremo certamente a oscurare il pianeta ricoprendolo di pannelli solari per alimentare i nostri algoritmi. Il paradosso, però, rende evidente il punto: la sostenibilità non può consistere soltanto nel trovare sempre nuova energia per accompagnare una crescita indefinita dei consumi.

Occorre anche utilizzarla meglio.

Ed è un tema sul quale tornammo nel 2023 con “Impatto ambientale e sociale dell'intelligenza artificiale”, quando la crescita dei modelli rendeva già evidente che l'AI avrebbe avuto conseguenze non soltanto digitali, ma anche energetiche e ambientali.

Vendere computazione e produrre valore

Un Data Center svolge un'attività industriale precisa: mette a disposizione capacità computazionale in maniera affidabile, sicura e competitiva.

La computazione è il suo prodotto.

Ma il valore ottenuto da quella computazione dipende da chi la utilizza.

Possiamo produrre energia elettrica interamente da fonti rinnovabili; se poi la utilizziamo inutilmente per riscaldare una resistenza, abbiamo reso sostenibile la produzione dell'energia, non necessariamente il suo utilizzo.

Lo stesso principio vale per il calcolo.

Possiamo costruire Data Center efficientissimi e alimentarli con energia rinnovabile.

Ma utilizzare cento unità di computazione per un problema risolvibile con una sola significa avere reso più sostenibile l'infrastruttura, non necessariamente il processo.

Forse una delle competenze strategiche della nuova economia digitale sarà proprio questa: utilizzare la giusta quantità di computazione per il giusto problema.

Dal token al territorio

Arriviamo così alla fine del viaggio iniziato con la nostra calcolatrice linguistica.

Un token richiede elaborazione. L'elaborazione richiede processori. I processori richiedono server. I server richiedono Data Center. E i Data Center richiedono energia e territorio.

L'Intelligenza Artificiale che appare immateriale sullo schermo del telefono torna così ad essere qualcosa di estremamente fisico.

Il progetto di Colleferro porta con sé prospettive industriali, tecnologiche e occupazionali, insieme alle inevitabili questioni legate all'energia, al territorio e alla sostenibilità.

Ma forse possiamo aggiungere una domanda a questo dibattito.

Che cosa vogliamo fare di tutta questa potenza?

La capacità computazionale sta diventando una delle nuove materie prime dell'economia digitale. Ma ospitarla non significa automaticamente saperla trasformare in valore.

Ed è forse questa la domanda più interessante che la nuova fabbrica della computazione lascia aperta per Colleferro e per il nostro territorio:

saremo soltanto il luogo nel quale verrà prodotta la computazione del futuro, oppure sapremo diventare anche il territorio capace di utilizzarla per costruire il proprio?