La Piramide dell'AI che Nessuno Guarda: energia e chip prima di tutto

TL;DR: L'AI e' una piramide a cinque strati. Il dibattito si concentra in cima (modelli e applicazioni). Il vincolo reale e' alla base: energia e chip. Su entrambi, USA e Cina dominano. L'Europa dipende da entrambi e non ha leva su nessuno dei due.

Tutti parlano di ChatGPT, Gemini, Claude. Di quanti parametri ha il nuovo modello, di benchmark, di chi vince la gara dell'AI. Nel frattempo, Jensen Huang, CEO di NVIDIA, ripete la stessa cosa da anni, ogni anno con più forza: il problema non è in cima alla piramide. È alla base.

Energia. Chip. Infrastruttura fisica. Sono queste le fondamenta su cui l'AI si regge, o crolla. E su tutte e tre, l'Europa è spettatrice.

La "AI-Cake": cinque strati di cui ne discutiamo due

Huang ha reso popolare l'immagine della five-layer cake dell'AI: cinq strati sovrapposti, ognuno dipendente da quello sotto.

Dal basso verso l'alto:

1. Energia — la domanda massiccia e continua di elettricità
2. Chip e compute — GPU, acceleratori, semiconduttori avanzati
3. Sistemi e networking — server, interconnessioni, data center
4. Modelli e framework — Foundation Model, CUDA, librerie
5. Applicazioni AI — i prodotti che usiamo ogni giorno

Il dibattito pubblico, quello dei media tecnologici e dei decisori aziendali, si concentra quasi esclusivamente sui livelli 4 e 5. I livelli sottostanti non esistono nella conversazione corrente.

Eppure, al GTC 2026 di marzo, Huang ha introdotto una formula secca:

"AI factory revenues are equal to tokens-per-watt. With power constraints, every unused watt is revenue lost."

Tradotto: fatturato AI = token prodotti per watt disponibile, moltiplicato per i gigawatt totali. Se manca l'energia, il modello più potente del mondo vale zero. Senza corrente, nessun token.

Perché il Futuro dell'AI Dipende dall'Energia

L'AI ha fame. Una fame che cresce in modo esponenziale, non lineare.

Secondo l'IEA (International Energy Agency), i data center consumeranno globalmente 945 TWh nel 2030, quasi il doppio dei 415 TWh del 2024. I server accelerati destinati all'AI crescono al +30% annuo, quattro volte più veloce di qualsiasi altro settore industriale. Entro il 2035, i data center AI consumeranno tanta elettricità quanta ne consuma oggi l'intero Giappone.

A Davos 2026, Huang ha definito l'AI "the largest infrastructure buildout in human history" e ha dichiarato esplicitamente: "I think that it's fairly certain that you have to get serious about increasing your energy supply so that you could invest in the infrastructure layer."

Questa non è crescita lineare. È pressione sistemica su reti elettriche progettate per un mondo pre-AI. In molte aree degli Stati Uniti, i gestori di rete stanno già razionando l'accesso ai data center. In Europa la situazione non è migliore.

Il punto che complica tutto: l'energia non è un problema tecnico risolvibile con un aggiornamento software. Dipende da infrastrutture fisiche, politiche nazionali, trattati internazionali e, sempre di più, da dinamiche di guerra. Le tensioni geopolitiche degli ultimi anni hanno reso evidente che la catena di approvvigionamento energetico può essere interrotta in modo rapido e brutale.

Un'Europa che dipende dall'estero per gas e elettricità è un'Europa che non controlla il proprio futuro digitale. La risposta strutturale non è uno slogan green: è energia sovrana, rinnovabile, distribuita come requisito strategico per competere nell'economia AI.

Chi Controlla i Chip Controlla l'AI: e noi non siamo in quella stanza

Se l'energia è il problema di cui si parla poco, i chip sono quello di cui non si parla affatto.

Ogni modello AI, che tu lo usi per generare testo, analizzare dati o automatizzare processi, gira su hardware. Quell'hardware è prodotto quasi interamente in Asia.

TSMC (Taiwan) controlla il 64% del mercato foundry globale e produce circa il 90% dei chip avanzati del mondo (sotto i 7nm). Samsung copre gran parte del restante. Non esiste un'alternativa europea per i processi che l'AI richiede.

La Cina ha investito oltre 150 miliardi di dollari nella produzione di semiconduttori negli ultimi anni, tre volte l'intero CHIPS Act americano. Nel primo trimestre del 2024, SMIC ha superato GlobalFoundries diventando il terzo foundry mondiale per fatturato. La Cina controlla quasi il 99% della produzione mondiale di gallio, materiale critico per i chip avanzati.

L'Europa risponde con l'EU Chips Act: 43 miliardi di euro per arrivare al 20% della produzione globale entro il 2030. Oggi siamo sotto il 10%, e l'impianto TSMC che sorge a Dresda, quando sarà operativo nel 2027, utilizzerà tecnologie mature, non i nodi avanzati che servono per l'AI.

Il risultato è che ogni GPU in un'azienda italiana, ogni acceleratore AI, ogni server nei nostri data center dipende da una filiera produttiva che non controlliamo. Una filiera esposta a tensioni commerciali, embarghi e, nel caso di Taiwan, a un rischio geopolitico che Bloomberg Economics stima in 10 trilioni di dollari di danni globali nel solo primo anno di conflitto.

Dove Siamo Noi: spettatori al piano sbagliato

L'Europa guarda la piramide dall'alto. Adotta modelli, usa applicazioni, discute di regolamentazione con l'AI Act. Tutto legittimo e necessario.

Ma i livelli 1 e 2, energia e chip, sono dominati da USA e Cina. Noi dipendiamo da entrambi, spesso simultaneamente, senza avere leva su nessuno dei due.

Questo non è un problema futuro. È la realtà di oggi, e si aggrava ogni anno. Ogni PMI italiana che decide di "investire in AI" sta costruendo su fondamenta che non controlla e che potrebbero diventare più costose, meno disponibili o interrotte per ragioni che non dipendono da lei.

La domanda concreta non è "quale modello AI scelgo?". È: quanta resilienza ha la mia infrastruttura digitale se la catena di fornitura globale subisce uno shock?

Cosa Fare Concretamente: adottare AI con consapevolezza strutturale

Non stiamo dicendo che bisogna aspettare che la geopolitica si stabilizzi per usare l'AI. Sarebbe paralizzante.

Ma c'è una differenza sostanziale tra adottare AI in modo consapevole e farlo guardando solo la glassa.

Essere consapevoli significa:

• Sapere che il costo dei servizi cloud AI è direttamente legato all'energia e ai chip, e che può cambiare rapidamente
• Preferire architetture che non creino dipendenze critiche da un unico provider o da un'unica regione geografica
• Valutare l'efficienza energetica delle soluzioni adottate: tokens per watt non è solo una metrica da hyperscaler
• Capire che la sovranità digitale parte dall'infrastruttura, non dall'applicazione

L'AI rimane un'opportunità concreta e reale per le PMI italiane. Ma chi capisce tutta la torta, non solo la glassa, prenderà decisioni migliori nei prossimi cinque anni. Perché il vincolo non sarà il modello: sarà la corrente e il silicio su cui gira.

Per approfondire il legame tra energia, paradosso di Jevons e AI, leggi anche: Paradosso di Jevons, nucleare e AI: l'energia come variabile strategica.