Il laboratorio di intelligenza artificiale può avere i migliori ricercatori e miliardi di dollari in cassa, ma senza processori disponibili non riesce ad addestrare nuovi modelli né a servire milioni di utenti. La capacità di calcolo, che nel settore viene chiamata compute, è diventata una risorsa da acquistare con anni di anticipo e finanziare con nuovo debito. La sua scarsità sta modificando costi, alleanze e rapporti di forza nell’industria tecnologica.
L’inchiesta pubblicata il 9 ottobre 2026 dal Wall Street Journal racconta una Silicon Valley nella quale dirigenti di aziende rivali negoziano direttamente l’accesso ai server e i fondi di venture capital procurano chip alle società partecipate.
Dietro i grandi annunci di investimenti, la capacità effettivamente operativa resta inferiore alle necessità di molti operatori.
Indice degli argomenti:
Google, la contesa interna per le risorse
Il caso di Noam Shazeer mostra quanto il problema pesi anche sui gruppi più ricchi. Nel 2024 Google ha pagato 2,7 miliardi di dollari a Character.ai per una licenza tecnologica non esclusiva, nell’ambito di un’operazione che ha riportato Shazeer, cofondatore della startup, e altri ricercatori in azienda. L’importo è documentato nel bilancio di Alphabet relativo al 2024.
Secondo il Wall Street Journal, nel 2026 Shazeer ha comunicato a un team che la capacità di calcolo assegnata era stata ridotta a favore di un’altra iniziativa. Successivamente ha lasciato Google per OpenAI.
All’interno di Google la distribuzione dei processori è diventata materia di confronto fra gruppi di ricerca. Il quotidiano americano riferisce che Sergey Brin interviene talvolta per modificare le assegnazioni e che Demis Hassabis, passato alla presidenza di DeepMind nell’agosto 2026, ha espresso insoddisfazione per le risorse destinate alla ricerca di lungo periodo. Il capitale umano, quindi, non basta: un progetto scientifico compete per server ed energia con prodotti già capaci di generare ricavi.
Una ricerca mondiale, dai capannoni alle città asiatiche
Il mercato presenta una contraddizione. I grandi operatori annunciano nuove installazioni, ma tra autorizzazioni, allacciamenti elettrici e consegna delle apparecchiature trascorrono mesi o anni. Nick Frosst, cofondatore di Cohere, ha spiegato al Wall Street Journal che parte della capacità pubblicizzata viene poi ridimensionata o cancellata. Per chi sviluppa modelli, una promessa di fornitura non equivale a un cluster funzionante.
SF Compute, intermediario specializzato nell’affitto di potenza elaborativa, cerca capacità inutilizzata in strutture sparse nel mondo. Il suo responsabile tecnologico Eric Park ha visitato anche un impianto apparentemente ricavato da un allevamento avicolo e ha affrontato le inondazioni di Manila durante una missione commerciale.
Anche piccoli gruppi di processori possono servire alle startup che addestrano modelli meno grandi o li adattano a impieghi specifici. La frammentazione dell’offerta apre così spazio a nuovi intermediari.
Prezzi delle gpu in aumento e contratti più rigidi
La tensione si riflette sulle tariffe. Secondo i dati di SemiAnalysis riportati dal Wall Street Journal, il prezzo orario per noleggiare gpu Nvidia H100 con contratti annuali è aumentato del 60% in dodici mesi.
Già nell’analisi del 2 aprile 2026 SemiAnalysis aveva misurato un incremento da 1,70 a 2,35 dollari per gpu all’ora fra ottobre 2025 e marzo 2026, pari a circa il 38%. I due confronti riguardano periodi differenti, ma descrivono entrambi un mercato sotto pressione.
Sono cambiate anche le condizioni commerciali. Dove prima era possibile prendere server in affitto per periodi brevi, oggi alcuni fornitori chiedono impegni pluriennali, anticipi fino al 30% e talvolta garanzie aggiuntive.
Una startup deve quindi immobilizzare capitale prima di sapere quanti clienti utilizzeranno davvero il suo prodotto. L’alternativa può essere rivolgersi a fornitori più piccoli, talvolta con infrastrutture meno affidabili o standard di sicurezza insufficienti.
Anthropic e SpaceX, l’accordo fra concorrenti
La ricerca di capacità ha prodotto alleanze inattese. Il 6 maggio 2026 Anthropic ha annunciato un’intesa con SpaceX per utilizzare tutta la potenza di calcolo del data center Colossus 1: oltre 300 megawatt e più di 220mila gpu Nvidia.
L’azienda ha collegato l’accordo all’aumento dei limiti di utilizzo di Claude Code e delle proprie interfacce di programmazione. Secondo il Wall Street Journal, il valore dell’operazione potrebbe arrivare a 45 miliardi di dollari negli anni successivi.
L’intesa è significativa perché Elon Musk, legato a xAI e SpaceX, aveva criticato pubblicamente Anthropic. Le necessità industriali hanno però prevalso sulla rivalità.
Anthropic ha reso noti anche accordi per una capacità fino a 5 gigawatt con Amazon, altri 5 con Google e Broadcom e 30 miliardi di dollari di servizi Azure attraverso una partnership con Microsoft e Nvidia. Sono impegni con tempi di attivazione diversi, non risorse tutte già disponibili.
Le startup rischiano di comprare troppo o troppo poco
Per una società giovane, stimare l’utilizzo futuro dei modelli è una decisione finanziaria potenzialmente decisiva.
Instinct, sviluppatore di un assistente di intelligenza artificiale, ha raccolto a settembre un miliardo di dollari con una valutazione di 10 miliardi, secondo il Wall Street Journal. Il suo amministratore delegato Noah Shinn ha descritto il dilemma: prenotare oggi una capacità sufficiente a sostenere un’eventuale crescita fino a 100 milioni di utenti oppure contenere gli acquisti e rischiare rallentamenti del servizio.
Un contratto eccessivo può assorbire liquidità e trasformarsi in una perdita se la domanda non arriva. Una disponibilità insufficiente impedisce invece di acquisire clienti proprio quando il prodotto cresce.
In alcuni casi le aziende rivendono capacità prenotata e rimasta inutilizzata. Il mercato del calcolo assume così caratteristiche simili a quello dell’energia o dei trasporti: contratti di lungo periodo, problemi di previsione e una crescente attività di intermediazione.
Anche il venture capital diventa fornitore di chip
I fondi non si limitano più a finanziare il personale e lo sviluppo software. Secondo il Wall Street Journal, Y Combinator ha creato a luglio 2026 un cluster riservato alle startup del proprio programma, dopo che una partecipata aveva avuto difficoltà a ottenere 120 gpu per un addestramento di due mesi.
Altri investitori acquistano capacità in anticipo oppure garantiscono i pagamenti ai fornitori.
Radical Ventures dispone di un gruppo guidato da David Katz che controlla disponibilità, prezzi e condizioni contrattuali dei processori. Katz riferisce di aver negoziato, con il suo team, accordi per miliardi di dollari in cinque anni.
Per gli investitori la disponibilità di chip è diventata parte della selezione delle opportunità: un’impresa può presentare un buon progetto ma non riuscire a realizzarlo nei tempi previsti senza un’infrastruttura garantita.
Alphabet, Meta e il peso degli investimenti
I bilanci mostrano perché i concorrenti più piccoli faticano. Secondo la relazione trimestrale depositata da Alphabet alla Sec, la società ha investito 80,6 miliardi di dollari in beni strumentali nel primo semestre 2026, contro 39,6 miliardi nello stesso periodo del 2025.
I ricavi di Google Cloud nel secondo trimestre sono cresciuti dell’82% a 24,8 miliardi: l’aumento della domanda genera fatturato, ma richiede altre infrastrutture.
Meta, nei risultati diffusi per il secondo trimestre, ha stimato per tutto il 2026 investimenti tra 130 e 145 miliardi di dollari, includendo i pagamenti principali dei leasing finanziari.
L’Agenzia internazionale dell’energia, nel rapporto Key Questions on Energy and AI del 16 aprile 2026, calcola che la spesa in conto capitale delle maggiori società tecnologiche, superiore a 400 miliardi nel 2025, potrebbe crescere del 75% nel 2026.
Il finanziamento di questa espansione coinvolge sempre più banche e fondi di credito. Un’altra ricostruzione del Wall Street Journal, pubblicata nell’ottobre 2026, segnala trattative di Broadcom per raccogliere oltre 50 miliardi di dollari destinati ai chip sviluppati con OpenAI. Si tratta di finanziamenti in discussione, non di capitali già erogati.
Il limite fisico: elettricità, reti e autorizzazioni
Aggiungere processori non basta se mancano energia e connessioni alla rete. Secondo l’Agenzia internazionale dell’energia, nel 2025 i consumi elettrici globali dei data center sono aumentati del 17%, mentre quelli delle strutture dedicate all’intelligenza artificiale sono saliti del 50%.
La nuova previsione dell’agenzia indica circa 950 terawattora nel 2030, rispetto a 485 nel 2025, pari a circa il 3% della domanda elettrica mondiale.
L’agenzia segnala inoltre strozzature nella fornitura di memorie ad alta larghezza di banda, componenti indispensabili per i processori avanzati, e tempi lunghi per realizzare nuove infrastrutture energetiche.
I progetti possono incontrare opposizione locale per consumi, costi e uso del territorio. Il risultato è un disallineamento: il software può scalare in settimane, mentre centrali, linee e data center richiedono investimenti e cantieri pluriennali.
Europa e Italia cercano capacità autonoma
L’Unione europea vuole ridurre la dipendenza dai grandi fornitori extraeuropei. Il 30 luglio 2026 la Commissione ha lanciato una gara per realizzare fino a sette gigafactory dell’intelligenza artificiale.
Il piano prevede fino a 10 miliardi di euro di fondi europei e nazionali e punta a mobilitare almeno 20 miliardi privati. Le nuove strutture dovrebbero affiancare le 19 fabbriche di intelligenza artificiale già previste dalla strategia europea.
In Italia, il 23 aprile 2026 Cineca ha annunciato il contratto per potenziare IT4LIA al Tecnopolo di Bologna con processori Nvidia della famiglia Blackwell.
L’obiettivo è mettere capacità avanzata a disposizione di ricerca e imprese. Per trasformare queste iniziative in un’alternativa industriale contano però i tempi di consegna, l’accessibilità delle tariffe e la continuità del servizio.
Chi controlla il calcolo controlla i tempi dell’innovazione
L’accesso alla potenza elaborativa sta diventando una barriera economica all’ingresso. I grandi gruppi possono distribuire il rischio su più prodotti, finanziare impianti e negoziare volumi enormi. Le startup devono scegliere fra anticipare spese elevate e affidarsi a una capacità incerta.
La concorrenza nell’intelligenza artificiale dipenderà anche dalla possibilità per i nuovi operatori di comprare risorse sufficienti senza impegnare in anticipo tutto il capitale disponibile. Peserà inoltre la velocità con cui i progetti annunciati diventeranno infrastrutture effettivamente funzionanti.
Partecipa alla community