Google prova a spostare gli equilibri dell’infrastruttura per l’intelligenza artificiale. Il 18 maggio 2026 ha annunciato una joint venture con Blackstone per creare una nuova società statunitense che offrirà capacità di data center, networking, operations e accesso ai Tensor Processing Units (TPU), i chip sviluppati da Google per addestrare e far girare modelli di AI.
Blackstone investirà inizialmente 5 miliardi di dollari in equity; la nuova piattaforma punta a mettere online i primi 500 megawatt nel 2027, con un’espansione ulteriore nel tempo. Google fornirà hardware, software e servizi.
La mossa ha un significato industriale preciso. Per anni Google ha usato i Tpu soprattutto all’interno del proprio ecosistema, sia per i servizi cloud sia per addestrare modelli proprietari come Gemini. Adesso cerca di trasformarli in un’offerta più ampia, disponibile anche attraverso un soggetto dedicato che si presenterà sul mercato come fornitore di “compute-as-a-service”.
È un passo che porta Google più vicino al modello seguito da Nvidia, che ha esteso la propria presenza nella corsa all’AI anche sostenendo operatori cloud emergenti specializzati nell’affitto di capacità di calcolo.
Alla guida della nuova società ci sarà Benjamin Treynor Sloss, manager di Google con oltre vent’anni di esperienza nelle infrastrutture globali del gruppo. Blackstone deterrà la quota di maggioranza. Secondo il Financial Times, alcune strutture individuate per la joint venture erano già in costruzione e, con l’aggiunta di leva finanziaria, l’investimento complessivo potrebbe salire fino a 25 miliardi di dollari. Quel dato non compare nel comunicato ufficiale, ma dà la misura della scala a cui i partner intendono muoversi.
Indice degli argomenti:
Perché Google vuole portare i Tpu fuori dal recinto del suo cloud
I Tpu non sono una novità. Google li sviluppa e li impiega in produzione da oltre un decennio. Nel comunicato diffuso da Blackstone si legge che questi chip sono ottimizzati per training e inference dei modelli avanzati e alimentano carichi di lavoro di alcuni dei principali laboratori AI, di società dei mercati finanziari e di aziende che eseguono applicazioni di high performance computing. Sono gli stessi chip che sostengono Gemini e altri servizi AI di Google.
Fino a oggi, per molte imprese e startup, l’accesso alle infrastrutture AI è passato soprattutto da cloud pubblici tradizionali oppure da operatori specializzati che comprano grandi quantità di Gpu Nvidia e le rivendono come capacità di calcolo. Con questa joint venture, Google cerca di aprire un canale ulteriore: non solo il suo cloud diretto, ma anche una piattaforma dedicata che renda i Tpu acquistabili in modo più flessibile. Il Gruppo vuole monetizzare di più il proprio stack tecnologico, dai chip alla rete fino al software.
La tempistica non è casuale. Ad aprile 2026 Google ha presentato l’ottava generazione di Tpu, con due linee distinte, TPU 8t e TPU 8i, pensate per carichi differenti. Nel blog ufficiale e nel deep dive tecnico pubblicato da Google Cloud, l’azienda spiega che i due sistemi nascono per rispondere a esigenze sempre più separate: da una parte il pre-training e il post-training, dall’altra il serving in tempo reale e gli agenti AI. In altre parole, Google sta affinando la specializzazione dei suoi chip proprio mentre prova a espanderne la base clienti.
La sfida a Nvidia passa dai “neocloud”
Il bersaglio implicito dell’operazione è Nvidia, anche se il rapporto è più complesso di una semplice contrapposizione. Google resta uno dei grandi compratori di Gpu Nvidia, necessarie per sostenere una parte consistente della domanda AI interna ed esterna. Ma allo stesso tempo vuole ridurre la dipendenza da un fornitore dominante e dimostrare che i chip proprietari possono reggere il confronto nei carichi più redditizi del mercato.
Il Financial Times definisce questo progetto la mossa più aggressiva finora tentata da Google per estendere la portata dei suoi chip sviluppati in casa e competere direttamente con Nvidia. (Fonte: Financial Times)
Qui entrano in gioco i cosiddetti neocloud, operatori come CoreWeave e Nebius che hanno costruito la crescita recente attorno a infrastrutture AI noleggiate a startup, laboratori e imprese. Nvidia ha sostenuto diversi attori di questo mercato con investimenti e contratti di fornitura, allargando così il raggio commerciale delle proprie Gpu.
La partnership tra Google e Blackstone ricalca in parte questa logica, ma sostituisce alle Gpu il catalogo Tpu. Non a caso, nelle ore successive all’annuncio, diversi commentatori di mercato hanno letto l’iniziativa come un attacco diretto al modello di business dei provider AI cloud centrati su Nvidia.
C’è anche un elemento di prezzo e disponibilità. Le Gpu di fascia alta restano molto richieste e costose. Per Google, riuscire a convincere una quota maggiore di clienti a usare Tpu significa sia valorizzare anni di ricerca interna sia alleggerire la pressione su una filiera che continua a ruotare in larga parte attorno a Nvidia. Per il mercato, questo può tradursi in una maggiore diversificazione dell’offerta di compute.
Blackstone scommette sull’infrastruttura prima che sui modelli
Per Blackstone l’operazione rientra in una strategia più ampia. Il gruppo gestisce oltre 1.300 miliardi di dollari di asset e ha già una presenza pesante nelle infrastrutture digitali e nell’AI. Nel comunicato sulla joint venture ricorda di essere il più grande gestore alternativo al mondo; nella pagina dedicata ai propri investimenti in AI elenca partecipazioni e asset che vanno da QTS, operatore di data center acquisito nel 2021 e cresciuto fino a diventare uno dei maggiori provider nordamericani, a CoreWeave, fino a investimenti legati a energia e software. (Fonte: Blackstone)
Questa linea si è rafforzata anche nelle ultime settimane. Il 4 maggio 2026 Anthropic ha annunciato la creazione di una nuova società di servizi AI insieme a Blackstone, Hellman & Friedman e Goldman Sachs, con l’obiettivo di portare Claude nei processi operativi di imprese di medie dimensioni. È un tassello diverso rispetto ai data center, ma nella stessa direzione: Blackstone sta provando a presidiare più punti della filiera, dall’energia e dalle infrastrutture fino ai servizi.
L’interesse per i data center, del resto, non riguarda solo gli Stati Uniti.
A febbraio 2025 varie testate di settore hanno riportato il progetto di Blackstone e Panchshil Realty per un hyperscale data center da 500 megawatt a Navi Mumbai, in India. Sono fonti meno autorevoli di un comunicato ufficiale, quindi vanno lette con cautela, ma confermano una tendenza: il private capital vede nell’AI non solo un ciclo software, ma soprattutto una corsa agli asset fisici.
Il caso Anthropic spiega perché la domanda di calcolo continua a salire
Il partner commerciale che più aiuta a capire questa dinamica è Anthropic. Ad aprile 2026 la società ha annunciato un’espansione della partnership con Google e Broadcom per ottenere più gigawatt di capacità di nuova generazione. Nel testo pubblicato da Anthropic, il chief financial officer Krishna Rao afferma che il run-rate dei ricavi ha superato i 30 miliardi di dollari nel 2026, in forte aumento rispetto ai circa 9 miliardi di fine 2025. Anthropic aggiunge che il numero di clienti business con una spesa annualizzata superiore a 1 milione di dollari è salito da oltre 500 a più di 1.000 in meno di due mesi.
Sono numeri che aiutano a leggere anche la mossa di Google. Se i grandi laboratori AI aumentano rapidamente la capacità necessaria per training, serving e prodotti enterprise, chi controlla chip, data center e rete può catturare una quota crescente del valore. Anthropic precisa inoltre che usa una combinazione di hardware: AWS Trainium, Google TPU e Nvidia GPU. Amazon resta il partner cloud principale, ma la diversificazione della base hardware è già una realtà. Questo rende più credibile il tentativo di Google di posizionare i tpu come alternativa stabile, non come soluzione di nicchia.
Photo credit Noah Berger
Nello stesso mese, il 10 aprile 2026, CoreWeave ha annunciato un accordo pluriennale con Anthropic per supportare lo sviluppo e il deployment dei modelli Claude. Anche questo è un segnale importante: la domanda è così alta che i grandi laboratori non si affidano a un solo stack, ma distribuiscono i carichi su più fornitori e architetture. In un mercato del genere, la partita non si gioca soltanto sul chip migliore, ma sulla capacità di garantire volumi, affidabilità, tempi di consegna ed energia.
Google spende di più perché il cloud AI è diventato centrale
La joint venture con Blackstone si inserisce in un ciclo di investimenti molto più ampio. Nella conference call sui risultati del quarto trimestre 2025, Alphabet ha indicato capex attesi per il 2026 tra 175 e 185 miliardi di dollari. Il Financial Times ha scritto il 4 febbraio 2026 che la spesa in conto capitale del 2025 è stata di 91,4 miliardi e che il forte incremento previsto per il 2026 è legato alla domanda per servizi AI e infrastrutture cloud.
Nel messaggio di Sundar Pichai pubblicato da Google dopo i conti, il gruppo ha anche sottolineato che quasi il 75 per cento dei clienti di Google Cloud ha utilizzato i suoi strumenti AI “verticalmente ottimizzati”, dai chip ai modelli fino agli agenti.
Questi dati chiariscono perché Google non può limitarsi a comprare componenti all’esterno. Se il cloud cresce e l’AI diventa una parte sempre più importante della domanda enterprise, controllare l’infrastruttura di base diventa un vantaggio strategico. Serve per difendere i margini, ma anche per evitare colli di bottiglia. La nuova joint venture con Blackstone consente a Google di accelerare l’espansione senza caricare tutto il peso finanziario direttamente sul proprio bilancio.
Che cosa cambia per il mercato
Nel breve periodo, l’annuncio non sposta il primato di Nvidia. Le Gpu restano centrali in una larga parte del mercato AI e Google stessa continua a comprarne in quantità. Ma il progetto cambia il quadro competitivo.
Primo: rafforza l’idea che i grandi cloud provider vogliano commercializzare in modo più aggressivo i chip proprietari.
Secondo: conferma che i fondi di private capital sono pronti a finanziare infrastrutture AI su scala molto più alta rispetto al passato.
Terzo: spinge il settore verso una maggiore integrazione verticale, in cui un singolo attore può offrire energia, data center, rete, chip e software.
Per i clienti, soprattutto grandi imprese e laboratori AI, questo significa più opzioni ma non necessariamente prezzi più bassi nell’immediato. La costruzione di capacità resta lenta, energivora e costosa. Mettere online 500 megawatt nel 2027 è un obiettivo rilevante, ma non risolve da solo una domanda che continua a crescere a ritmi molto elevati. A cambiare è piuttosto il potere negoziale: più operatori con chip propri e accesso a capitale di lungo periodo possono rendere meno monolitico un mercato finora trainato dalle gpu Nvidia.
Google, in sostanza, non sta solo traducendo in business una tecnologia interna. Sta cercando di occupare un pezzo in più della catena del valore dell’AI. Blackstone, dal canto suo, non finanzia un laboratorio o un’applicazione: compra esposizione alla parte più tangibile e replicabile del boom, quella fatta di megawatt, rack, networking e contratti di capacità. È qui che si misurerà la tenuta della joint venture: nella velocità con cui la joint venture saprà trasformare un progetto da 5 miliardi in capacità effettivamente disponibile per clienti paganti.
