La corsa globale all’intelligenza artificiale sta entrando in una nuova fase, nella quale il vero fattore strategico non è più soltanto la qualità dei modelli, ma la capacità di farli funzionare su una scala sempre più grande. A confermarlo è Gartner, che in un rapporto pubblicato il 10 agosto prevede che la spesa mondiale per le infrastrutture cloud ottimizzate per l’AI raggiungerà 42,3 miliardi di dollari nel 2026, con una crescita del 96,4% rispetto ai 21,5 miliardi del 2025. La cifra è destinata a salire ulteriormente nel 2027, quando Gartner stima una spesa di circa 66,1 miliardi di dollari, pari a un altro incremento del 56,5%. Il dato riguarda il mercato delle infrastrutture, cioè le risorse di calcolo, memoria, rete e altri servizi cloud necessari per addestrare e utilizzare sistemi di AI.
Il dato più significativo, però, riguarda il passaggio dall’addestramento all’utilizzo dei modelli. Nel 2026 la spesa mondiale destinata all’inferenza, cioè all’esecuzione dei modelli ogni volta che devono produrre una risposta o svolgere un compito, arriverà secondo Gartner a 23,3 miliardi di dollari, superando i 19 miliardi destinati al training. In altre parole, per la prima volta le risorse necessarie a far funzionare l’AI nella vita quotidiana supereranno quelle dedicate alla sua creazione. Il cambiamento è legato alla crescente diffusione di modelli specializzati e di sistemi integrati nei software aziendali, nei servizi rivolti ai clienti e nei processi interni. Gartner stima che l’inferenza rappresenterà il 55% della spesa per IaaS ottimizzato per l’AI nel 2026, percentuale destinata a salire al 59% nel 2027.
La differenza tra training e inferenza è fondamentale per capire cosa sta succedendo. Addestrare un grande modello richiede enormi quantità di potenza di calcolo, ma è un’attività concentrata in determinate fasi. L’inferenza, invece, continua ogni volta che qualcuno utilizza quel modello. Ogni richiesta a un chatbot, ogni agente AI che analizza documenti, scrive codice, controlla dati o esegue una serie di operazioni genera nuovo lavoro computazionale. La crescita degli AI agenti, capaci di svolgere autonomamente attività composte da più passaggi, aumenta ulteriormente questo fabbisogno. Gartner sottolinea proprio questo elemento, spiegando che l’esecuzione autonoma e multistep rende l’inferenza sempre più intensiva dal punto di vista computazionale.
Questa trasformazione aiuta anche a spiegare perché le grandi aziende tecnologiche stanno investendo cifre senza precedenti nei data center. Microsoft, Amazon, Alphabet e Meta hanno portato la spesa per infrastrutture e capitale a livelli storici, mentre l’intero settore continua a costruire nuovi data center, acquistare GPU e acceleratori, potenziare le reti e aumentare la capacità energetica. Un’analisi pubblicata nei giorni scorsi ha stimato che la spesa infrastrutturale delle grandi aziende tecnologiche abbia già superato 1.000 miliardi di dollari dall’inizio del boom dell’AI, con altri investimenti enormi previsti nel 2026. La questione non riguarda quindi più soltanto i produttori di chip. Per sostenere questa espansione servono terreni, data center, sistemi di raffreddamento, connessioni ad alta velocità e soprattutto energia elettrica. La disponibilità di potenza sta diventando uno dei principali limiti alla crescita dell’AI, con i nuovi centri di calcolo che competono direttamente con altri settori per l’accesso alla rete.
Dietro questi numeri si nasconde però una domanda ancora aperta. Quanto valore economico riuscirà realmente a generare tutta questa infrastruttura? La crescita della domanda sembra oggi difficile da mettere in discussione, ma gli investimenti sono talmente elevati da rendere indispensabile un aumento dei ricavi derivanti dai servizi AI. Le grandi aziende stanno quindi cercando di trasformare l’enorme capacità di calcolo costruita negli ultimi anni in prodotti e servizi utilizzati regolarmente da imprese e consumatori. Il problema è che una parte consistente della spesa arriva prima dei ricavi e richiede anni per essere recuperata. È una delle ragioni per cui negli ultimi giorni sono aumentati i dubbi degli investitori sulla sostenibilità economica della corsa all’infrastruttura AI.
La previsione di Gartner racconta dunque un cambiamento più profondo della semplice crescita del mercato. L’AI sta diventando un’infrastruttura permanente, simile per importanza a cloud, reti e sistemi informatici sui quali oggi poggia l’economia digitale. Il fatto che nel 2026 l’inferenza superi il training indica che la fase sperimentale sta lasciando spazio a un utilizzo continuo e operativo. La sfida dei prossimi anni sarà capire se questa gigantesca capacità di calcolo riuscirà a trasformarsi in produttività e nuovi ricavi con una velocità sufficiente a giustificare gli investimenti. Nel frattempo Gartner prevede che il mercato dell’IaaS ottimizzato per l’AI raggiunga 66 miliardi di dollari già nel 2027. La corsa, insomma, non sembra rallentare. Sta semplicemente cambiando direzione, passando dalla costruzione dei modelli alla loro esecuzione su scala globale.
Data center AI: 156 miliardi bloccati dalla rivolta delle comunità
La corsa alla costruzione di data center per l'intelligenza artificiale…
