L’intelligenza artificiale non è soltanto un software, ma piuttosto una filiera globale, che va dall’estrazione di materie prime in Congo, ai data center e alle centrali energetiche che li alimentano, fino agli uffici delle nostre aziende in Italia.
Le “AI Factories” di cui parla Jensen Huang, CEO di NVIDIA, producono valore solo se ogni anello regge. Oggi sono tutti sotto stress.
Una catena a sette strati, tutti esposti
Le materie prime critiche – terre rare, cobalto, litio, rame – sono concentrate in pochi paesi: oltre il 60% delle terre rare lavorate passa dalla Cina, oltre il 70% del cobalto dal Congo, il litio dal triangolo sudamericano (Cile, Argentina, Bolivia).
I chip avanzati li produce al 90% TSMC a Taiwan; NVIDIA domina le GPU per AI. Sopra l’hardware ci sono dati, modelli (quasi tutti americani: GPT, Gemini, Claude), competenze scarse e applicazioni finali.
Il nodo meno visibile: i data center
Dietro ogni servizio AI c’è un data center, e costruirne uno oggi è sempre più difficile e caro. Il costo medio globale per megawatt è passato da 7,7 a oltre 10,7 milioni di dollari tra il 2020 e il 2025 (+39%), e per i data center nativi AI supera i 20 milioni.
Uno dei colli di bottiglia principali sono i trasformatori elettrici: prezzi +77% dal 2019, consegne fino a tre anni, produzione per il 60% in Cina. Nel solo Q2 2025 progetti per 98 miliardi di dollari sono stati bloccati o ritardati. Per chi usa l’AI in cloud, questo significa prezzi più alti e minore disponibilità.
Tre rischi concreti per le imprese italiane
Vendor lock-in e perdita di sovranità digitale. Quasi tutti i servizi AI usati in Italia girano su infrastrutture, modelli e piattaforme non europee: una dipendenza strutturale per funzioni critiche, che espone a decisioni commerciali e normative unilaterali. Il rincaro infrastrutturale ne è solo la conseguenza più visibile.
Sfide regolamentari e nuovi standard. Con l’AI Act pienamente in vigore dal 2026, sovrapposto a GDPR e norme settoriali, molte aziende preferiscono attendere chiarezza regolatoria piuttosto che investire, accumulando ritardo competitivo.
Il divario che si allarga. Ogni mese di ritardo non è un mese neutro: è un mese in cui i concorrenti internazionali, meglio capitalizzati e più veloci, aumentano la distanza.
Dove l’Italia può giocarsi una partita vera
Ricerca biomedica e farmaceutica.
Il mercato globale dell’AI per la scoperta di farmaci supererà gli 8,5 miliardi di dollari entro il 2030. L’Italia ha università d’eccellenza, aziende farmaceutiche di media dimensione e dati clinici ospedalieri di valore: la sfida è trasformarli in applicazioni proprietarie, invece di cederli a piattaforme straniere.
Valorizzazione dei dati industriali.
Con il Data Act europeo i dati di processo delle imprese diventano un asset monetizzabile: data sharing e piattaforme settoriali possono trasformare anni di dati operativi in ricavi e alleanze di filiera.
AI distribuita ed edge computing.
L’Europa non può vincere con mega data center centralizzati, ma può farlo con inferenza locale, modelli compatti e architetture ibride cloud-edge. Realtà come Mistral o Axelera AI costruiscono alternative credibili.
Consulenza condivisa tra PMI.
Le PMI non possono assumere ciascuna uno specialista AI: condividerlo tra cinque o dieci aziende della filiera abbatte i costi e diffonde competenze.
Cosa fare, concretamente
Per i manager italiani le priorità sono chiare: strategia proprietaria sui dati, unico strato sotto il controllo delle aziende; diversificazione dei fornitori cloud verso l’Europa; competenze interne stabili; compliance anticipata all’AI Act come vantaggio competitivo; partecipazione ai programmi europei come IPCEI e Digital Innovation Hub, oggi usati dalle imprese italiane meno che dalle tedesche e francesi.
La filiera dell’AI è sotto pressione, ma la finestra per posizionarsi in modo intelligente è ancora aperta. Ma per quanto ancora?
