Undici anni dopo aver co-fondato Sound Ventures con Guy Oseary, Ashton Kutcher volta pagina. Secondo TechCrunch, l’attore diventato investitore si unirà a Morgan Beller – co-creatrice di Libra (poi Diem) a Meta – per lanciare un nuovo fondo di venture capital. L’obiettivo dichiarato: finanziare startup in fase iniziale che operano nell’infrastruttura per l’intelligenza artificiale, nell’energia e nel deep tech. Kutcher ritiene che proprio in questi settori nasceranno le prossime aziende davvero trasformative.

La scommessa sullo strato invisibile dell’AI

L’infrastruttura AI è la componente meno appariscente ma più decisiva della rivoluzione in corso. Non si tratta di modelli consumer o app generative, ma di tutto ciò che permette a quei modelli di funzionare: chip specializzati, memory bandwidth, reti per il training distribuito, sistemi di raffreddamento e, sempre più, la fornitura stabile di energia. L’arrivo di Kutcher e Beller in questo spazio segnala che il capitale di rischio sta riconoscendo un collo di bottiglia: senza un balzo in avanti dell’hardware e delle risorse energetiche, la corsa agli LLM rischia di impantanarsi. Per chi gestisce carichi di lavoro on-premise, questa attenzione può tradursi in un ecosistema di fornitori più ampio, con più opzioni di chip (dalle GPU alle soluzioni alternative) e servizi di integrazione pensati per ambienti locali, ibridi o air-gapped.

Energia: il vero abilitatore dell’on-premise

Il fondo punta esplicitamente sull’energia, e non è un dettaglio. Un cluster di GPU per inference o training consuma centinaia di kilowatt, e i gestori di data center privati lo sanno bene. La partita del deployment locale si gioca anche sulla capacità di raffreddare e alimentare i nodi senza costi proibitivi. Start up che sviluppano tecnicie di generazione on-site, storage energetico o sistemi di liquid cooling potrebbero abbassare il TCO di un’installazione self-hosted, rendendola competitiva contro il cloud in scenari dove la sovranità dei dati è irrinunciabile (sanità, difesa, finanza). L’interesse di un fondo come quello annunciato potrebbe accelerare la commercializzazione di soluzioni che finora erano confinate a laboratori o centri di supercalcolo.

Deep tech: oltre i modelli, verso l’autonomia

Quando si parla di deep tech in ambito AI, si pensa spesso a nuove architetture di calcolo, reti fotoniche o approcci neuromorfici. Sono tecnicie che impiegano anni a maturare, ma che promettono di ridurre drasticamente il fabbisogno di VRAM, di aumentare l’efficienza per token processato e di rendere possibile il fine-tuning di modelli ampi su hardware di fascia media. In un’ottica on-premise, questo significa poter eseguire LLM con requisiti hardware meno “osceni”, ampliando la platea di organizzazioni che possono permettersi un’installazione locale. La presenza di un fondo focalizzato sul deep tech early-stage aggiunge pressione competitiva e può abbreviare il tempo di arrivo sul mercato di queste innovazioni.

Una geometria del rischio che cambia

L’uscita di Kutcher da Sound Ventures per dedicarsi a questo nuovo veicolo non è un semplice riposizionamento personale. Indica una trasformazione più profonda nelle priorità del venture capital: dall’investimento in strati applicativi (le app, i servizi cloud) a quello nei mattoni fisici e logistici dell’AI. Per i decisori IT che valutano strategie di deployment, il messaggio è chiaro: il futuro dell’infrastruttura AI non sarà monopolio di pochi vendor. Se il capitale segue questa direzione, la conseguenza naturale sarà più concorrenza, più standard aperti e hardware più accessibile. E questo, per chi sceglie la strada on-premise per ragioni di controllo, latenza o conformità normativa, è tutto fuorché un dettaglio.

AI-RADAR continuerà a seguire l’evoluzione di questi investimenti, mettendo a fuoco i riflessi concreti sulle architetture di deployment e sulle scelte di quantization e serving di chi opera lontano dal cloud pubblico. Per chi cerca framework di analisi sui trade-off tra cloud e on-premise, la sezione /llm-onpremise offre approfondimenti dedicati.