Con un investimento dichiarato di circa 30 miliardi di dollari in tre-cinque anni, Blackstone si prepara a diventare uno dei pilastri dell’infrastruttura su cui gireranno i modelli di intelligenza artificiale del prossimo decennio. Il piano, annunciato in un’intervista al quotidiano economico giapponese Nikkei dal presidente e COO Jonathan Gray, prevede la realizzazione di data center in Giappone con una capacità aggregata superiore a un gigawatt. Il più grande gestore alternativo di asset al mondo non mostra incertezze di fronte al coro di analisti che paragonano la corsa all’AI a una bolla speculativa: l’azienda punta sulla domanda di calcolo prevista nei prossimi anni, e lo fa in un mercato, quello giapponese, da sempre sensibile a latenza e sovranità dei dati.

Perché un gigawatt non è più una cifra fantascientifica

Un gigawatt di capacità per data center dedicati a carichi AI equivale, per dare un ordine di grandezza, al consumo di una grande città industriale. È la potenza necessaria per alimentare decine di migliaia di GPU in esecuzione contemporanea, che eseguono pipeline di training e inference per Large Language Models sempre più massicci. Blackstone non ha diffuso dettagli sull’hardware, ma la taglia dell’investimento suggerisce infrastrutture pensate per cluster ad alta densità, probabilmente con sistemi NVLink e reti a bassissima latenza per connettere migliaia di acceleratori. Per chi progetta deployment on-premise di LLM, sapere che un singolo operatore sta mettendo sul piatto una capacità di questa scala significa dover ripensare la stima del TCO (TCO): quando l’offerta cloud si espande così rapidamente, il divario di costo con l’infrastruttura self-hosted potrebbe assottigliarsi su certi carichi di lavoro, ma restano forti le ragioni legate al controllo e alla residenza dei dati.

Il Giappone come laboratorio di sovranità computazionale

La scelta del Giappone non è casuale. Il paese ha una regolamentazione stringente sulla protezione dei dati personali e molte aziende locali preferiscono mantenere i carichi sensibili entro i confini nazionali. Per un’infrastruttura di data center orientata all’AI, questo significa che i contratti di colocation o di cloud privato offerti da Blackstone potrebbero attrarre tanto le corporation nipponiche quanto gli hyperscaler occidentali che vogliono servire clienti giapponesi senza violare vincoli di sovranità. In ottica AI-RADAR, dove l’attenzione è rivolta a chi valuta stack LLM on-premise o in ambienti controllati, lo sviluppo di poli locali con potenza su scala gigawatt rappresenta un’alternativa ibrida: permette di evitare il cloud pubblico globale ma senza dover sostenere l’intero investimento di capitale per un’infrastruttura proprietaria.

I timori di bolla e la lezione degli investimenti passati

L’intervista a Jonathan Gray traspare una certa insofferenza verso le narrazioni allarmistiche: Blackstone, dice il manager, vede fondamentali solidi nella domanda di calcolo AI, paragonabile per intensità all’esplosione del cloud computing nel decennio scorso. I critici puntano però il dito contro gli stessi eccessi che portarono alla crisi delle dot-com: troppi capitali su una tecnicia ancora in fase di assestamento, monetizzazione incerta per molti utilizzatori finali, e il rischio di un eccesso di offerta di capacità. Per i team che prendono decisioni di architettura la questione è concreta: se oggi si costruisce un ambiente on-premise dimensionato per i carichi AI attuali, bisogna considerare che tra tre anni il mercato potrebbe essere saturo di capacità cloud a prezzi stracciati, rendendo meno conveniente l’investimento iniziale. In alternativa, restare in attesa significa dipendere dalla disponibilità di terze parti, con possibili colli di bottiglia se la domanda continuerà a crescere.

Il nodo energetico e l’impatto sull’ecosistema italiano

Infine, lo sviluppo di data center da un gigawatt solleva interrogativi enormi sull’approvvigionamento elettrico. Blackstone non ha specificato le fonti energetiche, ma in Giappone la questione è particolarmente critica dopo il ridimensionamento del nucleare. Anche in Europa, e in Italia, ogni discussione su infrastrutture AI on-premise deve fare i conti con la disponibilità di energia e con i vincoli ambientali. Per i responsabili IT, l’equazione include non solo il costo dei chip e del software, ma l’accesso a una rete elettrica stabile e possibilmente carbon-free. La scommessa giapponese di Blackstone mostra che gli investitori professionali ritengono risolvibile questo ostacolo: un segnale che potrebbe accelerare progetti simili anche nel continente europeo, riportando l’attenzione sull’importanza di modelli di deployment che bilancino prestazioni, costi e sostenibilità.

Chi sta valutando se portare i propri LLM in casa o affidarli a un operatore esterno oggi non ha numeri definitivi, ma osservare mosse come quella di Blackstone aiuta a capire in che direzione si sposterà l’intero settore nei prossimi cinque anni.