La nuvola sul Sud-est asiatico sta cambiando forma. Non è più soltanto una questione di prezzi stracciati o di capacità di calcolo grezza: la nuova frontiera del cloud nella regione è diventata la capacità di offrire AI avanzata, il rispetto della sovranità dei dati e un controllo dei costi che vada oltre il semplice risparmio a consumo. Lo segnalano gli analisti di settore, che vedono una competizione sempre meno ancorata ai listini e sempre più giocata su asset strategici come i carichi di lavoro LLM, la residenza fisica dei dati e modelli di TCO pensati per le medie imprese locali.

In Vietnam, Indonesia e Thailandia, la spinta normativa sta ridefinendo cosa significhi fare cloud. Le leggi sulla localizzazione dei dati, sempre più stringenti, obbligano le aziende a conservare le informazioni sensibili all’interno dei confini nazionali. Non è un dettaglio burocratico: significa che un hyperscaler globale, per vincere un contratto governativo o bancario, deve garantire data center in-country e gestire l’intero ciclo di inference senza che i dati varchino mai la frontiera. Questo cambia la natura stessa dell’offerta, spostandola da un modello “one size fits all” a una partita di architetture distribuite che premia chi ha infrastrutture fisiche sul territorio e partnership locali consolidate.

Parallelamente, la domanda di AI — training e inference — sta esplodendo in settori come manifattura, retail e sanità. Ma non si tratta di replicare la Silicon Valley: qui le aziende hanno budget IT più contenuti e una bassa tolleranza alla latenza. Un impianto di produzione che usa computer vision per il controllo qualità non può attendere che i frame viaggino fino a un data center remoto. Serve potenza di calcolo on-premise o in edge, e serve che gli LLM utilizzati siano ottimizzati per girare su hardware meno esotico. Ecco perché il discorso non è più “cloud versus on-prem”, ma un pragmatico ibrido in cui i carichi critici restano locali, con software self-hosted e modelli quantizzati, mentre il cloud pubblico si occupa di picchi occasionali o di training centralizzato.

Questo scenario sta già ridisegnando la mappa dei fornitori. Se fino a ieri il duopolio AWS-Azure sembrava imbattibile, oggi spuntano attori regionali (come Alibaba Cloud in alcuni mercati ASEAN o operatori telco con le proprie piattaforme) che giocano la carta della compliance normativa e della prossimità. Per l’ecosistema open source è un’occasione d’oro: framework come vLLM e Ollama permettono di servire modelli su GPU consumer o su server bare metal, aggirando la dipendenza da chip specializzati costosi. La sovranità, insomma, diventa anche un fatto di stack software.

Guardando alle implicazioni strutturali, la partita di oggi anticipa un riassetto globale. Se il Sud-est asiatico — con oltre 600 milioni di abitanti e un’economia digitale in fermento — si orienta decisamente verso architetture distribuite e vincoli di residenza, lo stesso accadrà in altre regioni con sensibilità simili, dall’America Latina all’Africa. Le aziende che stanno già sperimentando deployment on-premise di LLM per motivi di costo o controllo si troveranno a gestire una complessità maggiore: orchestrazione multi-sito, aggiornamento dei modelli, sicurezza dei dati a riposo. Ma avranno anche l’opportunità di costruire un vantaggio competitivo fondato sulla vera proprietà dell’infrastruttura AI, non su noleggi a consumo.

Il messaggio per chi progetta workload di AI è netto: la scelta non è binaria. Non esiste una risposta giusta una volta per tutte tra cloud pubblico, privato o on-premise. La variabile chiave è il perimetro della sovranità: dove risiedono i dati, su quale hardware girano i modelli, con quale latenza si prendono le decisioni. E in un’area come il Sud-est asiatico, dove ogni nazione ha le sue regole e le sue reti, il successo si misura sulla capacità di orchestrare frammenti di infrastruttura in modo coerente, senza mai perdere il controllo.