La geografia del tech europeo si ridisegna con cifre da record. Nscale, hyperscaler britannico, ha ottenuto una linea di credito da 670 milioni di sterline, mentre la tedesca Proxima Fusion ha chiuso il più grande investimento europeo di sempre nel settore della fusione nucleare con un round da 411 milioni di euro. Sono solo due operazioni di una settimana che ha visto oltre 70 deal per un totale superiore a 2,8 miliardi, segnando un rimbalzo del venture capital monitorato da Invest Europe.

Dove portano questi capitali? Per chi osserva il mondo dei deployment on-premise e locali per Large Language Models e AI generativa, i segnali sono chiari. La corsa all’infrastruttura non si gioca solo sui chip. Il tema energetico diventa centrale: alimentare cluster di GPU per training e inference richiede quantità crescenti di elettricità, e la promessa della fusione – ancora a lungo termine – è quella di fornire energia abbondante, stabile e a basso impatto ambientale. Se e quando arriverà a maturità commerciale, il costo energetico, voce pesantissima nel Total Cost of Ownership (TCO) di un data center on-premise, potrebbe crollare. Proxima Fusion, con i suoi 411 milioni, sta scommettendo esattamente su questo scenario, e la presenza di investitori istituzionali europei segnala una volontà di non dipendere da supply chain energetiche esterne.

Nscale, dal canto suo, si muove su un fronte diverso ma complementare: offrire capacità di calcolo su scala iperscalabile, anche attraverso modelli di hosted private cloud o ambienti dedicati. Per le aziende che valutano se tenere l’inference in casa o affidarsi al cloud pubblico, l’esistenza di player europei come Nscale introduce opzioni intermedie che possono rispondere a esigenze di sovranità dei dati e conformità GDPR, riducendo al contempo la latenza. Non è un caso che le banche, la difesa e la sanità stiano accelerando la sperimentazione di LLM self-hosted: il controllo fisico dei dati rimane un requisito negoziale forte.

La stessa settimana ha portato novità sul fronte della robotica e dell’edge AI. WaiV Robotics sta risolvendo uno dei maggiori limiti dei droni marittimi, probabilmente legato all’autonomia decisionale e alla connettività intermittente – scenario tipico in cui modelli di inference devono girare localmente, su hardware embedded, senza poter contare sul cloud. Analogamente, la startup che digitalizza la medicina sul campo di battaglia lavora su dispositivi portatili che devono operare in ambienti ostili e privi di connettività, imponendo un deployment completamente on-premise, spesso air-gapped.

Questi esempi, insieme ai nuovi fondi di Expeditions (supportato da BAE) per startup della difesa europea e ai 2,4 milioni raccolti da Porelio per il trattamento delle acque industriali, mostrano una traiettoria precisa: l’AI applicata a settori regolati e infrastrutturali spinge verso architetture distribuite, locali e resilienti. Non è un ritorno nostalgico al server sotto la scrivania, ma una scelta dettata da latenza, sicurezza e TCO. Nel nuovo scenario, il costo dell’energia e la disponibilità di calcolo a bassa latenza diventano leve competitive: chi saprà combinare fonti pulite, hardware efficiente e framework per l’inference locale avrà un vantaggio strategico.

Il rimbalzo del venture capital registrato da Invest Europe non è solo un dato macroeconomico: indica che gli investitori scommettono su un ecosistema tech continentale in grado di sostenere l’intera catena del valore dell’AI, dal silicio all’applicazione. Per i team che valutano deployment on-premise, AI-RADAR offre strumenti analitici per orientarsi tra questi trade-off, ma la direzione di marcia appare segnata: l’autonomia infrastrutturale sarà il tema dei prossimi anni.