Kraken Technology, fondata nel 2020 dall'ex pilota di motoscafi Mal Crease, ha annunciato di aver raggiunto la valutazione di un miliardo di dollari dopo un round di Serie B da 175 milioni. L'azienda progetta e costruisce piattaforme marittime autonome – sommergibili e di superficie – per usi militari e di sicurezza. La notizia, di per sé, potrebbe apparire come l'ennesimo traguardo finanziario nella galassia defence-tech. Ma se si guarda al parco clienti – NATO, Ministero della Difesa britannico, US Navy – e alla natura delle tecnicie coinvolte, emerge uno spartiacque architetturale con conseguenze profonde per chi sviluppa stack di AI locali.

I dettagli del finanziamento sono presto detti: Digital Transformation Capital Partners (DTCP) guida il round, affiancata dalla British Business Bank, dal NATO Innovation Fund, da Rheinmetall, Inocea group e dai fondi Hico Ventures, Thesiger Capital e BOKA Capital. Kraken userà il capitale per sviluppare un nuovo veicolo di superficie autonomo ed espandere la capacità produttiva. Ma il vero rumore di fondo è un altro: ogni unità costruita da Kraken deve prendere decisioni in tempo reale in ambienti elettromagneticamente negati, senza link stabili verso il cloud. È un caso limite di inference on-premise (o meglio, on-edge), dove la latenza di una connessione satellitare e la vulnerabilità a disturbi radio rendono il calcolo a bordo l'unica opzione praticabile.

La fine del cloud nei teatri operativi

Chiunque abbia valutato deployment self-hosted di AI conosce il compromesso: rinunciare alla flessibilità del cloud significa accollarsi CapEx e complessità di gestione, ma si guadagna latenza ultrabassa e controllo totale sui dati. In ambito difesa, questo trade-off diventa esistenziale. Un USV (Uncrewed Surface Vessel) in missione di sorveglianza non può streammare flussi video a un data center remoto per l'analisi: deve processare tutto a bordo, spesso con vincoli termici e di alimentazione estremi. Kraken non è un semplice cantiere navale high-tech; è un integratore di hardware ruggedizzato, sensori e modelli di AI che girano su silicio progettato per ambienti ostili. La presenza del NATO Innovation Fund tra gli investitori non è casuale: segnala una spinta istituzionale verso stack autonomi che riducano la dipendenza da fornitori cloud extra-UE e da catene di calcolo esterne.

Per l'industria italiana ed europea, il messaggio è chiaro: chi produce hardware per l'inference (GPU embedded, FPGA, ASIC neuromorfici) troverà una domanda crescente da parte di prime contractor che assemblano droni navali, non solo software vendor. Il TCO per queste applicazioni non si misura in dollari per ora di GPU noleggiata, ma in costo per missione completata senza perdere il veicolo. E il calcolo on-device riduce l'impronta di comunicazione, abbassando la probabilità di essere rilevati. È una dinamica che premia chi sa ottimizzare i modelli con tecniche di quantization aggressive e framework leggeri, capaci di funzionare su VRAM limitata e con consumi sotto i 50 Watt.

Sovranità dati e rinascita dell'hardware specializzato

L'ascesa di Kraken mette in luce un fenomeno strutturale: la difesa sta diventando il banco di prova più severo per la sovranità digitale. I dati raccolti da queste piattaforme – firme acustiche, pattern radar, immagini termiche – hanno valore strategico e non possono transitare su infrastrutture di proprietà di attori extra-alleanza. Questo spinge gli investimenti verso fornitori di silicio europei e nordamericani che garantiscano audit della supply chain e assenza di backdoor. Parallelamente, l'adozione di agenti autonomi marittimi moltiplica la superficie d'attacco: ogni nodo di calcolo a bordo è un potenziale punto di compromissione. La risposta passa per enclave di esecuzione isolate e per pipeline di aggiornamento firmware verificate, temi cari a chi si occupa di deployment on-premise in ambito regolamentato.

L'unicorno Kraken non è, quindi, solo una storia di venture capital che confluisce nella difesa. È un indicatore anticipato di come il mercato premi modelli architetturali in cui il processing si sposta dove il dato nasce, non dove costa meno. Per i system integrator abituati a pensare al cloud come default, la lezione è netta: nel dominio marittimo militare, l'edge è già l'unica realtà. E con il moltiplicarsi di scenari ibridi, saper orchestrare inference distribuita senza dipendere da connessioni permanenti diventerà la competenza discriminante.