Anche se il settore dell'intelligenza artificiale sembra correre a tutta velocità, chi sceglie di portare inference e training on-premise inizia a sentire lo stesso scricchiolio che ha frenato il mercato statunitense dei veicoli elettrici. Con la scadenza dei crediti fiscali federali, le immatricolazioni di EV hanno smesso di crescere, e non è un caso che i due ostacoli principali siano i prezzi e la rete di ricarica. Traduzione per i responsabili IT: l'hardware AI costa troppo e l'infrastruttura di supporto è ancora insufficiente.

Il parallelismo non è forzato. Acquistare un cluster di GPU per eseguire modelli di grandi dimensioni in locale significa affrontare un esborso di capitale paragonabile a quello di un veicolo elettrico di fascia alta, moltiplicato per decine o centinaia di unità. I crediti d'imposta che in passato hanno sostenuto gli investimenti in data center non sono stati rinnovati in molte giurisdizioni, e le aziende si trovano a dover giustificare il TCO senza il cuscinetto delle agevolazioni fiscali. A questo si aggiunge il costo dell'energia elettrica, il vero “carburante” di un impianto on-premise: una GPU di ultima generazione può consumare fino a 700 watt, e in un cluster da decine di nodi la bolletta diventa la prima voce di spesa operativa, spesso sottovalutata nei business plan.

Il problema della “rete di ricarica” ha un corrispettivo diretto nella capacità della rete elettrica e nel raffreddamento. Non basta installare server in un armadio; servono quadri elettrici dedicati, gruppi di continuità, impianti di condizionamento o liquido che molti edifici aziendali non sono in grado di supportare senza costosi lavori di adeguamento. È un collo di bottiglia strutturale che rallenta i progetti di sovranità dei dati, proprio come la mancanza di colonnine dissuade gli acquirenti di EV.

Eppure, chi punta al self-hosted lo fa per ragioni precise: controllo totale sui dati, latenza minima, conformità GDPR e assenza di vincoli con i fornitori cloud. Ma il calcolo economico senza incentivi diventa proibitivo per le medie imprese, lasciando il campo alle grandi corporation o a chi può accentrare risorse. È un fenomeno che assomiglia alla concentrazione dei primi acquirenti di auto elettriche: i pionieri disposti a pagare un premium, mentre la massa attende un abbassamento dei prezzi che, nel mondo delle GPU, non sembra imminente a causa della domanda trainata dai grandi hyperscaler.

Per i decisori, il bivio è netto: accettare un pay-as-you-go cloud con costi operativi variabili ma prevedibili, oppure investire in un'architettura on-premise che garantisce indipendenza ma richiede una pianificazione finanziaria robusta. Le lezioni del mercato EV suggeriscono che senza interventi pubblici o sconti sostanziali da parte dei produttori di semiconduttori, il deployment locale resterà una nicchia per pochi, mentre il grosso dell'inference continuerà a viaggiare su data center remoti. La sovranità digitale rischia di diventare un lusso accessibile solo a chi può permettersi di costruire la propria “stazione di ricarica”.