La notizia non arriva da un centro di calcolo iperscalabile né da un laboratorio di ricerca su transformer. È una fotografia del futuro scattata da una delle realtà industriali più trasversali: LG, attraverso il suo Sciencepark, ha confermato colloqui con SpaceX mentre mette a punto una strategia spaziale con rendite attese per il 2030. Choi Donghwan, a capo del Winning R&D Promotion Office, incarna la regia di un progetto che allunga lo sguardo oltre l'orbita bassa terrestre.

L'informazione è scarna, ma il segnale è potente: la partita per lo spazio non si gioca più solo tra agenzie governative e costruttori di razzi. Entrano in campo i grandi conglomerati dell'elettronica, e con loro un ecosistema di fornitori e competenze che ridisegna i contorni dell'intelligenza artificiale distribuita.

L'infrastruttura che abilita l'AI fuori dal cloud

Per chi progetta sistemi di inference, l'ambiente spaziale rappresenta il caso limite di una filosofia già familiare: calcolo dove nascono i dati, senza dipendenza dal cloud. Un satellite che elabora immagini a bordo con modelli di visione, o un rover che naviga usando LLM per interpretare comandi vocali, sono esempi di deployment on-premise portati all'estremo. Qui il vincolo non è solo la latenza, ma la sopravvivenza stessa del sistema.

Le architetture hardware devono fare i conti con radiazioni, escursioni termiche e assenza di manutenzione. Ogni watt di consumo conta, e ogni gigabyte di VRAM deve essere allocato con una parsimonia che farebbe impallidire gli amministratori di cluster enterprise. La quantization – il passaggio a precisione ridotta dei pesi (da FP16 a INT8 o addirittura INT4) – diventa obbligatoria non per scelta di performance, ma per necessità di sopravvivenza energetica e affidabilità nel tempo.

LLM a bordo: autonomia e sovranità in orbita

Questa convergenza porta dritta al cuore del dibattito sulla sovranità dei dati. In orbita non esistono collegamenti affidabili a data center terrestri: ogni bit deve restare locale. Le policy GDPR non si applicano, ma la logica è la stessa: tenere i dati sensibili – telemetria, osservazioni, comunicazioni militari o civili – confinati nel perimetro fisico del satellite. Il self-hosting diventa non una preferenza architetturale, ma un requisito di sistema.

I modelli linguistici svolgono un ruolo chiave. Possono gestire interfacce conversazionali per astronauti, analizzare documentazione tecnica a bordo, riassumere sensori in tempo reale. Il tutto senza trasmettere un token all'esterno. È un laboratorio perfetto per testare strategie di fine-tuning di modelli compatti, quelli che oggi le aziende stanno iniziando a valutare per i propri ambienti on-premise.

Il TCO in condizioni estreme: lezioni per l'impresa

I team che oggi valutano il TCO per un'infrastruttura locale troveranno nel settore spaziale un'allegoria preziosa. Il CapEx per un satellite non ammette errori di provisioning: se la dotazione di memoria o la capacità di calcolo è insufficiente per eseguire inference in situ, non c'è possibilità di aggiungere nodi. Lo stesso vale per impianti industriali remoti, miniere automatizzate o centri di ricerca polari. Chi opera in questi ambienti sa che il vero trade-off non è tra cloud e on-premise, ma tra autonomia e dipendenza da fleet management esterno.

L'hype intorno alle comunicazioni laser tra satelliti – e l'arrivo di costellazioni come Starlink – aggiunge un tassello: le reti low-earth orbit diventano bus dati a bassa latenza per flotte di dispositivi edge. Per un'azienda che gestisce centinaia di impianti sparsi nel mondo, l'ideale di un backhaul satellitare con AI locale promette resilienza e governance centralizzata senza rinunciare ai dati in situ.

Prospettiva: lo spazio come banco di prova per l'AI on-premise

La scommessa di LG non è una curiosità aerospaziale. È il termometro di un cambiamento più ampio: l'AI smette di essere un servizio da noleggiare ed entra nella catena di valore del prodotto fisico, dallo smartphone al satellite. Ogni passo avanti nel deployment edge in orbita si traduce in mattoni tecnicici – circuiti tolleranti ai guasti, algoritmi di inference a bassissimo consumo, meccanismi di aggiornamento senza intervento umano – che presto arriveranno nei vostri armadi rack.

Per chi segue il tema dell'on-premise, il messaggio è chiaro: le frontiere più lontane stanno già modellando l'infrastruttura che domani gestirà i vostri LLM locali. AI-RADAR continuerà a mappare questi pathway, dal silicio alla stratosfera.