“Ogni anno 5mila miliardi di dollari, o 800mila miliardi di yen, potreste pensare che sia una bugia, ma sono convinto che sarà questo il costo.” Con queste parole, pronunciate martedì alla conferenza annuale di SoftBank a Tokyo, Masayoshi Son ha gettato una cifra che sposta l’asticella del dibattito sull’intelligenza artificiale. Non ha spiegato come sia arrivato a quella stima, ma il messaggio è chiaro: chi non investirà su questa scala resterà fuori.

La proiezione arriva in un momento in cui i dubbi sull’hype dell’AI si moltiplicano. Dal 2023, ogni trimestre ha prodotto nuove ondate di entusiasmo seguite da inevitabili correzioni delle aspettative. Son liquida l’idea di una bolla con un aggettivo secco: assurda. Non è una posizione neutrale. SoftBank è tra i maggiori azionisti di Arm, architrave di gran parte dell’hardware per l’inference e il training, e ha puntato miliardi su aziende del calibro di NVIDIA. La sua tesi, quindi, è anche una scommessa esistenziale per il suo impero finanziario.

Ma la vera domanda è strutturale: 5mila miliardi l’anno significano che l’AI diventerà la spesa infrastrutturale più alta della storia, superando difesa globale e sanità messe insieme. Se questa traiettoria si concretizza, solo una manciata di attori – hyperscaler, fondi sovrani, forse pochi stati – potranno permettersi l’addestramento di modelli di frontiera. Il resto dovrà affittare capacità, aumentando la dipendenza da cloud provider concentrati in due o tre giurisdizioni.

Questo scenario interpella direttamente chi oggi valuta deployment on-premise o self-hosted. La narrativa dominante dice che il TCO di un’infrastruttura locale, tra GPU, VRAM e consumi energetici, non regge il confronto con il noleggio orario. Ma la proiezione di Son aggiunge un elemento di secondo ordine: la concentrazione della spesa accelererà la corsa a modelli sempre più grandi che difficilmente potranno girare su cluster aziendali senza un salto di scala. Non è solo una questione di costi unitari: è un problema di accesso alla tecnicia stessa. Se i modelli necessiteranno di hardware da centinaia di miliardi di dollari, l’on-premise rischia di diventare sinonimo di classi di servizio inferiori, non di maggiore controllo.

Eppure, la mossa di Son potrebbe paradossalmente rafforzare le ragioni di chi sceglie il deployment locale. La sovranità dei dati, la conformità GDPR e la latenza non scompariranno perché la spesa aggregata sale. Anzi, più la potenza si concentra in pochi data center centralizzati, più le imprese regolamentate e i governi troveranno giustificazioni strategiche per investire in hardware on-premise, anche a costi unitari superiori. È una tensione che AI-RADAR segue da tempo: non si tratta di demonizzare il cloud, ma di capire dove si colloca il punto di rottura tra efficienza economica e controllo reale.

La frase di Son, più che una previsione, è un segnale. Dice al mercato: preparatevi a un fabbisogno di capitale che non ha precedenti. E, implicitamente, indica che il futuro dell’AI sarà scritto da chi ha i mezzi per costruire l’infrastruttura, non solo da chi sviluppa algoritmi. Chi opera nell’on-premise deve leggerla come un avvertimento, ma anche come una sfida per rendere il self-hosting credibile in un mondo dove la scala sembra dettare ogni regola.