Se l’intelligenza artificiale è la nuova corrente elettrica, il Regno Unito ha deciso di costruirsi la propria centrale, invece di comprare energia da oltreoceano. Con un finanziamento fino a 60 milioni di sterline, il governo di Londra dà il via a due laboratori di ricerca universitari – uno all’Università di Oxford, l’altro alla University College London (UCL) – con l’obiettivo di sviluppare la «prossima generazione» di sistemi AI. Non modelli più grandi o più potenti in senso assoluto, ma tecnicie più economiche, più aperte e in grado di girare su hardware largamente disponibile. Una mossa che rientra in una strategia più ampia per rafforzare l’offerta AI nazionale e ridurre la dipendenza dai colossi statunitensi.

Due laboratori, due strade per l’efficienza

I due centri seguiranno percorsi complementari. Il laboratorio SOFAIR della UCL, guidato dal professor David Barber, si concentrerà sulla creazione di modelli open source eseguibili su macchine comuni, senza bisogno dei costosi cluster GPU che oggi dominano il settore. «Molti sistemi attuali soffrono di problemi di base, come risposte imprecise – spiega Barber – e spesso usano architetture molto simili. SOFAIR riunirà competenze scientifiche più ampie e idee fresche per dare vita a una nuova generazione di modelli, riducendo la dipendenza dai pochi fornitori attuali e rafforzando la sovranità del Regno Unito».

A Oxford, il progetto BOLD guidato dal professor Jakob Foerster adotterà un approccio ancora più radicale: abbandonare la corsa alla potenza di calcolo centralizzata. «Il Regno Unito non può vincere la gara globale dell’AI semplicemente cercando di spendere più delle grandi aziende tecniciche in dati e calcolo – afferma Foerster –. BOLD percorre una strada diversa: scoprire modi fondamentalmente nuovi per costruire intelligenza artificiale, più efficienti, più aperti e più allineati ai bisogni umani».

Entrambi i laboratori creeranno partnership con il mondo accademico, l’industria e il settore pubblico, e rappresentano il primo grande investimento nell’ambito della strategia AI del governo britannico delineata da UK Research and Innovation (UKRI). L’obiettivo dichiarato: far sì che l’AI diventi più accessibile e sostenibile per imprese e cittadini del Regno Unito.

L’efficienza non è solo un esercizio accademico

Per chi segue le dinamiche del deployment on-premise, questa notizia va letta oltre la cronaca. La ricerca di modelli che richiedano meno risorse computazionali ha implicazioni dirette sulla capacità di eseguire LLM in locale, senza appoggiarsi a servizi cloud gestiti da terze parti. Oggi, per molte organizzazioni, ospitare un modello linguistico in casa significa fare i conti con costi hardware elevati e competenze specialistiche. Se i laboratori britannici riusciranno nell’intento, potrebbero nascere soluzioni in grado di girare su server di fascia media o persino su workstation, abbattendo il Total Cost of Ownership e semplificando la conformità a regolamenti come il GDPR.

La direzione è chiara: invece di aumentare all’infinito i parametri e la VRAM necessaria, si punta su architetture più intelligenti, tecniche di quantization spinte e design modulari. È lo stesso spirito che anima molti framework open source oggi utilizzati da chi self-hosta i propri modelli, e che AI-RADAR monitora costantemente per fornire strumenti di valutazione agli addetti ai lavori.

Sovranità digitale: la partita si gioca sull’hardware comune

Il finanziamento britannico si inserisce in un movimento più vasto: la sovranità digitale sta diventando una priorità per governi e aziende che non vogliono delegare a provider esterni la gestione dei propri dati e delle proprie capacità cognitive. L’esperienza degli ultimi anni ha mostrato quanto sia rischioso dipendere da un ristretto gruppo di corporation per tecnicie strategiche. I modelli aperti e a basso consumo promettono di democratizzare l’accesso all’AI generativa, consentendo anche a realtà con budget contenuti di addestrare e fare inference su dati sensibili direttamente nei propri data center.

In questa prospettiva, il laboratorio SOFAIR, con la sua vocazione open source, può diventare un tassello importante. I modelli rilasciati con licenze permissive potrebbero essere integrati in pipeline on-premise, favorendo un ecosistema di soluzioni alternative a quelle dei vendor dominanti. La scommessa di Oxford, invece, potrebbe influenzare la ricerca di base, portando a nuove architetture che ripensano il rapporto tra dati, calcolo e apprendimento.

Cosa significa per chi oggi valuta l’on-premise

Al di là dei proclami politici, l’investimento è un segnale concreto per i decisori IT: il futuro dell’AI non è solo nei mega-datacenter, ma anche nei server locali e nei dispositivi edge. Per chi sta pianificando una strategia di adozione degli LLM, la prospettiva di modelli ottimizzati per l’esecuzione in locale potrebbe cambiare i calcoli di CapEx e OpEx, rendendo praticabile ciò che oggi appare proibitivo. Strumenti di analisi come quelli offerti da AI-RADAR nella sezione dedicata ai trade-off on-premise aiutano a navigare queste scelte, ma intanto l’industria manda un messaggio chiaro: l’AI sovrana non è un’utopia, ma una direttrice di marcia sostenuta da investimenti pubblici importanti.

Resta da vedere se questi laboratori riusciranno a produrre innovazioni davvero dirompenti, ma la direzione è segnata. L’intelligenza artificiale si avvia a diventare, sempre di più, una commodity che può essere gestita in casa, senza dover chiedere il permesso a nessuno.