L’intelligenza artificiale sta modificando il modo in cui le infrastrutture digitali vengono progettate, finanziate e monetizzate. Per gli operatori di telecomunicazioni, il passaggio è particolarmente rilevante perché sposta il baricentro del valore dalla sola connettività verso una combinazione più stretta tra rete, capacità computazionale, cloud, edge e servizi per le imprese.
Il nuovo report di GSMA Intelligence, “The rise of the AI factory”, mette a fuoco questo cambio di prospettiva. Le AI factory vengono definite come data center specializzati, costruiti attorno a infrastrutture GPU ad alta densità e sistemi avanzati di orchestrazione, pensati per sostenere carichi di lavoro come training dei modelli, inferenza, automazione agentica e applicazioni industriali. La dimensione può variare in modo significativo. Singole strutture possono integrare nell’ordine di 10mila-15mila GPU, mentre i progetti di scala superiore possono arrivare fino a 100mila GPU.
Per le telco, la questione industriale riguarda il modo in cui queste infrastrutture si innestano su asset già presenti. Gli operatori dispongono di reti mobili, fibra, spettro, data center, siti edge e relazioni consolidate con clienti business e pubbliche amministrazioni. La prospettiva indicata da GSMA Intelligence è quella di una nuova convergenza, nella quale la capacità di calcolo viene incorporata nell’architettura di rete e diventa parte dell’offerta commerciale.
Indice degli argomenti
Dalla connettività al compute
Il primo vantaggio competitivo degli operatori riguarda la disponibilità di infrastrutture distribuite. Le AI factory ampliano il ruolo delle reti, perché collegano capacità GPU, trasporto in fibra, backbone ottici, 5G e nodi edge. In questo modello, la connettività diventa la base per erogare servizi computazionali con requisiti di latenza, sicurezza e affidabilità più stringenti rispetto ai workload cloud tradizionali.
Il tema è centrale per applicazioni come automazione industriale, robotica, analisi in tempo reale, digital twin, smart manufacturing e diagnostica avanzata. Molti di questi casi d’uso richiedono prestazioni prevedibili e tempi di risposta compatibili con processi fisici o mission critical. Il valore per le telco nasce dalla possibilità di offrire connettività e capacità di calcolo come un’unica piattaforma, con livelli di servizio difficili da replicare attraverso un cloud centralizzato.
Questo cambio di paradigma valorizza anche il 5G standalone, lo slicing, la qualità del servizio garantita e l’elaborazione all’edge. Secondo GSMA Intelligence, molti workload futuri verranno eseguiti in modalità ibrida, con una parte dell’elaborazione sul dispositivo, una parte ai margini della rete e una parte nei data center centrali. Auto connesse, robotica industriale, realtà aumentata, gaming, image analytics e traduzione vocale in tempo reale si collocano lungo questa catena distribuita.
Il mercato indirizzabile vale oltre 300 miliardi
La dimensione economica è uno degli elementi più rilevanti del report. GSMA Intelligence stima che la spesa enterprise in cloud e data center abbia raggiunto nel 2025 quasi 850 miliardi di dollari. Di questa cifra, la quota potenzialmente indirizzabile dagli operatori viene valutata intorno al 35-40%, pari a circa 326 miliardi di dollari.
Si tratta di un mercato teorico e competitivo, quindi non di una previsione automatica di fatturato. Il punto, però, è che la base disponibile è ampia rispetto al peso attuale dei servizi cloud nei conti degli operatori. A livello globale, GSMA Intelligence stima infatti che i ricavi cloud rappresentino oggi in media appena lo 0,5-1% dei ricavi complessivi delle telco, con alcune eccezioni significative in Cina e Corea del Sud.
L’AI può innestarsi su questa base come componente additiva. Lo scenario elaborato dal report indica che le AI factory potrebbero generare per gli operatori un incremento compreso tra l’1,5% e il 6% dei ricavi totali, a seconda della capacità di conquistare quote del mercato cloud indirizzabile e di monetizzare servizi come GPU as a service e inference as a service. Per un settore maturo, caratterizzato da crescita limitata della connettività tradizionale e da forte pressione sui ritorni del 5G, si tratta di una leva potenzialmente rilevante.
GPU as a service e inferenza sono le prime linee di offerta
Sul piano commerciale, GSMA Intelligence individua diverse linee di monetizzazione. La più immediata riguarda GPU as a service e inference as a service, cioè accesso on demand o riservato a capacità GPU per inferenza, fine tuning e workload enterprise. La domanda può arrivare da aziende che incontrano limiti di capacità, costi elevati presso gli hyperscaler o vincoli di localizzazione dei dati.
Per gli operatori, questi servizi hanno un vantaggio operativo evidente. Possono essere venduti ai clienti business esistenti, integrati con fibra, private 5G, edge computing e managed services, e arricchiti con livelli di servizio su latenza, sicurezza e residenza del dato. Il rischio principale riguarda la possibile commoditizzazione della capacità GPU, soprattutto se l’offerta globale dovesse crescere rapidamente. La difesa dei margini passa quindi dall’integrazione con la rete e dalla capacità di costruire offerte a valore aggiunto.
La seconda area ad alta potenzialità è l’AI sovrana. Governi, pubbliche amministrazioni e settori regolati chiedono sempre più spesso che dati, modelli e workload restino entro i confini nazionali e sotto una giurisdizione definita. Gli operatori, grazie a infrastrutture ancorate ai mercati locali, licenze, rapporti regolatori e presenza nazionale, possono proporsi come soggetti affidabili per ospitare piattaforme di intelligenza artificiale con requisiti stringenti di compliance.
La sovranità diventa un asset industriale
La sovranità digitaleaws, google è uno dei terreni su cui le telco possono differenziarsi rispetto agli hyperscaler globali. AWS, Microsoft, Google e Oracle dispongono di scala, capacità finanziaria e profondità tecnologica difficili da eguagliare. La loro presenza globale, però, può complicare le garanzie richieste da alcune amministrazioni e imprese soggette a vincoli normativi, soprattutto quando entrano in gioco localizzazione dei dati, controllo giurisdizionale e sicurezza nazionale.
GSMA Intelligence sottolinea che la sovranità può assumere forme diverse. Può riguardare la sola capacità di calcolo, il livello applicativo, i modelli linguistici, i database vettoriali, le pipeline di retrieval augmented generation o l’intero stack. Per gli operatori, questo significa poter costruire offerte differenziate in base alle regole locali e alla domanda dei singoli Paesi.
Il report censisce diversi esempi internazionali di iniziative telco legate a modelli locali, cloud sovrano e capacità di calcolo. Tra i casi citati compaiono Deutsche Telekom, Orange, BT, Proximus, Singtel, e& e altri gruppi. Nella categoria compute figura anche Fastweb per l’Italia, segnale del fatto che il tema riguarda direttamente il mercato nazionale e il possibile ruolo degli operatori nella costruzione di infrastrutture AI a controllo locale.
Il nodo degli investimenti
Le AI factory richiedono un profilo di investimento diverso rispetto alle reti tradizionali. Le principali voci di costo riguardano GPU e acceleratori, alimentazione elettrica, raffreddamento, aggiornamento dei data center, fibra ad alta capacità, interconnessioni a bassa latenza, software di orchestrazione, sicurezza e stack AI dedicati.
Questa evoluzione non sostituisce gli investimenti di rete, ma ne cambia la composizione. La spesa mobile resta storicamente concentrata su radio access network, spettro, siti e trasporto. Con le AI factory, una quota crescente del capitale potrebbe spostarsi verso data center, GPU, cablaggi ottici, gateway, energia e cooling. GSMA Intelligence osserva che il capex degli operatori non è destinato a crescere con la stessa dinamica degli hyperscaler, ma potrebbe riequilibrarsi in modo strutturale.
Il confronto con i grandi player cloud rende evidente la distanza. Nel periodo gennaio-settembre 2025, il capex aggregato di AWS, Google, Microsoft, Meta e Oracle ha raggiunto circa 270 miliardi di dollari, con una crescita del 65% rispetto allo stesso periodo dell’anno precedente. Nello stesso arco temporale, gli operatori mobili statunitensi hanno investito circa 30 miliardi di dollari. La scala finanziaria degli hyperscaler resta quindi molto superiore, mentre le telco devono individuare modelli più selettivi e sostenibili.
Build, partnership o joint venture
La strada proprietaria sarà accessibile soprattutto ai grandi operatori, dotati di bilanci solidi, massa critica e spesso anche di un sostegno pubblico o di un cliente istituzionale come anchor tenant. Le strutture più grandi possono assumere la forma di gigafactory, con assorbimenti energetici superiori a 1 GW, come nei casi citati da GSMA Intelligence della Industrial AI Cloud di Deutsche Telekom in Germania e dell’AI Park di Du a Dubai.
Per gli operatori di medie dimensioni, la via più realistica può passare da joint venture, co-investimenti e partnership industriali. Questi modelli consentono di distribuire il rischio, accedere a competenze specialistiche e ridurre l’esposizione a cicli tecnologici rapidi, nei quali l’obsolescenza delle GPU e degli stack software può incidere sui ritorni attesi. Gli operatori più piccoli possono orientarsi verso leasing, accordi con neocloud o collaborazione con hyperscaler, purché compatibili con i requisiti di sovranità e controllo dei dati.
La scelta del modello incide direttamente su margini, controllo, time to market e capacità di differenziazione. Una AI factory pienamente proprietaria offre maggiore controllo sullo stack, ma espone a rischi più elevati di saturazione della capacità. Un modello partner riduce l’impegno finanziario iniziale, ma può limitare la possibilità di presidiare le componenti più remunerative della catena del valore.
Le reti cambiano architettura
L’impatto più profondo riguarda l’architettura stessa delle reti. GSMA Intelligence evidenzia che le AI factory rendono più complessa la gestione operativa perché avvicinano stack di rete, IT e AI. I confini di sicurezza si allargano, i domini di guasto diventano più difficili da isolare e aumenta la necessità di automazione. In parallelo, l’utilizzo dell’AI per gestire le reti diventa più urgente.
L’evoluzione porta a una pianificazione guidata dalle applicazioni. Le reti vengono progettate partendo da requisiti di latenza, throughput inferenziale, affidabilità, localizzazione del carico e vincoli di compliance. Questo modifica anche i parametri con cui gli operatori misurano il valore dell’infrastruttura. Copertura e traffico restano indicatori essenziali, ma accanto a essi crescono metriche legate a latenza garantita, capacità GPU disponibile, prestazioni di inferenza, sicurezza end-to-end e risultati di servizio.
Anche i flussi di traffico cambiano. I workload AI generano più traffico est-ovest all’interno dei data center, aumentano la domanda uplink proveniente da sensori e dispositivi industriali e rendono più frequenti picchi improvvisi legati alle richieste di inferenza. Le reti devono quindi diventare più resilienti, flessibili e automatizzate, con sistemi capaci di ottimizzare instradamento, congestione ed efficienza energetica.
Il rischio di restare solo connettività
La posta in gioco riguarda il posizionamento industriale delle telco nella nuova economia dell’AI. Senza una risposta chiara, gli operatori rischiano di restare confinati alla connettività a basso margine, mentre il valore si sposta verso compute, orchestrazione, modelli, applicazioni e servizi verticali. Le AI factory offrono una via per risalire lungo lo stack, facendo leva su asset che gli hyperscaler non possiedono nella stessa forma, come prossimità territoriale, spettro, controllo della rete di accesso, presenza regolata e relazioni locali.
La differenziazione, però, va costruita con attenzione. Il training dei grandi modelli fondazionali appare meno adatto alla maggior parte degli operatori, perché richiede capitali enormi, scala globale e competenze concentrate in pochi laboratori e grandi piattaforme. Anche i marketplace AI generici rischiano di avere scarso valore distintivo se non vengono collegati a dati, rete, sicurezza e capacità locali.
Le opportunità più coerenti con il profilo delle telco sembrano quindi concentrarsi su servizi GPU e inferenza, piattaforme sovrane, soluzioni verticali per settori regolati, managed AI services e pacchetti B2B arricchiti da funzionalità intelligenti. In questo spazio, l’operatore può usare la rete come elemento di differenziazione e non come semplice canale di accesso.
La nuova infrastruttura dell’AI passa anche dagli operatori
Il messaggio del report è netto sul piano industriale. Le AI factory non sono un’estensione marginale del business cloud, ma una possibile evoluzione del modo in cui le reti vengono costruite e monetizzate. Per gli operatori, l’opportunità consiste nel combinare infrastrutture nazionali, edge, fibra, 5G, fiducia regolatoria e base clienti enterprise in una piattaforma capace di sostenere l’adozione dell’intelligenza artificiale.
La sfida richiede disciplina sugli investimenti, partnership mirate e una chiara selezione delle aree dove la telco può realmente competere. La scala degli hyperscaler resta difficile da raggiungere, mentre la competizione dei neocloud aggiunge pressione nei servizi GPU specializzati. Proprio per questo, la leva distintiva degli operatori passa da integrazione di rete e calcolo, sovranità, sicurezza, prossimità e capacità di costruire soluzioni per specifiche filiere industriali.
Per il settore, l’AI factory diventa così un banco di prova della trasformazione post-5G. La rete resta l’asset centrale, ma il suo valore dipenderà sempre più dalla capacità di abilitare workload intelligenti, servizi mission critical e nuove forme di automazione distribuita. In questa prospettiva, la connettività torna a essere una leva industriale, a condizione che venga integrata con il compute e trasformata in piattaforma per l’economia dell’intelligenza artificiale.
Partecipa alla community