La corsa degli hyperscaler agli investimenti in infrastrutture Ai (dettagliata nei numeri da Gartner) trova conferma nell’ultimo studio di Telegeography: i colossi del cloud, principalmente Amazon, Google e Microsoft, sono “attualmente impegnati in una corsa agli armamenti infrastrutturali di proporzioni senza precedenti”.
Spinto quasi interamente dall’adozione e dalla diffusione veloce dell’intelligenza artificiale, questa accelerazione degli investimenti in server e altre infrastrutture Ai sta modificando radicalmente l’allocazione del capitale e la presenza geografica dei data center globali. Emerge, inoltre, l’offerta Gpu come servizio, con cui gli stessi hyperscaler noleggiano risorse dai neocloud.
L’analisi si basa su dati proprietari disponibili esclusivamente nel Cloud and Wan Research Service di TeleGeography.
Indice degli argomenti
Gli investimenti Ai degli hyperscaler
Le proiezioni del settore indicano una forte impennata degli investimenti, con una spesa in conto capitale (CapEx) totale degli hyperscaler che dovrebbe raggiungere la cifra di 600-700 miliardi di dollari nel 2026. Ciò rappresenta un aumento del 40-50% rispetto ai livelli di investimento del 2025.
L’aspetto più rilevante è che la natura di questa spesa è cambiata. Gli analisti finanziari stimano che circa il 75% di questo totale di investimenti (CapEx) sia destinato specificamente alle infrastrutture per l’intelligenza artificiale, superando di gran lunga gli investimenti nelle tradizionali architetture di cloud computing.
Inoltre, anche se i giganti della tecnologia stanno riadattando i data center cloud esistenti per far fronte alla crescita dell’Ai, la stragrande maggioranza degli investimenti attuali viene destinata a nuovi e giganteschi data center “greenfield” dedicati all’intelligenza artificiale. Le strutture appositamente costruite sono in gran parte necessarie perché i carichi di lavoro dell’Ai richiedono densità di potenza significativamente più elevate, sistemi di raffreddamento a liquido specializzati e un’architettura rinforzata per cluster Gpu ad alte prestazioni.
Alcuni dei progetti più importanti includono: Amazon (Aws), Project Rainier (Indiana, Louisiana, Mississippi; Google: Columbus (OH), Omaha (NE), Texas, Oklahoma, Visakhapatnam (India); Microsoft: Fairwater Campus (Mount Pleasant, WI), Atlanta (GA), Narvik (Norvegia), Loughton (Regno Unito).
Project Stargate e le alleanze strategiche con OpenAI
Un’altra iniziativa sull’Ai molto pubblicizzata da aziende hyperscaler è Project Stargate. Sostenuta da un enorme investimento di 500 miliardi di dollari, questa joint venture tra OpenAI, SoftBank, Oracle e MGX (una società di investimento di Abu Dhabi) mira a costruire una rete di data center specificamente progettati per addestrare e gestire modelli di intelligenza artificiale avanzati.
Oracle è a capo del campus principale di Stargate ad Abilene, in Texas, mentre OpenAI e i suoi partner stanno sviluppando un secondo sito a Port Washington, nel Wisconsin, a circa un’ora a nord del campus di Microsoft a Fairwater.
Anche qui c’è un elemento rilevante: sebbene nel 2024 si vociferasse che Microsoft avrebbe costruito in esclusiva i data center di OpenAI, alla fine Oracle l’ha soppiantata come principale costruttore di infrastrutture per l’iniziativa Stargate.
Nonostante questo cambiamento nella costruzione fisica, Microsoft Azure rimane il fornitore di servizi cloud esclusivo per i prodotti proprietari di OpenAI e le sue “API stateless” (la tecnologia sottostante che gli sviluppatori utilizzano per accedere ai modelli).
Ai e calcolo Gpu come servizio
Proprio come il cloud computing ha rivoluzionato il modo in cui le aziende archiviano, accedono ed elaborano i dati, l’Ai viene commercializzata per il suo potenziale di trasformare i settori automatizzando le attività, migliorando il processo decisionale e aumentando l’accuratezza e la precisione complessive. Al centro di questa rivoluzione ci sono le Gpu (Graphics Processing Unit).
Originariamente progettate per il rendering della grafica, le GPU sono diventate la pietra angolare del calcolo Ai moderno. Sono una parte essenziale di un “cluster” Ai, fungendo da acceleratori di server che elaborano più calcoli simultaneamente, spesso da uno a due ordini di grandezza più velocemente di una Cpu media. Questa potenza di elaborazione è fondamentale durante la fase di addestramento del modello Ai.
L’ascesa dei fornitori neocloud
Sebbene i servizi Gpu non siano certo una novità (Aws e Microsoft offrono servizi di calcolo Gpu da quasi un decennio, con Google che si è unita al gruppo poco dopo), il panorama sta cambiando. Oggi, tutti i principali fornitori di servizi cloud (Csp), tra cui Oracle, Ibm, Alibaba e Ovo, offrono servizi di calcolo Gpu. Tuttavia, è emersa una nuova ondata di fornitori di servizi cloud specializzati, che offrono Gpu-as-a-Service (GPUaaS). Questi fornitori “neocloud” – come CoreWeave o Lambda – consentono a chiunque di accedere all’hardware necessario per addestrare i propri modelli o eseguire inferenze.
Sorprendentemente, alcuni dei maggiori clienti di questi fornitori di GPUaaS sono gli stessi hyperscaler, in particolare Microsoft e Google.
Potrebbe sembrare del tutto controintuitivo che i giganti della tecnologia abbiano bisogno di noleggiare risorse di calcolo da fornitori molto più piccoli Tuttavia, il boom dell’Ai generativa ha creato colli di bottiglia fisici e nella catena di approvvigionamento che nemmeno gli hyperscaler sono riusciti a risolvere da soli. Per stare al passo con la domanda, Microsoft e Google hanno adottato una strategia simbiotica, affidandosi ai fornitori di GPUaaS per diverse ragioni strategiche, tecniche ed economiche.
Per esempio, poiché i neocloud si concentrano esclusivamente sull’Ai, possono implementare un cluster di 80.000 Gpu in poche settimane, un ritmo che gli hyperscaler non possono eguagliare con le loro infrastrutture tradizionali.
La strategia di allocazione di Nvidia per contrastare Big 3
Nvidia possiede le chiavi di questa rivoluzione dell’hardware per l’Ai, secondo Telegeography. Per impedire ai “Big 3” (Aws, Azure, Google) di monopolizzare il mercato e per tutelarsi dallo sviluppo da parte di questi colossi di chip personalizzati concorrenti (come le Tpu di Google e Maia di Microsoft), Nvidia diversifica attivamente la propria base clienti.
La società dei chip investe in modo strategico e assegna i suoi chip più avanzati (come H100, H200 e GB200) a neocloud come CoreWeave. Se Microsoft e Google desiderano accedere rapidamente a questi chip molto richiesti, sono costrette a stipulare contratti di leasing multimiliardari con i provider preferiti da Nvidia.
CoreWeave e Lambda alla conquista (anche) dell’Europa
In termini di investimenti e infrastrutture, CoreWeave è in testa alla classifica, avendo raccolto oltre 13 miliardi di dollari di finanziamenti negli ultimi due anni. Gran parte di questi fondi sarebbe destinata all’espansione della propria rete di data center. In un anno, l’azienda ha quasi triplicato le dimensioni in termini di regioni. CoreWeave ha attualmente 41 regioni operative e un’altra in programma per il 2026. Le regioni sono situate negli Stati Uniti (35) e in Europa (6).
Lambda ha raccolto 2 miliardi di dollari di finanziamenti e gestisce 16 regioni. Lambda è leggermente più diversificata geograficamente rispetto a CoreWeave, con regioni in Giappone (2), Germania (1), India (1), Israele (1), oltre che negli Stati Uniti (11).
Nebius e Crusoe sono altre neocloud degne di nota, ciascuna con circa 1 miliardo di dollari di finanziamenti e rispettivamente 6 e 5 regioni operative. Fluidstack ha raccolto milioni di dollari di finanziamenti e ha in programma 6 regioni.
