L’intelligenza artificiale sta ridisegnando le fondamenta dell’economia digitale, e il cuore pulsante di questa trasformazione è la capacità di calcolo. Entro il 2030, secondo una recente analisi di McKinsey & Company, il mondo potrebbe investire quasi 7 trilioni di dollari per costruire l’infrastruttura necessaria a sostenere la crescita dell’AI, trasformando i data center nel campo di battaglia strategico della nuova era industriale.
Indice degli argomenti
Un’esplosione di domanda trainata dall’AI
Il rapporto sottolinea che la domanda globale di potenza di calcolo potrebbe triplicare entro il 2030, con circa il 70% della crescita alimentata dai carichi di lavoro dell’intelligenza artificiale. Per soddisfare questa espansione, saranno necessari 5,2 trilioni di dollari di investimenti nei data center progettati per l’AI, a cui si aggiungono 1,5 trilioni destinati a infrastrutture IT tradizionali, utilizzate per attività come l’hosting web, la gestione di sistemi ERP, l’email o l’archiviazione dei file.
Tre scenari di investimento per il futuro
Nel delineare le possibili evoluzioni del settore, McKinsey propone tre scenari per il periodo 2025-2030. Nel primo, il più espansivo, si prevede una crescita molto accelerata, con 205 gigawatt di capacità aggiuntiva legata all’AI e un investimento complessivo stimato in 7,9 trilioni di dollari. Lo scenario intermedio, utilizzato come riferimento principale nel report, prevede 125 gigawatt aggiuntivi e una spesa di 5,2 trilioni. Infine, nello scenario più contenuto, la crescita si fermerebbe a 78 gigawatt, con un investimento pari a 3,7 trilioni.
Gli attori in gioco: chi finanzia la nuova infrastruttura AI
A guidare questa trasformazione sono cinque categorie di investitori. I “builders”, cioè sviluppatori immobiliari, progettisti e imprese di costruzione, investiranno circa 800 miliardi di dollari in terreni, materiali e sviluppo dei siti. Gli “energizers”, ovvero aziende energetiche e fornitori di sistemi di raffreddamento e infrastrutture elettriche, destineranno circa 1.300 miliardi alla generazione e trasmissione di energia, nonché alla connettività. La parte del leone spetta però ai “technology developers”, i produttori di chip e hardware, come Nvi e Intel, che metteranno in campo oltre 3.100 miliardi di dollari per soddisfare la crescente domanda. Altri due archetipi completano il quadro: gli “operators”, come i hyperscaler e i provider di servizi cloud, e gli “AI architects”, ossia le aziende che sviluppano modelli di intelligenza artificiale e infrastrutture software. Questi ultimi non sono inclusi nel calcolo degli investimenti complessivi a causa della difficoltà di isolare le spese dedicate esclusivamente alla potenza computazionale.
Efficienza e paradossi: investire in un contesto incerto
Mentre si registrano progressi significativi sul fronte dell’efficienza, come dimostrato dal modello DeepSeek V3 che ha ridotto i costi di training di 18 volte e quelli di inferenza di 36 volte rispetto a GPT-4o, il cosiddetto “paradosso di Jevons” ci ricorda che l’efficienza può paradossalmente aumentare la domanda complessiva. In pratica, una maggiore accessibilità alle risorse computazionali potrebbe stimolare una diffusione ancora più ampia dell’AI, compensando i risparmi ottenuti con le innovazioni tecnologiche.
Tuttavia, nonostante queste premesse, molti Ceo si mostrano ancora cauti. L’incertezza sulla reale traiettoria dell’adozione dell’AI e i lunghi tempi di realizzazione delle infrastrutture frenano gli investimenti. In molti casi, le aziende temono di impegnare capitali oggi senza avere certezze su ritorni futuri.
I rischi sistemici: energia, chip e tensioni geopolitiche
A rendere il quadro ancora più complesso ci sono fattori sistemici come le strozzature nelle catene di fornitura di semiconduttori, i ritardi nella connessione alla rete elettrica, la transizione verso fonti energetiche rinnovabili e le tensioni geopolitiche, che potrebbero influenzare il commercio internazionale e la disponibilità di tecnologie critiche. Tutto questo genera ulteriore incertezza su tempi, costi e fattibilità degli investimenti.
Come investire in modo strategico
Per affrontare con fiducia questo scenario, McKinsey suggerisce un approccio articolato in tre direttrici. Anzitutto, è essenziale comprendere le proiezioni di domanda, monitorando da vicino l’evoluzione delle applicazioni AI e la loro incidenza reale sul business. In secondo luogo, le aziende dovrebbero puntare sull’innovazione in termini di efficienza computazionale, investendo in tecnologie che riducano i costi energetici e migliorino le prestazioni. Infine, è fondamentale costruire resilienza sul lato dell’offerta, assicurandosi l’accesso a fonti energetiche affidabili, chip avanzati e catene logistiche flessibili.
Non solo infrastruttura, ma visione industriale
Come sottolinea McKinsey, non si tratta semplicemente di una corsa a espandere la capacità dei data center, ma di una vera e propria competizione globale per plasmare il futuro dell’intelligenza artificiale. Le aziende che sapranno anticipare i trend, investire con lungimiranza e consolidare le basi della nuova economia digitale saranno le protagoniste della prossima rivoluzione industriale.
