La corsa all’intelligenza artificiale sta spingendo aziende come OpenAI e Anthropic a cercare sempre più capacità di calcolo, ma per ottenere nuovi megawatt potrebbe non essere necessario aspettare la costruzione dei giganteschi data center annunciati negli ultimi anni. Secondo quanto riportato da CNBC infatti, entrambe le società starebbero valutando accordi per strutture più piccole, nell’ordine dei 20-30 MW, così da poter disporre più rapidamente delle risorse necessarie.

La strategia nasce da un’esigenza molto concreta, la domanda di capacità per l’intelligenza artificiale continua a crescere, mentre i grandi progetti infrastrutturali richiedono anni per essere completati e stanno incontrando difficoltà legate alla disponibilità di energia, terreni e all’opposizione delle comunità locali.

Segui TuttoTech.net su Google Discover

OpenAI e Anthropic cercano capacità da 20-30 MW

Secondo alcune persone a conoscenza delle trattative, Anthropic avrebbe esplorato opportunità nel Regno Unito e nei Paesi nordici per accordi relativi a data center con una capacità compresa tra 20 e 30 MW. Anche OpenAI starebbe valutando soluzioni analoghe nei Paesi nordici, mentre una delle fonti citate ha riferito di discussioni tra le due aziende per implementazioni di questa scala anche negli Stati Uniti.

Si tratta di una dimensione decisamente più contenuta rispetto ai progetti che le due società hanno annunciato nell’ultimo anno, Anthropic, per esempio, ha siglato un accordo cloud da circa 45 miliardi di dollari con Nscale che prevede circa 460 MW di capacità presso un data center in costruzione in West Virginia.

OpenAI invece ha dichiarato di aver superato ad aprile l’impegno iniziale di 10 GW per Stargate e si è impegnata a sviluppare ulteriori 3 GW in Georgia e 8 GW in Ohio.

Progetti di questa portata richiedono però tempi molto lunghi, per questo, assicurarsi capacità più piccole presso strutture già disponibili può rappresentare una soluzione temporanea ma particolarmente utile. Jabez Tan, responsabile della ricerca presso Structure Research, ha spiegato a CNBC che il vantaggio principale è la rapidità con cui si può arrivare alla capacità utilizzabile.

In altre parole, invece di aspettare un enorme blocco di potenza concentrato in un unico sito, le aziende possono distribuire i carichi di lavoro su più strutture; una serie di data center più piccoli può così mettere a disposizione una quantità complessiva significativa di capacità, soprattutto quando i carichi di lavoro non richiedono che tutti i chip si trovino nello stesso luogo.

Un portavoce di OpenAI ha confermato che l’azienda sta costruendo un portafoglio diversificato di risorse di calcolo per rispondere alla crescente domanda globale di IA, sottolineando che i carichi di lavoro differenti richiedono infrastrutture differenti. Anthropic, invece, non ha commentato le indiscrezioni.

La crescita dell’inferenza favorisce i data center più piccoli

La ricerca di strutture da 20-30 MW è legata anche a un cambiamento nel modo in cui viene utilizzata la capacità di calcolo. L’addestramento di grandi modelli di intelligenza artificiale richiede infatti enormi quantità di chip che devono lavorare a stretto contatto, mentre l’inferenza, cioè l’esecuzione dei modelli per rispondere alle richieste degli utenti, può essere distribuita più facilmente tra diversi cluster.

È proprio questa caratteristica a rendere le strutture più piccole particolarmente interessanti. Le richieste di inferenza possono essere gestite da gruppi di chip separati, permettendo alle aziende di utilizzare più sedi invece di concentrare tutta la capacità in un unico gigantesco data center.

Secondo le previsioni riportate da JLL, entro il 2027 la capacità dei data center destinata all’inferenza dovrebbe superare quella utilizzata per l’addestramento. Nel 2025 l’inferenza rappresentava il 9% dei carichi di lavoro globali nei data center, contro il 14% dell’addestramento; entro il 2030 invece, dovrebbe arrivare al 37%, mentre l’addestramento dovrebbe scendere al 13%.

Anche NVIDIA si sta muovendo in questa direzione, a febbraio ha annunciato una collaborazione con diversi operatori del settore per studiare data center più piccoli destinati all’inferenza distribuita.

La stessa Crusoe, società che ha realizzato un grande complesso di data center in Texas utilizzato da OpenAI, starebbe puntando ora su strutture di dimensioni inferiori. Secondo quanto riportato, questi impianti potrebbero essere costruiti più velocemente e a costi inferiori rispetto alle grandi strutture che stanno accumulando ritardi negli Stati Uniti.

La strategia arriva mentre Crusoe sta vivendo una forte espansione nel settore dell’infrastruttura per l’intelligenza artificiale, l’azienda ha infatti annunciato di aver raccolto 3,9 miliardi di dollari attraverso un round di finanziamento, raggiungendo una valutazione post-money di 30,9 miliardi di dollari.

La situazione mostra quindi come la corsa all’infrastruttura per l’intelligenza artificiale stia assumendo una forma sempre più diversificata. I giganteschi data center rimangono fondamentali per i carichi di lavoro più pesanti, ma le strutture più piccole possono consentire a OpenAI, Anthropic e agli altri operatori di ottenere capacità aggiuntiva senza dover necessariamente aspettare il completamento dei mega progetti.

Potrebbero interessarti anche: