Dietro l’intelligenza artificiale non c’è il cloud ma una gigantesca infrastruttura fisica fatta di chip, memorie e data center. Mentre le Big Tech americane investono centinaia di miliardi di dollari nella corsa ai modelli sempre più grandi, emerge un problema strutturale: la dipendenza da componenti strategici come le memorie ad alta banda (HBM), prodotte quasi esclusivamente da SK Hynix, Samsung e Micron. Senza di esse i chip avanzati non riescono a spostare i dati abbastanza velocemente per sfruttare tutta la loro potenza di calcolo, un po’ come se una formula 1 fosse costretta a girare per le vie di una città piuttosto che in pista.

Nella corsa globale all’Intelligenza Artificiale l’Europa, che non dispone di una filiera competitiva di chip avanzati o di HBM, parte da una posizione che rende difficile competere sul terreno dell’hardware.

Bulimia da silicio

Al cuore di questo sistema c’è una logica che potremmo chiamare “bulimia da silicio”: più parametri, più chip, più energia, migliori risultati. I grandi laboratori di ricerca, da OpenAI ad Anthropic, da Google a Meta, hanno costruito la propria reputazione su modelli sempre più grandi, che richiedono infrastrutture sempre più costose e energivore.

L’esempio più lampante è forse rappresentato da Claude Mythos, il sistema annunciato nel mese di aprile 2026 da Anthropic, focalizzato sulla cybersecurity avanzata. Al suo lancio Mythos ha esibito risultati impressionanti nell’individuazione di vulnerabilità software particolarmente complesse, dimostrando capacità che fino a pochi mesi fa sarebbero sembrate fantascienza.

Tuttavia, l’altra faccia della medaglia è un costo energetico e infrastrutturale esorbitante: un modello immenso a altissimo consumo energetico, blindato in data center dedicati per ragioni di sicurezza e accessibile solo a pochissimi partner.

Inoltre, una fetta crescente della comunità scientifica e degli sviluppatori indipendenti ha iniziato a contestare l’approccio dei “monster models”, sostenendo che la forza bruta non sia la soluzione più efficiente.

Una delle analisi più solide e pragmatiche è arrivata dal laboratorio AISLE, guidato dal ricercatore Stanislav Fort: il suo gruppo ha infatti sostenuto che programmi di intelligenza artificiale più piccoli e gratuiti possono scovare gli stessi difetti individuati da Mythos, purché operino in collaborazione con un esperto umano che sappia indirizzarne l’analisi.

Nonostante necessitino di un intervento umano, la critica ai sistemi monster resta reale: l’incredibile capacità di analisi esibita dai modelli più costosi non è necessariamente il prodotto della sola forza bruta computazionale.

DeepSeek: un caso controcorrente

Una prova che esista un’alternativa realizzabile è arrivata dalla Cina, con il debutto del modello sviluppato dalla startup DeepSeek. Colpita duramente dalle sanzioni e dalle restrizioni imposte dagli Stati Uniti, che le impediscono di acquistare i chip Nvidia più avanzati, Pechino ha dovuto fare di necessità virtù.

Non potendo competere sulla quantità del “ferro” (l’hardware), gli ingegneri cinesi hanno deciso di competere sulla qualità del “cervello” (il software).

I numeri dietro questo exploit sono impressionanti. L’investimento dell’azienda per posizionarsi sul mercato è stato stimato nell’ordine di grandezza del miliardo di dollari, una frazione minuscola rispetto ai piani da oltre 100 miliardi dei colossi statunitensi.

Inoltre, secondo i dati di DeepSeek, il costo computazionale di un singolo ciclo di addestramento scende a circa 6 milioni di dollari, a fronte dei 100 milioni stimati per GPT-4, pur offrendo prestazioni paragonabili al rivale statunitense.

Il segreto risiede nell’efficienza algoritmica della struttura nota come Mixture of Experts (MoE): invece di attivare l’intera, mastodontica griglia di chip del data center per rispondere a una singola domanda (l’approccio tipico dei modelli di IA), il software cinese attiva solo una piccolissima parte di chip specializzati per quella specifica risposta.

Per intenderci, è la differenza che passa tra l’assegnare a tutti i dipendenti di un ufficio il compito di esaminare e rispondere a una singola e-mail, piuttosto che affidare quella stessa richiesta allo specialista di quell’argomento.

L’interesse suscitato da questa strategia è evidente sul piano finanziario: la startup, inizialmente sostenuta da investimenti limitati, starebbe finalizzando, proprio in queste settimane, un maxi-round da 7,4 miliardi di dollari. Un segnale che il mercato considera l’efficienza algoritmica una strada credibile per competere nell’industria della IA.

L’open source: un ecosistema di vantaggi diffusi

Questo successo poggia le sue fondamenta sulla strategia dell’open source, una scelta che ha generato benefici a cascata per l’intera catena del valore.

Deepseek ha rilasciato gratuitamente il codice del suo sistema e ha spostato le fonti di guadagno sui servizi Cloud: l’intelligenza artificiale in sé è gratis, ma i clienti pagano per utilizzare la potenza di calcolo dei suoi server.

Il rilascio gratuito del codice si è tradotto in un’operazione immediata di marketing globale a costo zero, mentre l’azienda beneficia del lavoro di ricerca di milioni di sviluppatori esterni che testano i modelli e ne creano versioni ottimizzate.

La diffusione accessibile del codice, inoltre, si è trasformata in uno scudo geopolitico che ha reso difficile bloccarne la penetrazione nel mercato.

Gli sviluppatori esterni apprezzano molto la natura aperta di questo sistema: in particolare, l’accesso alla struttura interna del modello permette personalizzazioni spinte su dati riservati, come codici o database aziendali, per creare assistenti specializzati da integrare direttamente negli ambienti della clientela.

Il riflesso sugli utenti finali è dirompente in termini di efficienza, ma anche di conformità regolatoria. Potendo installare il modello sui propri server privati, le imprese risolvono alla radice i nodi legati alla privacy e al GDPR, poiché i dati sensibili non vengono mai inviati a server esterni.

Queste dinamiche hanno contribuito a ridurre i prezzi di mercato e, al tempo stesso, hanno attenuato il rischio di vendor lock-in per i clienti. Un’azienda che adotta questo modello, infatti, non dipende più dai cambi di tariffa o dall’eventuale chiusura del fornitore: l’architettura scaricata continuerà a funzionare per sempre sulle proprie macchine, abilitando, persino, l’esecuzione offline sui dispositivi locali.

Sebbene DeepSeek sia percepita come paladina dell’open source, ha creato comunque una zona di sicurezza per il suo prodotto: l’azienda ha rilasciato i parametri del modello e l’architettura, ma non ha mai pubblicato i dati di addestramento completi, né le formule di filtraggio dei dati. Questo è un comportamento comune a quasi tutti i progetti open source nel campo della IA, motivato sia da segreti industriali che da normative nazionali sul controllo dei contenuti.

La scelta europea: ottimizzare o rincorrere

La bulimia da silicio della Silicon Valley non sembra un destino tecnologico, ma una scelta economica, che ha preferito la forza bruta, anche come barriera d’entrata a possibili competitors, allo sviluppo di tecniche di ottimizzazione.

Questo scenario dischiude una riflessione profonda sul destino economico e tecnologico dell’Europa.

Il Vecchio Continente si trova in una posizione scomoda ma non priva di opportunità: siamo rimasti indietro nella manifattura di chip, ma rincorrere la Silicon Valley sul terreno dell’hardware potrebbe essere una strategia rischiosa.

L’esperienza di Deepseek e la critica al ricorso a modelli monster sembrano suggerire che una strategia alternativa possa essere la via della ricerca dell’ottimizzazione computazionale.

Se accettasse questa visione, l’Europa dovrebbe adottare un nuovo paradigma nella ricerca della propria sovranità digitale. La Commissione Europea e i governi nazionali dovrebbero avere il coraggio di una svolta politica: un cambio di rotta necessario anche alla luce del neonato Cloud and AI Development Act (CADA), presentato dalla Commissione Europea il 3 giugno 2026. Il provvedimento, pur muovendosi nella giusta direzione della sovranità infrastrutturale, concentra infatti la sua attenzione sull’espansione della capacità fisica dei data center anziché sul finanziamento del software.

Bruxelles dovrebbe quindi riequilibrare gli investimenti destinati alla manifattura di chip e all’infrastruttura fisica, riservando parte delle risorse del European Chips Act, del Digital Europe Programme e dei futuri stanziamenti del CADA alla ricerca sull’ottimizzazione algoritmica, sul design del software e sugli ecosistemi open source.

 

Solo premiando l’ingegno computazionale rispetto alla forza bruta energetica, Bruxelles potrà trasformare la sua storica dipendenza hardware dagli Stati Uniti in una leadership globale del software.

La Cina con DeepSeek ha dimostrato che la via è percorribile; l’Europa ha ancora il tempo e tutte le ragioni per dimostrarlo a sé stessa e al mondo intero.

 

 

 

 

 

 

 

“La bellezza è un enigma”, ricorda Dostoevskij in un passaggio de L’idiota. Anche la fecondità però non scherza. E se, nello stesso romanzo, al protagonista, l’ambivalente principe Myškin, viene attribuita la famosa frase “Il mondo sarà salvato dalla bellezza”, la denatalità non solo non ci salverà, ma è destinata a crearci non pochi problemi.

Il quadro è noto. Il tasso di fecondità totale, ovvero il numero medio di figli per donna in età fertile (15-49), in Italia continua a colare a picco: 1,14 nel 2025 secondo l’Istat, ben al di sotto del cosiddetto tasso di sostituzione necessario a mantenere stabile la popolazione (2,1). Sono esattamente 50 anni che siamo sotto quella soglia, e siamo in abbondante compagnia: oggi i due terzi della popolazione mondiale vivono in Paesi con tassi di fecondità inferiori a 2. Tolta l’Africa e una manciata di paesi centro-asiatici e latino-americani, l’umanità è in denatalità dappertutto.

Anche le implicazioni socio-economiche sono note, e quantificate. Bassa fecondità significa un Paese più vecchio, che spende di più in sanità, assistenza di lungo periodo e pensioni (più basse). Nel 2050, secondo le stime di Itinerari Previdenziali, un terzo degli italiani avrà più di 65 anni (trainato in primis dagli over 80), e il rapporto lavoratori/pensionati, ovvero tra chi paga le pensioni e chi le riceve, si attesterà su 1:1 (oggi è 3:2). Ma un Paese vecchio è anche un Paese in cui si lavora, si produce e si innova di meno. I risparmi sono destinati ad aumentare e la domanda privata a calare, frenando la crescita, è il combinato disposto della stagnazione secolare (copyright Larry Summers, già Segretario del Tesoro Usa con Clinton).

Una maggiore occupazione giovanile e soprattutto femminile potranno attutire il colpo, ma servirà comunque un forte aumento della produttività per generare il Pil aggiuntivo necessario a quadrare i conti. Peccato che nel nostro caso la questione non rientri ultimamente tra le eccellenze nazionali: l’aumento cumulato della produttività del lavoro in Italia è stato complessivamente di circa il 5% nel decennio 1999-2019 (dati Eurostat), contro oltre il 20% di Francia e Germania. Forse l’intelligenza artificiale ci darà una mano. O forse no.

Ci sono però altre sfumature meno note. Innanzitutto la bassa fecondità non coincide con i nostri desideri. Oltre 6,5 milioni di italiani -circa i due terzi della popolazione in età 18-49, quella in cui è più probabile diventare genitori, fanno meno figli di quanti ne vorrebbero. Il dato è in linea con altri paesi Ocse, in cui si osserva un divario medio di circa 0,5-0,7 figli per donna tra fecondità reale e aspirazionale. Qui l’enigma di Dostoevskij inizia farsi strada, dacché isolare una singola causa è forse impossibile. Tra gli imputati più comuni ci sono i servizi per l’infanzia (non sempre disponibili e troppo spesso cari), la condivisione del carico di cura domestica nella coppia (5 ore giornaliere in media per le donne in Italia, contro meno della metà per gli uomini), e la cosiddetta penalità da maternita, ovvero l’impatto del primo figlio sul gap uomo-donna nei guadagni (che oggi purtroppo non viene poi più recuperato).

C’è però anche dell’altro. Da un lato una sorta di corsa al successo dei figli, con maggiori spese (per chi può permettersele) in istruzione, corsi e attività varie da parte dei genitori. Tradotto: meno figli, ma seguiti meglio. Il tempo medio trascorso ogni giorno dai genitori in cura diretta della prole, raddoppiato in Italia e vari paesi comparabili nel solo periodo 1988-2008, sembrerebbe confermare il nuovo stile educativo. Dall’altro lato ci sono le legittime aspirazioni professionali di entrambi i genitori (madri comprese, finalmente), la carenza di politiche abitative adeguate e, forse, anche un pizzico di individualismo. L’enigma della fecondità assomiglia sempre più a un puzzle dai tanti tasselli.

Ma non finisce qui. Un recente studio demografico, condotto su 158 milioni di madri in 4 paesi tra cui l’Italia, si concentra sul tasso non di fecondità ma di maternità, ovvero il numero di figli per donne che ne hanno almeno uno. In quel caso il valore medio italiano nel periodo 1970-2014 è pari a 2,1, perfettamente in linea con il tasso di sostituzione (analogo risultato emerge per gli altri paesi). Come a dire: il tema non è che si fanno pochi figli, ma che una quota crescente non ne fa affatto.

Se così fosse, l’enigma si complicherebbe. C’entrano presumibilmente la maggiore incidenza di famiglie unipersonali (oltre un terzo del totale, circa 9 milioni di individui), il crollo dei matrimoni, più che dimezzati nell’ultimo mezzo secolo-, e forse anche la socialità digitale. Un altro studio riscontra in tal senso un calo drastico della fecondità in Usa e Uk dopo l’avvento degli smartphones, trend osservato anche altrove. Suggestiva infine l’ipotesi che lega il calo della fecondità alla crescente distanza ideologica tra i giovani. In paesi come Germania, Corea, Regno Unito e Stati Uniti, si è allargata negli ultimi decenni la forbice politica giovanile: le donne sempre più progressiste, e i loro coetanei uomini non di rado conservatori. Anche in Italia, secondo una recente indagine Bocconi condotta su elettori ed elettrici under 30, circa un terzo delle donne si colloca nettamente a sinistra (o centro-sinistra), mentre l’inverso si osserva per i giovani uomini. Moglie e partito dei paesi tuoi, avrebbero detto i nostri nonni.

Come si risolve questo puzzle? Se isolare una causa è arduo, lo è anche dare una risposta unica. Non a caso il Giappone (primo al mondo per over 65) le prova tutte da decenni, con modesti risultati. Qualche punto fermo però c’è. Le politiche abitative innanzitutto: questo studio rigoroso (condotto in Brasile) dimostra come l’accesso ad una casa aumenti di circa un terzo sia la probabilità di avere figli sia il loro numero, specie per coppie giovani a basso reddito. Poi una contro-intuizione: le politiche di sostegno alla genitorialità (congedi parentali, agevolazioni fiscali e bonus vari) servono ma da sole non bastano. In area Ocse il tasso medio di fecondità è sceso da 2,1 a 1,5 negli ultimi quarant’anni, anche in Paesi storicamente molto egalitari (Finlandia), o molto generosi nella spesa pubblica destinata a quelle politiche (Francia, Corea del Sud).

Ciò naturalmente non esime l’Italia dall’intervenire sulle tante criticità. Potremmo iniziare aumentando i congedi di paternità (fermi a 10 giorni), rendendo piu’ generosi quelli parentali, rimodulando gli sgravi fiscali (oggi previsti per le lavoratrici con almeno 3 figli), investendo seriamente sugli asili nido (ancora sotto l’obiettivo Ue del 45%), introducendo l’educazione sessuo-affettiva nelle scuole (ora è richiesto il consenso dei genitori), e finanziando adeguatamente pratiche quali congelamento ovuli e fecondazione assistita. In ultima istanza, ogni possibile soluzione del puzzle non potrà che passare per un pacchetto organico e lungimirante di misure, tanto economiche quanto culturali. Finché invece gli incentivi saranno mal disegnati, i nidi e la casa poco finanziati, il carico di cura iniquamente distribuito, e le carriere femminili troppo penalizzate, la fecondità resterà forse un enigma, e certamente un bel problema di policy. Per tutto il resto c’é Dostoevskij.