Il calcolo è il nuovo petrolio

Scarsità, concentrazione e rendite nell’economia dell’intelligenza artificiale

Se il primo equivoco da sciogliere è che il cloud non esista, il secondo è forse ancora più scomodo: il calcolo non è una risorsa abbondante. Nell’immaginario digitale, la potenza computazionale appare come qualcosa che cresce in modo lineare, quasi naturale, seguendo una traiettoria simile a quella della conoscenza o dell’informazione. In realtà, nell’ecosistema dell’intelligenza artificiale contemporanea il calcolo è una risorsa scarsa, costosa e sempre più concentrata. Non a caso, il suo ruolo economico assomiglia sempre di più a quello svolto dal petrolio nel Novecento: una materia prima strategica, al centro di filiere globali, di rendite e di nuovi rapporti di dipendenza.

L’addestramento e l’esecuzione dei modelli di frontiera richiedono quantità di calcolo che non possono essere improvvisate. Servono acceleratori specializzati, infrastrutture di rete ad altissima capacità, sistemi di raffreddamento avanzati e una continuità energetica che pochi attori possono garantire. Questo fa sì che il compute non sia semplicemente un input tecnico, ma un vero fattore produttivo, con un proprio prezzo, una propria geografia e un proprio regime di accesso. Chi ne dispone in abbondanza può sperimentare, iterare, fallire e riprovare. Chi ne è privo resta confinato all’uso marginale di tecnologie sviluppate altrove.

La scarsità del calcolo non è un incidente temporaneo, ma il risultato di una dinamica strutturale. Ogni nuova generazione di modelli richiede ordini di grandezza superiori di risorse rispetto alla precedente. L’aumento di efficienza algoritmica, spesso evocato come possibile compensazione, rallenta ma non inverte questa tendenza. Il risultato è un’accelerazione della domanda di compute che supera la capacità di ampliamento rapido dell’offerta. In questo squilibrio si inseriscono le economie di scala: chi può investire miliardi in infrastrutture riesce a ridurre il costo unitario del calcolo, mentre chi opera su scala ridotta paga un premio crescente.

Questa asimmetria produce concentrazione. Il mercato del calcolo tende naturalmente verso pochi grandi poli, in grado di integrare verticalmente hardware, software, rete ed energia. La conseguenza non è solo economica, ma cognitiva: le traiettorie della ricerca e dell’innovazione vengono orientate da chi può permettersi di esplorare spazi di soluzione più ampi. Il rischio non è tanto la mancanza di creatività, quanto la sua subordinazione a vincoli infrastrutturali. L’AI, così, smette di essere un campo aperto e diventa un territorio regolato da barriere d’accesso implicite.

In questo contesto, il calcolo genera rendite. Non rendite nel senso tradizionale di un monopolio legale, ma rendite infrastrutturali: vantaggi cumulativi che derivano dal controllo di una risorsa scarsa e difficilmente replicabile. Una volta costruito un grande polo di calcolo, il suo valore cresce con l’aumentare degli utenti e delle applicazioni che vi gravitano intorno. Ogni nuovo servizio rafforza l’attrattività dell’infrastruttura, alimentando un circolo che rende sempre più costoso per altri entrare in competizione. È una logica ben nota nelle grandi reti industriali, che l’AI sta riproducendo in forma digitale ma con effetti molto concreti.

Il parallelismo con il petrolio non è solo retorico. Come l’oro nero, il calcolo richiede investimenti upfront enormi, tempi lunghi di ammortamento e una pianificazione che supera l’orizzonte del singolo ciclo tecnologico. Come il petrolio, il calcolo concentra potere in specifici nodi geografici e organizzativi. E come il petrolio, il suo utilizzo solleva interrogativi ambientali e politici: consumo energetico, impatto climatico, dipendenze esterne. La differenza è che, mentre il petrolio era visibilmente materiale, il calcolo continua a essere raccontato come qualcosa di evanescente, nascosto dietro interfacce pulite e linguaggi neutri.

L’Europa si trova in una posizione particolarmente delicata rispetto a questa nuova economia del calcolo. Storicamente forte nella regolazione e più debole nella produzione di infrastrutture digitali su scala globale, si confronta ora con il rischio di una dipendenza strutturale. Le iniziative per costruire capacità di calcolo condivise e accessibili rappresentano un tentativo di spezzare questa dinamica, ma pongono una questione cruciale: il calcolo può essere trattato come un’infrastruttura pubblica, o rimarrà una risorsa controllata da pochi attori privati? La risposta a questa domanda determinerà non solo la competitività industriale, ma anche la direzione della ricerca e dell’innovazione.

Nel contesto italiano, il problema assume una forma ancora più concreta. L’accesso al calcolo avanzato è frammentato, spesso legato a progetti specifici e privo di una visione sistemica. Le università e i centri di ricerca si trovano a competere per risorse limitate, mentre le imprese, soprattutto le più piccole, faticano a sostenere i costi di sperimentazione. In assenza di un’infrastruttura nazionale coerente, il rischio è quello di una dipendenza tecnologica che non si manifesta come arretratezza, ma come subalternità: si utilizza l’AI, ma non la si governa.

Riconoscere il calcolo come nuova materia prima dell’economia digitale implica un cambio di paradigma. Significa smettere di considerarlo un semplice servizio acquistabile on demand e iniziare a trattarlo come una leva strategica di politica industriale. Significa interrogarsi su chi ne finanzia l’espansione, chi ne definisce le regole di accesso e chi ne cattura il valore. Senza questa riflessione, il rischio è di ripetere, in forma digitale, gli errori già visti in altre fasi della storia industriale: accettare la dipendenza come inevitabile e scoprire troppo tardi che il potere si è spostato altrove.

Se il cloud non esiste, allora anche il calcolo non è neutro. È una risorsa che pesa, che costa e che decide. Comprendere l’intelligenza artificiale del presente significa riconoscere che la vera competizione non si gioca solo sugli algoritmi, ma sull’accesso a questa nuova materia prima. Ed è su questo terreno, molto più che sulle promesse futuristiche, che si sta ridisegnando l’economia dell’AI.