Nel 2026 l’iniziativa europea delle AI Factories ha raggiunto 19 impianti operativi distribuiti nel continente, uno dei quali in Italia: IT4LIA, ospitato al Tecnopolo DAMA di Bologna e gestito dal Cineca. È la risposta operativa, in mattoni e silicio, a una domanda che l’Europa si pone da anni: come smettere di dipendere dal calcolo altrui per l’intelligenza artificiale.
La risposta passa per le macchine, prima che per le regole. E in Italia la macchina ha un nome: Leonardo.
Cosa rappresenta Leonardo
Il supercomputer Leonardo, gestito dal Cineca, è uno degli asset di calcolo più rilevanti del continente. Con una potenza dell’ordine dei 250 petaflops, cioè 250 milioni di miliardi di operazioni al secondo, ha figurato a lungo tra i sistemi più potenti al mondo. La sua struttura conta circa 5.000 nodi di calcolo e una memoria che si misura in petabyte, sostenuta da una capacità di archiviazione altrettanto imponente.
I numeri di contesto raccontano il peso del sistema. Leonardo assicura circa l’80% della potenza di calcolo italiana e contribuisce per oltre il 20% alla capacità di calcolo europea. È gestito da un consorzio, il Cineca, che riunisce decine di università e istituti nazionali, mettendo quella potenza a disposizione della ricerca pubblica e, in misura crescente, delle imprese.
Una sola macchina che vale un quinto del calcolo di un continente.
Il dato dice quanto sia concentrata, e quindi fragile, l’infrastruttura europea. Quando una singola installazione pesa così tanto sul totale, l’Europa non ha la profondità di calcolo distribuita che caratterizza i grandi competitori. Non è una debolezza di Leonardo, che è un’eccellenza: è una debolezza del sistema complessivo, troppo dipendente da pochi nodi.
Gli Stati Uniti e la Cina dispongono di molti più sistemi di questa classe, distribuiti tra laboratori, aziende e centri di ricerca. La profondità conta quanto la potenza di punta: avere molte macchine permette di far girare in parallelo più progetti, di assorbire i picchi di domanda, di non dipendere da un singolo punto di rottura. È su questa profondità, più che sulla singola macchina di vertice, che l’Europa sconta il ritardo maggiore.
IT4LIA e l’arsenale delle AI Factories
Accanto a Leonardo cresce IT4LIA, l’AI Factory italiana di Bologna. L’infrastruttura combina supercomputer di ultima generazione con acceleratori NVIDIA della famiglia Grace Blackwell, raggiungendo capacità di picco nell’ordine delle centinaia di exaflops dedicate all’inferenza dell’intelligenza artificiale.
La distinzione tecnica conta. Leonardo nasce per il calcolo scientifico ad alte prestazioni, simulazioni climatiche, fisica, biologia computazionale. IT4LIA è pensata specificamente per i carichi dell’IA: addestrare modelli, eseguirli, metterli a disposizione di imprese e ricerca con prestazioni ottimizzate per il tipo di calcolo che l’intelligenza artificiale richiede.
Sono due vocazioni diverse della stessa strategia. Una serve la scienza, l’altra serve l’IA applicata, e insieme costruiscono una capacità nazionale che fino a pochi anni fa non esisteva.
La distinzione tra le due vocazioni non è solo tecnica, è anche di accesso. Il calcolo scientifico tradizionale serve soprattutto la ricerca pubblica. Un’AI Factory come IT4LIA nasce con un mandato più ampio, che include l’apertura alle imprese, e in particolare alle piccole e medie, che da sole non potrebbero permettersi una simile capacità. È un cambio di destinatari oltre che di tecnologia.
Le 19 AI Factories europee sono il braccio operativo di un disegno politico più ampio, distribuito tra diversi Paesi per costruire una rete continentale di infrastrutture dedicate.
L’AI Continent Action Plan e i numeri dell’impegno
Quel disegno si chiama AI Continent Action Plan, la strategia con cui l’Unione Europea prova a recuperare terreno sull’autonomia tecnologica. Le cifre dichiarate sono consistenti: circa 10 miliardi di euro dedicati alle AI Factories nel periodo 2021-2027, più ulteriori risorse, nell’ordine di altri 20 miliardi mobilitati, destinate alle future AI Gigafactories, impianti di scala ancora maggiore.
Trenta miliardi complessivi sono una somma seria. Il punto è il termine di paragone.
Gli investimenti privati statunitensi nel solo calcolo per l’IA, tra i grandi laboratori e i fornitori di cloud, viaggiano su ordini di grandezza che superano di molto l’impegno pubblico europeo. Un singolo accordo di fornitura di calcolo tra un laboratorio americano e un suo partner può avvicinarsi, da solo, alla cifra che l’Europa stanzia per un’intera rete di impianti distribuiti su anni.
La Cina, dal canto suo, persegue una strategia di costruzione di capacità sostenuta dallo Stato, con investimenti coordinati su scala nazionale. L’Europa si muove con risorse pubbliche ingenti ma frammentate tra ventisette Paesi, ciascuno con le proprie priorità, e con tempi che la pianificazione comunitaria non aiuta a comprimere.
La differenza non è solo di importo. È di velocità e di coordinamento. Dove un competitore decide e spende in fretta, l’Europa negozia, distribuisce, concerta.
Questa lentezza ha una contropartita. Le risorse europee sono vincolate a regole di trasparenza, di equità nell’accesso e di rispetto del diritto comunitario che i modelli puramente privati non conoscono. L’Europa compra, in cambio della velocità, una governance pubblica del calcolo, con i suoi vantaggi di controllo e i suoi costi di lentezza. Se sia un buon scambio dipende da cosa si ritiene prioritario, la rapidità della corsa o il governo dei suoi frutti.
Perché il divario è strutturale
Il divario europeo non è solo questione di soldi. È questione di catena del valore.
I chip più avanzati per l’IA sono progettati e prodotti in larga parte fuori dall’Europa. Le AI Factories europee, comprese quelle italiane, montano acceleratori americani. Costruire la macchina sul suolo europeo non significa controllarne la componente più critica, che resta importata da una catena di fornitura su cui l’Europa ha scarsa presa.
Questa è la radice della dipendenza. L’Europa può finanziare e ospitare l’infrastruttura, decidere dove sorgono gli impianti e chi vi accede, ma il cuore di silicio arriva da una catena di fornitura che non controlla. Avere il data center sul proprio territorio riduce la dipendenza sui dati e sulla giurisdizione, perché i dati restano in Europa e sotto il diritto europeo, ma non quella sulla tecnologia che lo fa funzionare.
È una sovranità a metà: si possiede l’edificio, si affitta il motore.
Colmare anche questa seconda dipendenza richiederebbe una capacità europea di progettare e produrre chip avanzati, un obiettivo dichiarato ma ancora lontano dalla scala necessaria a competere sulla frontiera.
Il nodo dei chip, la dipendenza dentro la dipendenza
Se l’infrastruttura è la prima dipendenza, i chip sono la dipendenza dentro la dipendenza.
Gli acceleratori che fanno funzionare le AI Factories europee sono progettati da aziende americane e prodotti in larga parte in Asia. L’Europa, che pure ha eccellenze nella catena di fornitura dei semiconduttori, non possiede oggi la capacità di progettare e produrre su larga scala i chip più avanzati per l’intelligenza artificiale.
Le iniziative europee sui semiconduttori puntano a ridurre questa esposizione, ma la distanza dalla frontiera è ampia e i tempi di costruzione di una filiera competitiva si misurano in anni, non in mesi. Nel frattempo ogni nuova AI Factory che apre rafforza la capacità europea sul piano dell’infrastruttura e, allo stesso tempo, conferma la dipendenza sul piano del silicio.
È un paradosso solo apparente. Costruire data center sul proprio suolo è un passo avanti reale verso l’autonomia, anche se il cuore tecnologico resta importato. Meglio possedere l’edificio e affittare il motore che non avere né l’uno né l’altro.
Il confronto con la fornitura di energia aiuta a inquadrare la posta. Un Paese che importa il petrolio ma possiede le raffinerie e le reti ha più margine di manovra di uno che dipende dall’estero per ogni anello della catena. L’Europa, sul calcolo, sta provando a costruire le proprie raffinerie pur continuando a importare il greggio. È un’autonomia incompleta, ma è il punto da cui parte qualsiasi recupero possibile.
Cosa può fare oggi un’impresa italiana
Per una piccola o media impresa italiana il discorso sulla sovranità rischia di suonare astratto. In concreto, però, l’esistenza di un’infrastruttura pubblica di calcolo apre possibilità tangibili.
Un’azienda che vuole addestrare un modello sui propri dati, senza affidarli a un fornitore extraeuropeo, può valutare l’accesso alle risorse di calcolo nazionali. Un centro di ricerca o una rete di imprese può condividere capacità che singolarmente non potrebbe permettersi. Una realtà che tratta dati sensibili può scegliere un’infrastruttura soggetta al diritto europeo per ridurre i rischi di conformità.
Sono opzioni che fino a pochi anni fa non esistevano e che oggi cominciano a essere praticabili, anche se richiedono competenze per essere valorizzate appieno. Il vantaggio dell’infrastruttura pubblica non si attiva da solo: va capito, valutato e integrato nei processi, ed è qui che molte imprese si fermano per mancanza di figure adeguate.
Colmare questo divario di competenze è, paradossalmente, più alla portata dell’Europa che colmare il divario di calcolo. Formare le persone capaci di usare l’infrastruttura disponibile non richiede decine di miliardi né una filiera di semiconduttori, richiede investimento in formazione e tempo. È il terreno su cui un’associazione professionale, una scuola, un’impresa possono incidere senza aspettare le decisioni di Bruxelles.
Cosa può fare l’Europa con quello che ha
Resta il fatto che 19 AI Factories operative e un sistema come Leonardo non sono nulla. Sono la base su cui costruire un’autonomia parziale ma reale.
Il valore di queste infrastrutture sta nel garantire a imprese, università e pubblica amministrazione europee un accesso al calcolo che non passa per i fornitori cloud extraeuropei, con i vincoli di giurisdizione e di costo che ne derivano. Per una piccola o media impresa italiana, poter addestrare un modello su un’infrastruttura nazionale soggetta al diritto europeo è una differenza concreta, non simbolica, soprattutto alla luce del Regolamento UE 2024/1689 (AI Act) e degli obblighi sul trattamento dei dati.
C’è poi un effetto di sistema. Un’infrastruttura pubblica di calcolo abbassa la barriera d’ingresso per chi non può permettersi i costi del cloud commerciale, in particolare per la ricerca e per le imprese più piccole. Senza Leonardo e senza le AI Factories, l’unica strada per molte realtà italiane sarebbe affidarsi interamente a fornitori extraeuropei.
AIPIA segue il tema nelle analisi sulle politiche europee per l’intelligenza artificiale, dove la capacità di calcolo è trattata come la precondizione materiale della sovranità digitale. La guida operativa all’AI Act aiuta le imprese a capire cosa cambia, sul piano degli obblighi, quando si sceglie un’infrastruttura europea invece di una extraeuropea.
Leonardo e le AI Factories non colmano il divario con Stati Uniti e Cina. Lo rendono però gestibile, trasformandolo da dipendenza totale a dipendenza parziale. Per un continente che parte indietro sulla frontiera del calcolo, la differenza tra dipendere su tutto e dipendere su una parte è la differenza tra subire una tecnologia e avere voce nel modo in cui viene usata.
