L’Europa può avere imprese con buone idee per l’intelligenza artificiale e pochi posti dove farle crescere. Quando un progetto richiede migliaia di acceleratori, reti velocissime e mesi di lavoro, l’accesso al calcolo diventa una scelta industriale: chi lo rende disponibile, a quali condizioni e sotto quale controllo? Le gigafactory AI sono la risposta con cui l’Unione europea punta ad ampliare le proprie capacità di sviluppo dei modelli e a offrire un’alternativa alle infrastrutture già presenti sul mercato.
Il programma riguarda anche le aziende che non costruiranno mai un modello di frontiera. Permette, infatti, di ampliare l’offerta di calcolo e servizi specialistici a cui rivolgersi per sviluppare applicazioni.
La procedura, avviata nel luglio 2026, punta a realizzare fino a sette gigafactory, ma al momento la gara è ancora aperta. Per sperimentare, oggi, esistono già percorsi di accesso alle AI factory europee: distinguere queste opportunità dalla capacità futura delle gigafactory aiuta a programmare gli investimenti senza attendere impianti ancora da selezionare.
Indice degli argomenti
Gigafactory AI: cosa sono e perché riguardano i CIO
Una gigafactory per l’intelligenza artificiale è un’infrastruttura di calcolo su vasta scala progettata per sostenere l’intero ciclo di vita di modelli molto grandi, dallo sviluppo all’utilizzo nelle applicazioni. Nella definizione di EuroHPC, comprende supercalcolo ottimizzato per l’AI, storage e reti ad alta capacità, accesso cloud sicuro e servizi di supporto specializzati. Il termine identifica quindi un ambiente completo di elaborazione e servizi, anziché il solo edificio che ospita i server.
Quale problema risolvono: l’accesso al calcolo su larga scala
Per un’azienda, riunire queste risorse in proprio significa sostenere costi iniziali, assicurarsi energia e competenze e assumersi il rischio che l’hardware resti poco utilizzato fra un progetto e l’altro.
Un’infrastruttura condivisa permette di cercare capacità per un’esigenza specifica, senza dover acquistare l’intero impianto. Il vantaggio da verificare è quanto lavoro si riesce a svolgere, in quanto tempo e a quale costo. Questo dipenderà dalle condizioni di accesso, dalle prestazioni effettive e dai servizi disponibili.
La scala prevista serve soprattutto a progetti che richiedono grandi risorse coordinate. Una PMI che vuole classificare documenti, invece, può partire da un modello esistente e da capacità molto più contenute. Per questo la crescita dell’offerta va letta insieme alla diversità dei fabbisogni aziendali. Disporre di un grande polo di calcolo amplia le opzioni, ma la dimensione del progetto resta il primo criterio di scelta.
Come funziona una gigafactory per l’AI
Per trasformare quella capacità in un servizio utile, ogni livello dell’infrastruttura deve sostenere il carico successivo. Un modello deve trovare memoria sufficiente, ricevere i dati e distribuire il lavoro fra i processori. Chi lo sviluppa deve poter avviare, controllare e riprendere le elaborazioni. È questa integrazione fra hardware, software e gestione a determinare la capacità realmente utilizzabile.
Processori, reti e storage: come si costruisce la potenza di calcolo
Le GPU, processori capaci di eseguire molte operazioni contemporaneamente, accelerano gran parte dei calcoli delle reti neurali. La memoria conserva parametri e dati necessari all’elaborazione; lo storage alimenta i lavori e salva i risultati intermedi, utili anche per ripartire dopo un’interruzione. Le reti collegano gli acceleratori che collaborano allo stesso modello. Il numero di chip descrive, però, solo una parte del sistema perché memoria, connessioni e software incidono sul risultato.
Le operazioni possono essere limitate dal calcolo, dalla banda della memoria o dalla latenza.
Nei cluster distribuiti si aggiunge il tempo necessario a scambiare informazioni fra i nodi. Per confrontare due offerte serve, quindi, un test sul proprio lavoro che miri a comprendere alcuni parametri chiave come le ore necessarie a completare l’addestramento o le richieste servite entro il tempo di risposta atteso, che sono misure più vicine al progetto della sola potenza teorica.
Oltre la CPU: differenze, vantaggi e limiti di GPU, NPU, DPU e TPU nell’AI
Training, fine-tuning e inferenza: tre attività diverse
Nel training, un modello apprende dai dati modificando i propri parametri, cioè i valori numerici che ne determinano il comportamento. Partire da zero richiede dati adeguati, esperimenti ripetuti e risorse proporzionate alla dimensione del modello.
Con il fine-tuning si adatta, invece, un modello già addestrato a un compito o dominio: si riutilizza quanto ha appreso, aggiornando tutti o parte dei parametri. È una strada da valutare prima di impegnarsi nello sviluppo di un nuovo modello.
L’inferenza è l’esecuzione del modello addestrato su nuovi input: una domanda, un’immagine o un insieme di dati industriali. Qui contano il numero di richieste, la memoria disponibile e il tempo di risposta. Un’elaborazione notturna può raggruppare molte richieste; un assistente interattivo deve rispondere rapidamente.
La stessa infrastruttura va, dunque, dimensionata in modo diverso in base al servizio, anche quando il modello è identico.
Software, accesso cloud e servizi di supporto
L’utente deve poter prenotare risorse, trasferire dati, distribuire il modello, controllare gli esperimenti e gestire autorizzazioni e consumi. Lo stack software, ossia l’insieme di strumenti che governa queste attività, rende il cluster accessibile attraverso ambienti di lavoro e interfacce.
I servizi specialistici aiutano a preparare i dati e ottimizzare i programmi. La disponibilità del calcolo e la capacità di usarlo sono due requisiti distinti e il progetto aziendale deve prevedere entrambi.
Gigafactory AI, AI factory e data center: quali differenze
Questo insieme di funzioni spiega perché termini vicini descrivano concetti e strutture differenti. Un data center fornisce gli spazi e gli impianti per l’IT; il cloud è un modo di erogare risorse e servizi; le iniziative europee AI factory e gigafactory combinano capacità di elaborazione e supporto con obiettivi definiti dai rispettivi programmi.
Per orientarsi occorre confrontare che cosa viene messo a disposizione e per quali utenti.
Data center in Italia: come cambia l’ecosistema della filiera
Che cosa distingue una AI factory da una AI gigafactory
Le AI factory di EuroHPC sono ecosistemi costruiti attorno a supercomputer ottimizzati per l’intelligenza artificiale, con risorse, competenze e servizi per ricerca e industria. EuroHPC ne indica 19, affiancate da 13 antenne che ne estendono il raggio d’azione.
Le AI gigafactory rappresentano un ulteriore salto di scala, attraverso infrastrutture a guida industriale pensate per modelli avanzati e servizi su vasta scala. I due programmi sono complementari.
Data center, cloud, AI factory e gigafactory: che cosa si acquista
| Infrastruttura o servizio | Funzione | Criterio di accesso |
|---|---|---|
| Data center | Spazio e impianti per ospitare ed eseguire sistemi IT. | Contratto di ospitalità o gestione; il sito può essere anche aziendale. |
| Cloud commerciale | Risorse e servizi erogati a richiesta, anche per AI. | Offerta del fornitore: capacità, tariffe, supporto e livelli di servizio. |
| AI factory EuroHPC | Supercalcolo AI con supporto, competenze e servizi. | Percorsi EuroHPC o nazionali; requisiti e risorse secondo il bando. |
| Gigafactory AI europea | Capacità su scala maggiore per modelli avanzati e servizi AI. | Infrastrutture da selezionare; accesso secondo regole e offerte dei gestori. |
Fonte: EuroHPC, AI Factories e AI Gigafactories (2026)
Il rapporto con hyperscaler, cloud e infrastrutture aziendali
Per un’azienda, queste opzioni possono convivere. Un progetto può sperimentare in una AI factory, usare capacità di cloud commerciale per alcune fasi e distribuire il modello nell’ambiente aziendale, se licenze e compatibilità lo consentono.
La gigafactory aggiunge una possibile sede per lavori di grandi dimensioni. Accesso ai dati, portabilità e integrazione vanno progettati dall’inizio perché spostare un modello richiede che pesi, librerie e modalità di esecuzione siano utilizzabili anche nell’ambiente di destinazione.
La rete europea delle AI Factory
Passa sul Paese per un’anteprima, clicca o tocca per selezionarlo. Usa i filtri per categoria.
Fonte: Commissione europea ed EuroHPC JU, elenco AI Factory e antenne; ricognizione 6 novembre 2026. Mappa tematica dei Paesi: non rappresenta le ubicazioni fisiche esatte delle strutture. La categoria “partner” indica i Paesi non già classificati come sede o antenna con partecipazione a un progetto transnazionale; un Paese può avere più ruoli. Queste AI Factory non sono le gigafactory AI europee, la cui selezione è ancora in corso. Le 19 factory sono iniziative selezionate/in fase di realizzazione: la presenza nella mappa non prova che ogni impianto sia già operativo. Confini cartografici: Natural Earth (110m), licenza public domain.
Elenco accessibile di Paesi, factory e antenne
| Paese | Ruolo | Iniziative |
|---|
Le gigafactory AI in Europa: obiettivi, investimenti e tempi
Costruire questa offerta richiede immobilizzi di capitali prima che la domanda sia consolidata. La politica europea cerca di ridurre il rischio iniziale per gli investitori e assicurare accesso al calcolo agli utenti europei.
Da InvestAI al programma EuroHPC
L’11 febbraio 2025 la Commissione ha presentato InvestAI, iniziativa per mobilitare 200 miliardi di euro nell’AI, che comprende un fondo europeo da 20 miliardi per le gigafactory. Il 16 gennaio 2026 il Consiglio ha adottato la modifica del regolamento EuroHPC che ne estende il mandato alle gigafactory.
Il bando annunciato il 30 luglio 2026 punta a sostenere fino a sette strutture con a 10 miliardi di finanziamento pubblico europeo e nazionale, in modo da attivare almeno 20 miliardi di investimenti privati.
La Commissione descrive un’iniziativa da oltre 30 miliardi complessivi. Gli importi, però, rappresentano massimali e investimenti attesi, non la spesa già erogata o infrastrutture completate.
Come funziona il modello pubblico-privato
Nella struttura di approvvigionamento descritta da EuroHPC, i consorzi selezionati costruiranno e gestiranno le gigafactory, mentre EuroHPC e gli Stati partecipanti acquisteranno congiuntamente tempo di accesso al calcolo.
Il settore pubblico agisce come cliente di riferimento impegnando la domanda per una quota di capacità e contribuisce a rendere finanziabile l’investimento privato.
Le candidature possono arrivare da consorzi o società veicolo che riuniscono imprese, soggetti pubblici e investitori e i progetti possono articolarsi anche su più siti o Paesi.
Per chi utilizzerà i servizi, è importante conoscere quale gestore risponde della prestazione, dove viene eseguito il lavoro e come sono collegati gli impianti.
A che punto sono selezione e realizzazione dei progetti
La selezione è attualmente aperta. La pagina ufficiale della procedura indica le scadenze nel 3 dicembre 2026 alle 17 per il lotto Large-Scale e nel 4 febbraio 2027 alle 17 per il Medium-Scale.
L’obiettivo di sette gigafactory resta distinto dagli esiti della gara e dall’entrata in servizio.
Gara gigafactory AI: stato attuale
| Passaggio | Stato o scadenza | Che cosa significa |
|---|---|---|
| Avvio del bando | 30 luglio 2026 | Procedura per selezionare i consorzi e acquisire tempo di calcolo. |
| Lotto 2: Large-Scale | 3 dicembre 2026, ore 17 CET | Termine per le offerte. |
| Lotto 1: Medium-Scale | 4 febbraio 2027, ore 17 CET | Termine prorogato per le offerte. |
| Fino a sette gigafactory | Obiettivo del programma | Numero previsto; non impianti già realizzati. |
| Avvio delle operazioni | Entro 18 mesi dalla selezione, secondo la previsione EuroHPC | Tempistica attesa; da collegare ad aggiudicazioni e disponibilità effettiva. |
Fonte: EuroHPC
Gigafactory AI in Italia: progetti e ruolo dell’ecosistema nazionale
Il percorso europeo lascia aperta la competizione fra proposte industriali e rende necessario distinguere la candidatura italiana dalle infrastrutture già inserite nella rete EuroHPC.
L’Italia dispone di competenze di supercalcolo e di iniziative AI factory proprie. Sono basi utili, ma una candidatura al bando delle gigafactory deve ancora attraversare la selezione prima di diventare un progetto aggiudicato.
Sul fronte industriale, la proposta italiana per il lotto Large prende forma attorno a TIM, che guida il consorzio, con il coordinamento di Poste Italiane (che di recente ha acquistato la maggioranza dell’operatore di telefonia). Al progetto partecipano anche Eni, Leonardo, Fastweb e Domyn.
Si tratta di una proposta industriale in preparazione per la gara, non dell’annuncio di un impianto europeo assegnato. Siti, investimenti definitivi e disponibilità dei servizi andranno letti nella proposta e negli atti successivi, perché una manifestazione di interesse o una dichiarazione di partecipazione non basta, da sola, ad aprire un cantiere.
Il collegamento con supercalcolo, ricerca e filiera industriale
Un percorso già avviato è IT4LIA AI Factory, selezionata nel dicembre 2024 e coordinata da Cineca. In un comunicato recente, Cineca indica un investimento complessivo di circa 430 milioni di euro per l’iniziativa e un budget di 290 milioni per acquisizione, consegna, installazione e manutenzione del nuovo supercomputer.
Il sistema annunciato per il DAMA Tecnopolo di Bologna è realizzato con Dell Technologies su architettura NVIDIA, con integrazione di E4 Computer Engineering.
Come le imprese potranno utilizzare le gigafactory AI
Questa distinzione temporale porta alla domanda pratica: quale percorso si può avviare prima che arrivino le nuove infrastrutture? Un CIO può già definire il caso d’uso, valutare i dati e misurare il fabbisogno di calcolo. Le risorse necessarie si cercheranno poi fra i servizi disponibili.
Chi può accedere e attraverso quali modalità
Per le AI factory, EuroHPC distingue nella linea Industrial Innovation tre modalità: Playground per gli utenti iniziali, Fast Lane fino a 50.000 ore GPU in un massimo di tre mesi e Large Scale per esigenze superiori.
L’accesso sarà gratuito per le PMI AI, comprese le startup, per finalità di innovazione mentre per altre applicazioni industriali è possibile ricorrere all’accesso commerciale a consumo.
Le FAQ EuroHPC ricordano anche gli impegni previsti dalle singole call, fra cui relazioni sulle attività e contributi alla diffusione dei risultati. Chi lavora su dati o modelli riservati deve leggere le condizioni specifiche di partecipazione: l’accesso gratuito non elimina gli obblighi del progetto.
Le FAQ di IT4LIA distinguono bandi europei per l’accesso al supercomputer e bandi italiani che includono il portafoglio di servizi. Il punto d’ingresso indicato è un incontro di assessment con gli esperti AI e HPC, cioè di calcolo ad alte prestazioni. Una prima valutazione del progetto è già possibile, verificando i requisiti dei singoli servizi e bandi.
Cosa considerare per una infrastruttura HPC nel data center
Quali progetti possono beneficiare del calcolo su larga scala
Lo spazio potenziale riguarda progetti nei quali un modello grande o molti esperimenti richiedono risorse difficili da mantenere internamente. Nella ricerca su farmaci o materiali, per esempio, un gruppo potrebbe dover addestrare e confrontare modelli su grandi raccolte di dati scientifici; nella manifattura potrebbe sviluppare un modello che combina immagini, misure e documentazione tecnica.
Il beneficio va collegato al tempo necessario a raggiungere un risultato utilizzabile: completare più esperimenti può aiutare a scegliere il modello, ma richiede comunque dati affidabili e validazione nel dominio applicativo.
Per ogni caso serve una misura del risultato aziendale, come ridurre il tempo di analisi o migliorare l’identificazione di un difetto, insieme alla misura del calcolo impiegato per ottenerlo.
Quando conviene usare modelli esistenti e quando svilupparne di propri
Prima di impegnare grandi risorse, è utile provare se un modello esistente risolve il problema attraverso API, cioè interfacce software o tramite installazione dedicata.
Si può, poi, valutare il recupero di documenti aziendali durante la risposta, oppure il fine-tuning se occorre modificare il comportamento del modello. Addestrare da zero richiede una ragione verificabile: dati distintivi, requisiti non soddisfatti dalle alternative e competenze per sviluppare e mantenere il sistema.
Il confronto economico deve comprendere preparazione dei dati, licenze, esperimenti, assistenza, distribuzione e gestione nel tempo. Un modello con pesi scaricabili può dare più opzioni di esecuzione, nei limiti della sua licenza, ma richiede un ambiente e persone capaci di gestirlo. Il costo della sola ora GPU non esprime il costo della soluzione; la stima va costruita sul ciclo di vita del servizio.
Gigafactory AI e sovranità digitale: che cosa cambia davvero
Affidare dati e modelli a un servizio esterno apre una scelta che riguarda anche controllo e dipendenze. La capacità europea può ampliare le alternative disponibili e rendere possibile sviluppare modelli in infrastrutture localizzate nell’Unione. Per le aziende, la sovranità digitale si verifica nelle condizioni operative, verificando bene chi gestisce il servizio, chi può accedere alle informazioni e quali possibilità esistono per cambiare soluzione.
Controllo dei dati, giurisdizione e proprietà dei modelli
La collocazione fisica è uno degli elementi da esaminare insieme a gestore, subfornitori, accessi di assistenza, copie e gestione delle chiavi di cifratura. Se il progetto produce un modello adattato, vanno chiariti i diritti sui dati, sui risultati e sui pesi, ossia i parametri appresi e gli usi consentiti dalle licenze. Queste condizioni vanno verificate nel servizio scelto perché l’etichetta europea del programma non sostituisce il contratto né la valutazione dei propri requisiti.
Le dipendenze da chip, software e fornitori
La Commissione collega le gigafactory anche allo sviluppo della filiera europea dei semiconduttori, attraverso una domanda più prevedibile di calcolo avanzato. È un obiettivo industriale di lungo periodo. Nel frattempo, acceleratori, librerie e competenze possono restare legati a specifici fornitori.
Capacità ospitata in Europa e autonomia dell’intera filiera procedono su piani diversi e per chi acquista, ridurre la dipendenza significa sapere se il progetto può essere trasferito, con quali modifiche e in quanto tempo. Esportare i dati, però, può non bastare se il software richiede librerie disponibili soltanto in un ambiente o se la licenza limita il modello.
La portabilità va provata su un lavoro rappresentativo, così da rendere visibili costi e interventi necessari prima di cambiare gestore.
Le domande da porsi prima di scegliere un servizio
Il punto d’arrivo del percorso è una valutazione dell’offerta rispetto al progetto. La stessa griglia può essere usata per una gigafactory, una AI factory o un servizio cloud commerciale, distinguendo sempre servizi disponibili e capacità futura. La verifica deve produrre risposte documentabili sui requisiti che determinano fattibilità e costo:
- Disponibilità: quando sarà utilizzabile la configurazione richiesta, con quali tempi di attesa e quali risorse garantite?
- Prestazioni: quanto lavoro completa il sistema sul proprio modello, rispettando qualità, latenza e concorrenza previste?
- Costo totale: quali spese si aggiungono al calcolo per dati, licenze, supporto, capacità riservata e gestione in produzione?
- Controllo e sicurezza: dove transitano dati e copie, chi può accedervi e quali diritti restano all’impresa su modelli e risultati?
- Portabilità e assistenza: come si trasferisce il lavoro a un altro ambiente e chi risolve i problemi di integrazione con l’IT aziendale?
Le gigafactory AI potranno allargare la scelta europea quando la capacità annunciata diventerà accessibile a condizioni verificabili.
Intanto, un CIO può utilizzare i percorsi già disponibili per misurare i casi d’uso e ottenere un primo riferimento su tempi, risorse e risultati. È da quel fabbisogno dimostrato che potrà valutare se il salto di scala promesso dalle nuove infrastrutture serve davvero al proprio progetto.
Partecipa alla community