L’accelerazione dello sviluppo dell’intelligenza artificiale sta aprendo una nuova fase per l’Europa. L’obiettivo è costruire AI Factory e gigafactory in grado di rafforzare la sovranità digitale. Durante l’evento “AI, HPC & Quantum – Reshaping the Technology Landscape”, organizzato da E4 Computer Engineering a Milano, Rod Evans, vicepresidente EMEA per il supercomputing e l’intelligenza artificiale di Nvidia, ha delineato i trend globali e le strategie per la trasformazione digitale del continente.
Indice degli argomenti
Dall’evoluzione dei modelli all’AI di nuova generazione
Il percorso dell’AI ha compiuto un salto cruciale nel 2012 con AlexNet. Da allora i modelli sono diventati più complessi e potenti. Evans ha ricordato che in dieci anni si è registrato «un milione di volte di miglioramento in termini di complessità e performance», a fronte di un avanzamento di cento volte nella decade più favorevole dei processori tradizionali.
L’intelligenza artificiale è passata dal perception AI al generativo, fino alla reasoning AI, capace di fornire risposte più veloci e accurate. Secondo Evans, il passo successivo sarà la physical AI, che comprende robotica e guida autonoma.
Sanità e manifattura: i primi settori trasformati
Il settore sanitario è tra i primi a sperimentare cambiamenti concreti. Evans ha citato esperienze personali e simulazioni cliniche per spiegare come i sistemi basati su AI possano garantire assistenza personalizzata e continua. Questo approccio è fondamentale per gestire l’invecchiamento della popolazione europea.
La manifattura vive una rivoluzione parallela. Le fabbriche stanno adottando i digital twin per ripensare i processi produttivi, soprattutto nell’automotive, dove la transizione all’elettrico impone nuove modalità di progettazione. L’autonomia veicolare, ha ricordato Evans, è già realtà in città come San Francisco o Phoenix. Molti utenti la percepiscono come più sicura rispetto alla guida umana.
Robotica generalista e fabbrica intelligente
La nuova robotica generalista sfrutta modelli fisici addestrati con dati reali e sintetici. Questi sistemi permettono di insegnare ai robot compiti diversi con un numero limitato di dimostrazioni. «C’è la possibilità di vedere robot umanoidi già nel 2026», ha affermato Evans.
L’obiettivo non è rimpiazzare l’intelligenza umana, ma supportarla. La robotica può alleggerire i lavoratori da mansioni ripetitive, riducendo gli effetti della carenza di manodopera e migliorando l’efficienza delle linee produttive.
Le AI Factory come nuova infrastruttura
Il concetto di AI Factory rappresenta l’evoluzione dei data center. Non si tratta più solo di produrre dati, ma di generare «unità di intelligenza», pronte per essere applicate nei diversi settori.
Anche l’Europa si muove. Evans ha ricordato che «a febbraio la Commissione europea ha lanciato un piano d’azione che comprende AI factory e gigafactory». Nei prossimi dodici mesi potrebbero essere annunciate tra cinque e otto strutture di questo tipo. Una di esse potrebbe sorgere in Italia.
Nvidia, ha aggiunto Evans, sostiene il percorso europeo su due fronti. Da un lato supporta Bruxelles nel definire gli standard delle AI factory. Dall’altro affianca i soggetti candidati nella preparazione dei progetti.
Il ruolo di E4 e la visione italiana
Il tema della sovranità digitale europea è stato sottolineato anche da Cosimo Damiano Gianfreda, CEO di E4 Computer Engineering. Nel suo intervento introduttivo ha definito HPC, AI e quantum computing i tre pilastri per la crescita tecnologica del continente. Gianfreda ha annunciato l’intenzione di partecipare ai bandi europei sulle AI factory, sottolineando il contributo che realtà italiane possono offrire.
La Data Valley dell’Emilia-Romagna è uno dei punti di forza. Oggi E4 è coinvolta in oltre 19 progetti europei e italiani. Un impegno che testimonia il ruolo crescente dell’Italia non solo come utilizzatore, ma come sviluppatore di soluzioni.
Prestazioni, efficienza ed energia
Evans ha insistito anche sul legame tra prestazioni e sostenibilità. Ha citato il miglioramento di 350 volte nell’efficienza energetica in otto anni per l’addestramento di modelli di dimensioni paragonabili a GPT-4.
Le prossime generazioni di architetture, previste entro il 2027, aumenteranno ulteriormente la capacità di calcolo. Ciò sarà possibile grazie a chip interconnessi e sistemi di raffreddamento a liquido. L’obiettivo è incrementare la potenza riducendo i consumi. La fase di inferenza, quando i modelli vengono applicati a problemi concreti, diventerà centrale. Evans ha evidenziato la necessità di combinare maggiore velocità e minori costi operativi. Solo così sarà possibile diffondere l’AI su larga scala senza sacrificare la sostenibilità.
