Il soffitto e il pavimento.

Perché il futuro dell’AI si gioca sull’efficienza, non sulla forza bruta.

Innovation

Technology

Consulting

09
Novembre
2026

09 Novembre 2026

Alfredo Adamo

Alfredo Adamo

Nel 1959 Richard Feynman tenne una lezione dal titolo famoso: There’s Plenty of Room at the Bottom, c’è molto spazio laggiù in fondo. Nel nuovo numero di MIT Technology Review (Nov/Dic 26), Volkan Gurses (MIT e Nvidia) riprende quella frase per porre una domanda che chiunque si occupi di strategia digitale dovrebbe tenere sulla scrivania: fin dove possiamo spingere il calcolo?

La sua risposta ha due facce. E aiuta a capire perché il dibattito sui data center, sull’energia e sulla sovranità tecnologica è spesso impostato male.

La discesa si è fermata

Per decenni il progresso del calcolo è arrivato quasi gratis. I transistor si dimezzavano e i chip raddoppiavano in densità. Poi le leggi empiriche che descrivevano quel progresso hanno cominciato a piegarsi. La legge di Moore rallenta. Lo scaling di Dennard è finito intorno al 2004, quando le frequenze si sono fermate sopra i 3 GHz. Le leggi di Koomey, Kryder e Keck, su efficienza energetica, densità di memoria e capacità della fibra, si appiattiscono.

Oggi il progresso si compra soprattutto costruendo di più. Secondo l’articolo, sei grandi hyperscaler sono sulla strada per spendere oltre 700 miliardi di dollari quest’anno in infrastruttura di calcolo, circa il doppio del record del 2025. Il calcolo usato per addestrare l’AI è raddoppiato circa ogni sei mesi dal 2010, molto più in fretta di quanto Moore consentirebbe. È forza bruta: cemento, rame, silicio, megawatt.

Ma il pavimento è lontanissimo

Il secondo messaggio è il più interessante. Le leggi di scala sono osservazioni su sistemi che abbiamo ingegnerizzato, non leggi fisiche. I limiti fisici veri, fissati da meccanica quantistica, relatività e teoria dell’informazione, sono molto più in basso.

  • Energia: dagli anni Quaranta l’energia per operazione è scesa di 17 ordini di grandezza. Siamo ancora alcune centinaia di migliaia di volte sopra il limite di Landauer.
  • Comunicazione: le interconnessioni ottiche sono a circa un milione di volte dal limite di Holevo. Probabilmente è la prima soglia che l’industria avvicinerà.
  • Memoria: quasi 30 ordini di grandezza separano i dispositivi attuali dal limite di Bekenstein. Il DNA conserva un bit in circa 30 atomi, ma scriverlo costa ancora troppo.
  • Velocità: 35 ordini di grandezza ci separano da ciò che la meccanica quantistica consentirebbe a un computer di un chilo.

Tre strade, non due

Gurses distingue un soffitto e un pavimento. Il soffitto è quanto possiamo costruire: chip, energia, capitale, terreno, acqua di raffreddamento. Il pavimento è quanto un joule, un secondo e un grammo di materia possono calcolare. Il secolo scorso ha percorso entrambe le strade insieme. Oggi percorriamo quasi solo la prima, e il soffitto si comincia a vedere.

La terza strada è partire da un esperimento di fisica che opera vicino al pavimento e scalarlo. È successo con il transistor, con il laser, con la magnetoresistenza gigante. Sta succedendo con la logica reversibile: la startup Vaire Computing ha testato nel 2025 il suo primo chip, che recupera parte dell’energia di commutazione invece di dissiparla.

Conclusione

Un framework per chi decide: soffitto, pavimento, ponte

Per l’Europa e per l’Italia questa distinzione è strategica. Sulla strada del soffitto la partita è già decisa da chi ha capitale e energia in scala continentale. Sulle altre due c’è spazio.

  1. Soffitto (costruire di più). Ha senso dove serve sovranità: data center pubblici e di settore per dati sensibili, sanità, difesa, PA. Non ha senso come gara di potenza con gli hyperscaler.
  2. Pavimento (costruire meglio). È qui che conviene investire in ricerca: interconnessioni ottiche, calcolo a basso consumo, architetture reversibili, memorie innovative. L’Italia ha competenze di fotonica e microelettronica che possono pesare.
  3. Ponte (dall’esperimento all’industria). Serve una filiera che porti i risultati di laboratorio verso prodotti scalabili. Qui si misura la qualità di un ecosistema dell’innovazione, molto più che nel numero di GPU installate.

C’è anche una lezione per le singole imprese. Ogni progetto di AI deve misurare la propria efficienza: quanto calcolo, quanta energia, quanto costo per risultato utile. Chi ragiona solo in termini di “modello più grande” sta percorrendo la strada che si sta chiudendo. C’è ancora molto spazio laggiù in fondo. Ma per arrivarci bisogna smettere di guardare solo verso l’alto.

Indice

Iscriviti alla newsletter
Indice
Iscriviti alla newsletter

Ottieni maggiori informazioni

Compila il modulo per metterti in contatto con noi. Saremo lieti di rispondere a tutte le tue domande.

Abbiamo bisogno del tuo consenso per poter dare seguito alla tua richiesta:

Potrai interrompere la ricezione delle nostre comunicazioni in qualsiasi momento, attraverso l'apposito link che troverai nelle email.