L’AI non è solo una tecnologia: è un’infrastruttura di potere.
E come ogni infrastruttura, decide chi può usarla e a quali condizioni.
Fonte – Global Innovation Gathering
Geraldine de Bastion, Global Innovation Gathering, aprile 2026
Un’analisi aperta e sistematica di come l’AI non sia una singola tecnologia ma uno stack coerente di componenti: dati, capacità di calcolo, contratti cloud, standard tecnici, routine organizzative.
Ogni livello di questo stack tende alla concentrazione, e la concentrazione a ogni livello si somma agli altri.
Il risultato è una struttura in cui la capacità di addestrare, adattare e verificare i propri modelli dipende da risorse distribuite in modo profondamente diseguale nel mondo.
In breve
C’è una frase che circola nei report di geopolitica tecnologica del 2026 con la frequenza di un’evidenza: l’AI è la nuova elettricità. La metafora è comoda, ma nasconde qualcosa di importante.
L’elettricità, almeno nelle democrazie del Novecento, è diventata un’infrastruttura pubblica: regolata, distribuita, soggetta a obblighi di servizio universale.
L’AI, per ora, non sta andando in quella direzione. Sta andando nella direzione opposta: concentrazione di risorse, di standard, di capacità di calcolo in un numero molto piccolo di attori privati e statali, con conseguenze che si estendono ben oltre il mercato tecnologico.
La concentrazione è misurabile
I numeri del 2026 rendono visibile ciò che altrimenti resterebbe astratto. Gli Stati Uniti ospitano circa il 37% dei data center mondiali su un totale di circa 10.800 strutture globali: quasi quattro su dieci sono in un solo paese. Tre hyperscaler, Amazon Web Services, Microsoft Azure e Google Cloud, controllano insieme il 63% della spesa globale in infrastruttura cloud.
Nel primo trimestre 2026, tre sole aziende, OpenAI, Anthropic e XAI, hanno assorbito l’84% di tutti i grandi round di finanziamento dei venture capital globali del settore AI.
Nello stesso anno, i cinque principali hyperscaler americani hanno pianificato una spesa combinata di circa 720 miliardi di dollari in infrastruttura AI: una cifra che supera il PIL di molti paesi e che va quasi interamente a costruire capacità di calcolo, data center, chip e connettività. È un investimento che non solo risponde alla domanda attuale, ma la preconfigura: chi costruisce l’infrastruttura oggi decide quali applicazioni sono possibili domani, a quali prezzi, con quali vincoli.
Quando l’infrastruttura diventa leva geopolitica
La capacità di calcolo non è più solo una risorsa economica: è diventata uno strumento di potere di calcolo geopolitico esplicito. Dal 15 gennaio 2026, le nuove regole americane sull’export di chip AI avanzati hanno spostato la licenza per modelli come l’Nvidia H200 da una presunzione di approvazione a una revisione caso per caso, con tariffe del 25% e un tetto volumetrico del 50%. L’obiettivo dichiarato è rallentare lo sviluppo AI cinese. L’effetto collaterale è che la capacità di calcolo diventa merce soggetta a controllo politico, non solo a logica di mercato.
Dall’altra parte, la Cina sta accelerando la costruzione di una filiera alternativa: l’architettura Ascend di Huawei come risposta alle GPU Nvidia, fonderie nazionali come alternativa a TSMC, standard tecnici propri come alternativa a CUDA e NVLink. Il risultato in formazione è quello che alcuni analisti chiamano già una biforcazione strutturale: due ecosistemi di potere di calcolo separati, ciascuno ottimizzato per il proprio ambiente regolatorio e geopolitico, ciascuno portatore di una visione distinta su come l’AI debba essere governata e distribuita.
Le decisioni che si stanno prendendo ora plasmeranno la distribuzione del potere AI per i prossimi decenni.
Chi resta fuori e perché
Mentre i grandi attori costruiscono infrastrutture parallele, la maggior parte del mondo si trova in una posizione diversa: non abbastanza dentro per competere, non abbastanza fuori per essere indifferente. Paesi di Asia, Africa e America Latina con capacità infrastrutturale limitata dipendono strutturalmente da provider cloud esterni per accedere alla capacità di calcolo necessaria a sviluppare, addestrare o anche solo usare modelli AI avanzati.
Questa dipendenza non è solo economica: è anche epistemica e politica.
Chi non controlla la propria infrastruttura AI non controlla i dati che vi transitano, gli standard con cui vengono classificati, i criteri con cui i modelli vengono ottimizzati. Le decisioni algoritmiche che riguardano un paese, nell’agricoltura, nella sanità, nell’istruzione, nell’allocazione del credito, possono essere prese da sistemi addestrati su dati di altri contesti, con priorità di altri mercati, senza possibilità reale di verifica locale.
Il rischio è che l’espansione AI riproduca economie politiche coloniali: concentrando valore dove già risiedono capitale e infrastruttura, scaricando i costi ambientali e sociali là dove il potere di contrattazione è più basso.
L’Europa nel mezzo
L’Europa occupa in questo scenario una posizione peculiare: troppo grande per essere semplicemente dipendente, troppo frammentata per competere da sola con USA e Cina sul potere di calcolo.
Il tentativo europeo di costruire una terza via è reale e in corso: l’AI Act come quadro regolatorio orizzontale, GAIA-X come progetto di infrastruttura cloud sovrana, investimenti pubblici in supercalcolo attraverso EuroHPC.
Ma la distanza rispetto ai numeri americani e cinesi resta strutturale: nessun hyperscaler europeo tra i primi cinque mondiali, nessun produttore di chip di frontiera, una dipendenza significativa da provider americani per la maggior parte del cloud istituzionale e industriale.
La scommessa europea è che la regolazione possa compensare la debolezza infrastrutturale: se riesci a imporre standard tecnici ed etici globalmente adottati, puoi esercitare potere normativo senza potere di calcolo equivalente. È una strategia non priva di senso, l’effetto Bruxelles sulle regole digitali è documentato, ma che mostra i suoi limiti quando i sistemi AI su cui si applicano le regole sono costruiti, addestrati e ospitati altrove. Regolare senza produrre significa giocare su un campo costruito da altri, con regole che altri possono sempre aggirare spostando server oltre confine o addestrando modelli fuori giurisdizione.
La domanda sulla governance
C’è una domanda che il dibattito sulla governance AI fatica ad affrontare con onestà: chi esercita il potere di calcolo sulle regole quando chi dovrebbe essere regolato ha anche il capitale per influenzare la regolazione?
Nel primo trimestre 2026, tre aziende AI hanno raccolto più dell’80% del venture capital globale del settore. Queste stesse aziende sono i principali interlocutori tecnici dei governi che cercano di capire come regolare i loro prodotti, i principali finanziatori dei centri di ricerca che producono le valutazioni di rischio, i principali datori di lavoro degli esperti che siedono nei tavoli di policy.
Questo non è necessariamente corruzione: è la struttura normale di un settore in cui la conoscenza tecnica è altamente concentrata e il ritmo dell’innovazione supera quello delle istituzioni. Ma il risultato è un rischio di cattura regolatoria che non riguarda solo questo o quel governo, ma l’intera architettura di governance globale dell’AI.
Chi paga per costruire la capacità di calcolo
tende anche a costruire, almeno in parte, l’infrastruttura delle idee
su come quella tecnologia debba essere pensata, valutata, limitata.
Il lavoro di questo osservatorio
Tenere visibile la dimensione di potere dell’AI mentre il dibattito pubblico tende a ridurla a una questione di produttività o di rischi etici astratti è uno dei compiti che questo osservatorio si assegna.
Non perché la produttività non conti, o perché i rischi etici siano meno importanti della geopolitica. Ma perché la concentrazione di potere di calcolo in pochi attori, la dipendenza strutturale di gran parte del mondo da infrastrutture altrui, la formazione di due ecosistemi AI separati e incompatibili, non è sfondo neutro su cui si sviluppa la tecnologia, è la tecnologia stessa, nelle sue conseguenze più concrete e durature.
Ed è esattamente qui che cambia il modo in cui il mondo pensa, decide, si governa:
non nei comunicati stampa dei laboratori di ricerca,
ma nelle scelte infrastrutturali che nessuno vede finché non è troppo tardi per cambiarle.
Ed è esattamente qui che cambia il modo
in cui il mondo pensa, decide, si governa:
non nei comunicati stampa dei laboratori di ricerca,
ma nelle scelte infrastrutturali che nessuno vede
finché non è troppo tardi per cambiarle.
Ed è esattamente qui che cambia il modo
in cui il mondo pensa, decide, si governa:
non nei comunicati stampa
dei laboratori di ricerca,
ma nelle scelte infrastrutturali
che nessuno vede
finché non è troppo tardi per cambiarle.
