L'infrastruttura AI richiede investimenti da migliaia di miliardi: le previsioni di Jensen Huang

Il CEO di NVIDIA stima che l'attuale ondata di investimenti da 700 miliardi di dollari nei data center AI sia solo l'inizio. Entro il 2030 gli investimenti glo…

Contenuto

L'infrastruttura AI richiede investimenti da migliaia di miliardi: le previsioni di Jensen Huang

Scopri anche

L'infrastruttura AI richiede investimenti da migliaia di miliardi: le previsioni di Jensen Huang

L'infrastruttura AI richiede investimenti da migliaia di miliardi: le previsioni di Jensen Huang

In questo articolo:

In un intervento pubblicato di recente, Jensen Huang, CEO di NVIDIA, ha delineato una visione dell'intelligenza artificiale come infrastruttura fondamentale paragonabile all'elettricità e a internet. Secondo Huang, l'attuale investimento di circa 700 miliardi di dollari nei data center per l'intelligenza artificiale rappresenta solo l'inizio di una trasformazione industriale che richiederà migliaia di miliardi di dollari in infrastrutture da costruire nei prossimi anni. Le stime degli analisti di McKinsey indicano che gli investimenti globali nei data center potrebbero raggiungere i 6,7 trilioni di dollari entro il 2030.

Il modello a cinque strati dell'infrastruttura AI

⬆ Torna su

Huang ha proposto un modello concettuale che definisce una struttura a cinque strati per l'infrastruttura dell'intelligenza artificiale. Alla base si trova l'energia, seguita dai chip semiconduttori, dall'infrastruttura fisica di calcolo e reti, dai modelli AI e infine dalle applicazioni in cima alla gerarchia. L'energia rappresenta il vincolo fondamentale: secondo Huang, l'energia è il principio primo dell'infrastruttura AI e determina il limite della capacità produttiva del sistema.

Questa architettura riflette una differenza sostanziale rispetto al software tradizionale. Mentre i sistemi informatici convenzionali recuperano istruzioni pre-archiviate, l'intelligenza artificiale genera risultati completamente nuovi in tempo reale, creando risposte originali basate sul contesto fornito. Questa caratteristica richiede una reinvenzione completa dell'infrastruttura di calcolo: l'AI non può funzionare sui data center esistenti ma necessita di sistemi progettati specificamente a partire dal livello energetico.

La generazione di intelligenza in tempo reale richiede energia generata in tempo reale, ha scritto Huang. Questa posizione dell'energia come vincolo fondamentale porta implicazioni che vanno oltre la catena di approvvigionamento immediata di NVIDIA: qualsiasi interruzione nelle forniture energetiche, inclusi i conflitti geopolitici in regioni come il Medio Oriente, diventerebbe un collo di bottiglia diretto sulla velocità di sviluppo dell'AI.

La portata degli investimenti infrastrutturali

⬆ Torna su

L'attuale cifra di circa 700 miliardi di dollari destinata agli investimenti nei data center AI supera il PIL combinato di Argentina, Israele e Svezia, ed eccede persino il valore combinato di Disney, Nike e Target. I giganti tecnologici includono Alphabet, Amazon, Meta Platforms e Microsoft, che stanno investendo fino a 700 miliardi di dollari quest'anno nelle infrastrutture statunitensi, con costruzioni principali in Virginia, Georgia e Pennsylvania.

Secondo Huang, i trillioni di dollari di infrastrutture devono ancora essere costruiti. In tutto il mondo, fabbriche di chip, impianti di assemblaggio di computer e fabbriche di AI sono in costruzione su scala senza precedenti. Questo sta diventando la più grande costruzione di infrastrutture nella storia dell'umanità.

Durante la chiamata sui risultati trimestrali di NVIDIA, l'analista Vivek Arya di BofA ha chiesto se i fornitori di servizi cloud potessero sostenere i massicci investimenti in conto capitale tra flussi di cassa in contrazione. Huang ha risposto sottolineando che la domanda di AI rappresenta uno spostamento strutturale: nel nuovo mondo dell'AI, il calcolo equivale ai ricavi, il che significa che senza potenza di calcolo, la crescita dei ricavi è impossibile.

Creazione di occupazione e domanda di competenze specializzate

⬆ Torna su

Huang ha affrontato direttamente le preoccupazioni sull'impatto occupazionale dell'intelligenza artificiale, sostenendo che la trasformazione creerà milioni di posti di lavoro ben retribuiti anziché eliminarli. La manodopera richiesta per supportare questa costruzione è enorme, ha dichiarato. Le fabbriche di AI necessitano di elettricisti, idraulici, saldatori di tubature, siderurgici, tecnici di rete, installatori e operatori.

Questi sono lavori specializzati e ben pagati, attualmente scarsamente disponibili. Non è necessario un dottorato in informatica per partecipare a questa trasformazione. Huang ha sottolineato che molti di questi nuovi posti di lavoro potrebbero non corrispondere ai ruoli tradizionali nel software o nei lavori d'ufficio che conosciamo oggi.

La costruzione di data center per l'AI richiede una forza lavoro considerevole. Le industrie avranno bisogno di lavoratori qualificati per costruire e mantenere l'infrastruttura che supporta i sistemi di intelligenza artificiale. Man mano che i paesi competono per sviluppare capacità AI, la domanda per tali lavoratori potrebbe aumentare significativamente.

Il paradosso della radiologia e il ruolo di supporto dell'AI

⬆ Torna su

Per argomentare contro la sostituzione completa dei lavoratori, Huang ha citato la radiologia come esempio di come l'integrazione dell'AI possa espandere anziché contrarre l'occupazione. Mentre l'AI assiste i radiologi nella lettura delle scansioni, la domanda di professionisti di radiologia continua a crescere perché l'aumento della produttività crea capacità aggiuntiva e la capacità guida la crescita. Questo non è un paradosso, ha scritto Huang.

Quando l'AI si occupa di gran parte del lavoro di routine, i radiologi possono concentrarsi sul giudizio, sulla comunicazione e sull'assistenza. Gli ospedali diventano più produttivi, servono più pazienti e assumono più personale. Huang ha descritto l'AI come un potenziatore della forza lavoro che aumenta le capacità umane anziché sostituire i lavori tradizionali.

In ambito sanitario, l'AI può aiutare ad analizzare i dati o assistere nei compiti di routine, permettendo a medici e personale sanitario di dedicare più tempo all'assistenza dei pazienti. Secondo questa visione, l'AI è concepita per supportare i lavoratori umani anziché sostituirli completamente.

Contesto delle riduzioni del personale aziendale

⬆ Torna su

Le dichiarazioni di Huang arrivano in un momento di crescenti preoccupazioni sull'impatto occupazionale dell'AI. Recenti sviluppi hanno incluso riduzioni di personale su larga scala presso Block, che ha ridotto la forza lavoro di circa il 40%, una modifica che il co-fondatore Jack Dorsey ha collegato all'uso dell'AI da parte dell'azienda. All'inizio di quest'anno, Pinterest e Dow hanno comunicato riduzioni per un totale di oltre 5.000 ruoli legati a cambiamenti correlati all'AI.

Analisti di Goldman Sachs hanno stimato che le perdite di lavoro legate all'AI sono state visibili ma moderate, e che il tasso di disoccupazione statunitense potrebbe salire al 4,5% entro la fine dell'anno rispetto al 4,4% attuale. Commenti di Dario Amodei, CEO di Anthropic, sulle potenziali sostituzioni di posti di lavoro hanno contribuito alla pressione di vendita sulle azioni tecnologiche dall'inizio dell'anno.

In un'intervista con CNN, Huang aveva precedentemente avvertito che l'adozione diffusa dell'AI potrebbe causare perdite di posti di lavoro solo se le industrie non continuano a innovare. Ha sottolineato che sostenere l'occupazione dipende dalla generazione di nuove idee, osservando che senza di esse, i guadagni di produttività dall'AI potrebbero portare a meno posti di lavoro.

Il contesto aziendale di NVIDIA

⬆ Torna su

NVIDIA ha beneficiato di un aumento della domanda di calcolo per l'intelligenza artificiale. Le sue GPU sono ampiamente utilizzate dai fornitori di servizi cloud e dalle grandi imprese. Il titolo aziendale è salito di oltre il 1.300% dal 2023, seguendo il rilascio pubblico di ChatGPT e un incremento nella spesa aziendale per l'AI.

Gene Munster di Deepwater Asset Management ha dichiarato che la spesa in conto capitale delle Big Tech per il prossimo anno sarà significativamente superiore alle aspettative di Wall Street, citando il nuovo Ratepayer Protection Pledge della Casa Bianca come fattore principale. Ha successivamente affermato di aspettarsi che gli investimenti delle Big Tech aumentino di circa il 65% nel 2026.

Soglia critica e valore economico

⬆ Torna su

Secondo quanto riportato nel blog di Huang, l'AI ha superato una soglia critica nell'ultimo anno, con modelli diventati molto utili su larga scala e capaci di generare valore economico reale in settori come la scoperta di farmaci, la logistica, il servizio clienti, lo sviluppo software e la produzione. L'azienda ha attribuito ai modelli open-source, citando specificamente DeepSeek-R1, il merito di accelerare l'adozione al livello delle applicazioni e di conseguenza guidare la domanda attraverso lo stack di calcolo, inclusi infrastruttura ed energia.

Huang ha spiegato che l'ecosistema AI dipende da diversi elementi che lavorano insieme: fornitura energetica, chip semiconduttori, infrastruttura di calcolo, modelli AI e le applicazioni utilizzate da aziende e consumatori. Ogni livello potenzia gli altri, motivando la portata della costruzione infrastrutturale pianificata.

Prospettive future

⬆ Torna su

Secondo la visione di Huang, la rivoluzione dell'intelligenza artificiale si trova ancora in una fase iniziale. Man mano che gli investimenti continuano e l'infrastruttura si espande, l'intelligenza artificiale dovrebbe rimodellare le industrie e creare nuove opportunità anziché semplicemente eliminare posti di lavoro. Ogni azienda userà l'AI, ogni nazione la costruirà, ha sintetizzato Huang, indicando la portata globale della trasformazione in corso.

Questo articolo è una sintesi basata esclusivamente sulle fonti elencate.

Implicazioni e scenari

⬆ Torna su

La scala degli investimenti previsti suggerisce una trasformazione infrastrutturale senza precedenti, con ricadute che andrebbero oltre il solo comparto tecnologico. L'energia emerge come vincolo strategico: la capacità produttiva dei data center dipenderebbe dalla disponibilità energetica, rendendo le decisioni su fonti e distribuzione altamente rilevanti.

  • Scenario 1: se l'energia rimane il fattore limitante, i Paesi con infrastrutture energetiche più robuste potrebbero attrarre maggiori investimenti in data center, ridefinendo la geografia dell'innovazione.
  • Scenario 2: la domanda di figure specializzate come elettricisti e tecnici di rete potrebbe superare l'offerta, generando tensioni salariali e ritardi nella costruzione delle infrastrutture.
  • Scenario 3: qualora gli investimenti da 6,7 trilioni si concretizzassero, la competizione geopolitica per le catene di approvvigionamento di chip e componenti potrebbe intensificarsi.

Cosa monitorare

⬆ Torna su
  • L'evoluzione della capacità energetica globale rispetto alla domanda dei data center.
  • I trend occupazionali nei settori costruttivi e manutentivi legati alle infrastrutture.
  • Le tensioni geopolitiche che potrebbero impattare la fornitura di componenti critici.

Nota editoriale: questa sezione propone una lettura analitica dei temi trattati, senza introdurre dati fattuali non presenti nelle fonti.

Fonti

⬆ Torna su

In breve

  • ai
  • nvidia
  • datacenter
  • gpu

Link utili

Apri l'articolo su DeafNews