L'AI cerca padroni, soldi e un cervello vero

Quando lo Stato vuole un pezzo dell'AI

Trump ha detto venerdì che sta discutendo con le aziende AI di accordi in cui "il popolo americano possa beneficiare del successo dell'AI". Secondo CNBC, l'amministrazione starebbe negoziando una partecipazione azionaria in OpenAI, con parte di quel capitale destinato a un "Public Wealth Fund" proposto dalla stessa OpenAI. L'idea è che i proventi vengano distribuiti direttamente ai cittadini. Suona bene, no?

Il punto però forse è un altro. Bloomberg riporta che Sam Altman discute l'idea di una partecipazione governativa nelle grandi aziende AI fin dall'inizio del 2025. Non è un'idea nata ieri, e non è nata dal basso. È nata da chi ha bisogno di legittimazione politica per operare su scala che nessuna azienda privata ha mai avuto prima. Quando il CEO di un'azienda da centinaia di miliardi di valutazione propone allo Stato di diventare socio, non sta facendo beneficenza. Sta comprando un'assicurazione.

La cosa interessante è che l'idea piace a destra e a sinistra, per motivi opposti. Il senatore Bernie Sanders ha proposto questa settimana una tassa una tantum del 50% in azioni per OpenAI, Anthropic e xAI. David Sacks, appena uscito dal ruolo di "AI czar" di Trump (e ora co-presidente del consiglio scientifico presidenziale), ha ammesso che l'idea di Sanders "risuona, anche a destra", ma ha avvertito che accelererebbe la fusione tra governo e imprese. Sì, lo so, è ironico che l'avvertimento venga da chi ha appena lasciato un ruolo che incarnava esattamente quella fusione.

E a proposito di porte girevoli: Sriram Krishnan, il consigliere AI della Casa Bianca, lascia l'incarico a fine giugno. Tra i suoi "risultati chiave" cita l'AI Action Plan dell'amministrazione, che ha dato priorità alla costruzione di data center rispetto alla regolamentazione e alla sicurezza. Secondo il Washington Post, Krishnan sta già pianificando un'istituzione esterna che gli permetterà di continuare a influenzare la politica AI di Trump. Il confine tra pubblico e privato nell'AI americana non è sfumato. Non esiste proprio.

920 milioni al mese per i GPU

Google pagherà a SpaceX 920 milioni di dollari al mese da ottobre 2026 a giugno 2029 per accedere a circa 110.000 GPU NVIDIA e componenti correlati. Novecentoventi milioni. Al mese. Lasciate che il numero vi entri in testa per un secondo.

Un portavoce di Google ha descritto l'accordo come una risposta alla "domanda inaspettata" per i suoi prodotti AI lanciati di recente, in particolare la piattaforma Gemini Enterprise. La parola chiave è "bridge capacity": capacità ponte. Google, che secondo alcune stime è il più grande proprietario singolo di compute AI al mondo, ha bisogno di affittare GPU da SpaceX perché non ne ha abbastanza. Alphabet ha già impegnato oltre 180 miliardi di dollari in spese in conto capitale per quest'anno e ha detto che nel 2027 aumenteranno "significativamente". Per finanziare tutto questo, ha appena annunciato una vendita di azioni da 80 miliardi.

L'accordo è simile a quello che SpaceX ha chiuso con Anthropic a fine maggio: 1,25 miliardi al mese per affittare tutto il compute disponibile dal data center Colossus 1 vicino a Memphis, quello che xAI (ora parte di SpaceX) aveva costruito per i propri scopi. Google paga meno perché ottiene circa la metà del compute. SpaceX non ha specificato quale data center userà Google, ma Musk ha suggerito che Colossus 2 resterà riservato a xAI.

Ecco, fermiamoci un attimo. SpaceX sta diventando uno dei principali fornitori di infrastruttura AI al mondo, proprio mentre si prepara alla sua IPO storica. Anthropic e Google, due dei tre principali sviluppatori di modelli frontier, dipendono entrambi da SpaceX per il compute. E SpaceX è di Musk, che possiede anche xAI, che compete direttamente con entrambi. Non serve un corso di antitrust per capire che questa struttura è, diciamocelo, quantomeno curiosa. Ma il mercato ha una fame di GPU talmente feroce che nessuno si può permettere di fare gli schizzinosi.

Il conto dei token è arrivato

E qui arriviamo al pezzo che lega tutto. Perché tutta questa fame di compute? Perché le aziende stanno bruciando token a una velocità che nessuno aveva previsto.

Uber ha esaurito l'intero budget AI per il coding del 2026 entro aprile. Microsoft ha revocato le licenze Claude Code ai propri sviluppatori mesi dopo averle attivate. Un dipendente di Priceline ha raccontato a TechCrunch che il rinnovo di un contratto Cursor è tornato indietro 4-5 volte più caro. I prezzi per singolo token sono scesi, ma il consumo totale è esploso.

Alexander Embiricos, responsabile enterprise di OpenAI, lo ha detto chiaramente a un evento a New York questa settimana: sei mesi fa i clienti chiedevano "cosa può fare? È abbastanza buono?". Adesso chiedono "stiamo spendendo troppo, che visibilità avete? Che controlli sui token avete?". La Linux Foundation ha appena lanciato la Tokenomics Foundation, un organismo di standardizzazione che vuole fare per i token AI quello che FinOps ha fatto per la spesa cloud.

J.R. Storment, direttore esecutivo della FinOps Foundation, ha raccontato che tra aprile e maggio le aziende hanno iniziato a chiamare in preda al panico: "Siamo a 3x rispetto all'intero budget token del 2026 e siamo solo ad aprile". La conversazione è passata dal "tokenmaxxing" al "ci servono guardrail, come controlliamo questa cosa?".

Questo è il momento in cui l'industria AI smette di essere una corsa all'oro e inizia a diventare un'industria vera. Con i costi, con la contabilità, con le domande scomode sul ROI. E qui si inserisce perfettamente l'osservazione di Edward King, ex director in una banca Tier 1, che su LinkedIn ha scritto una cosa che chiunque abbia lavorato in una grande organizzazione riconosce immediatamente: in un ambiente regolamentato, un agente AI che può fare un'azione e un agente che è autorizzato a farla sono due problemi completamente diversi. Il primo è ingegneria. Il secondo coinvolge il CISO, il risk, la compliance, il change management e probabilmente un comitato che si riunisce ogni trimestre. Solo il 12% circa dei pilot AI enterprise scala con successo. Il resto si blocca. Non perché la tecnologia ha fallito, ma perché l'infrastruttura di governance non è stata costruita insieme ad essa.

Quando l'AI fallisce dove conta

E a proposito di AI che promette e non mantiene. Un sopravvissuto alla sparatoria in una scuola di Nashville nel gennaio 2025 ha fatto causa a Omnilert, l'azienda che produceva il sistema di "rilevamento armi con AI" installato nell'istituto. Il sistema non ha rilevato la pistola. Due persone sono morte, incluso l'aggressore.

Le scuole pubbliche di Nashville avevano approvato nel 2023 un contratto da oltre un milione di dollari per installare uno strato di rilevamento AI sopra la rete di telecamere esistente. Il portavoce del distretto ha spiegato dopo la sparatoria che l'immagine del tiratore non era "abbastanza vicina per ottenere una lettura accurata e attivare l'allarme". La causa cita il materiale marketing di Omnilert, che sul proprio sito (preservato dall'Internet Archive pochi giorni prima della sparatoria) affermava che il suo sistema "avrebbe potuto mitigare o prevenire la tragedia alla Marjory Stoneman Douglas High School". Nessuna menzione di falsi allarmi, falsi positivi o limitazioni di rilevamento di alcun tipo.

Questa storia è importante non solo per la tragedia in sé, ma perché pone una domanda che l'intera industria AI dovrà affrontare con crescente frequenza: quanto deve essere accurato un sistema AI prima che sia lecito venderlo come soluzione a un problema di vita o di morte? Vendere un sistema di rilevamento armi che funziona solo in condizioni ideali di illuminazione, angolazione e prossimità alla telecamera, senza dichiarare queste limitazioni, non è un problema tecnico. È un problema etico e legale che nessun modello più grande risolverà.

Il cervello come blueprint

Intanto, c'è chi pensa che il problema sia proprio l'architettura di base. Flourish, la startup fondata da Thomas Reardon e Rob Williams (ex S-team di Amazon), ha raccolto 500 milioni di dollari con una valutazione riportata di 2,5 miliardi. Il finanziatore principale è Jeff Bezos. L'obiettivo è trovare quello che chiamano il "core algorithm" del cervello umano.

La tesi è semplice e radicale: i modelli linguistici attuali hanno poco in comune con il cervello umano. Una persona usa circa 20 watt per elaborare informazioni. Un singolo chip in un cluster di training AI ne usa più di 30 volte tanto. E i modelli, una volta addestrati, non imparano più. Sono congelati. Flourish vuole costruire "Cortex AI", il primo sistema di intelligenza sintetica progettato per eguagliare la capacità computazionale, l'efficienza di apprendimento e il budget energetico del cervello umano.

Reardon, che è neuroscienziato oltre che imprenditore seriale, ha un modo efficace di metterla: l'AI si è scavata una fossa. Sempre più potente, ma sempre più affamata di dati, energia e compute. Ogni nuovo modello richiede di più. Di più. Di più. E nonostante tutto, i modelli non imparano davvero.

Ora, 500 milioni per cercare l'algoritmo fondamentale del cervello suona come il tipo di scommessa che o cambia tutto o non produce nulla. Ma il timing è interessante. Arriva esattamente nel momento in cui l'industria scopre che il modello attuale di scaling (più GPU, più token, più energia, più soldi) sta sbattendo contro un muro economico prima ancora che contro un muro tecnico. Se Uber brucia il budget AI di un anno in quattro mesi e Google deve affittare GPU da SpaceX, forse qualcuno che cerca un approccio fondamentalmente diverso non è poi così folle.

Il filo che tiene tutto insieme

Ecco, se guardo questa settimana nel suo insieme, vedo un'industria che sta facendo i conti con le conseguenze delle proprie promesse. I governi vogliono una fetta della torta (e le aziende gliela offrono volentieri in cambio di protezione politica). I costi esplodono e nessuno sa bene dove vanno i soldi. I sistemi AI venduti come salvavita falliscono nel momento critico. E l'executive order sulla sicurezza AI di Trump, firmato martedì scorso dopo un rinvio imbarazzante, è stato annacquato al punto che gli esperti lo definiscono "performativo": test volontari, nessun obbligo per le aziende, e i team di sicurezza federali sono stati decimati dai tagli del DOGE.

Non è un quadro catastrofico. È il quadro normale di un'industria che esce dall'adolescenza. La fase in cui tutto era possibile e niente costava troppo sta finendo. Quella che inizia è più noiosa, più complicata, e molto più interessante. Perché è quella in cui si costruiscono le cose che durano.

Chi oggi sta costruendo gli strumenti per controllare la spesa in token, per certificare davvero cosa un sistema AI può e non può fare, per creare governance che non blocchi l'innovazione ma la renda sostenibile, sta lavorando sul problema giusto. Non è sexy come annunciare il prossimo modello frontier. Ma è lì che si gioca la partita vera. Provatelo a spiegare a un CEO che ha bruciato il budget prima di aprile.