L’Unione Europea ha ridimensionato il piano per la costruzione delle grandi infrastrutture di calcolo destinate all’intelligenza artificiale. Il progetto, nato per accelerare la capacità europea di addestrare e distribuire modelli AI avanzati, entra nella fase di gara con dimensioni inferiori rispetto all’impostazione iniziale delle AI Gigafactories annunciate nell’ambito dell’iniziativa InvestAI.
La nuova impostazione prevede una prima fase composta da sette data center. Quattro strutture dovrebbero disporre di almeno 25.000 GPU ciascuna, mentre tre strutture dovrebbero integrare almeno 40.000 processori. La gara dovrebbe partire a luglio e il processo di selezione degli operatori dovrebbe richiedere circa cinque o sei mesi.
Il ridimensionamento è significativo perché la proposta iniziale europea era molto più ambiziosa. Il piano originario prevedeva fino a cinque AI Gigafactories, ciascuna dotata di circa 100.000 chip AI avanzati. La Commissione europea aveva presentato queste strutture come data center di nuova generazione destinati all’addestramento di modelli AI molto grandi, inclusi sistemi con trilioni di parametri, con una capacità circa quattro volte superiore rispetto alle AI Factories già avviate in Europa.
La differenza tra le due scale è tecnica, non solo finanziaria. Una struttura con 100.000 acceleratori AI consente training run frontier su modelli molto grandi, con elevata parallelizzazione, interconnessione ad alta banda, sistemi di storage massivo, networking dedicato e una capacità energetica progettata per carichi continui. Data center da 25.000 o 40.000 chip possono comunque sostenere addestramento e inferenza su larga scala, ma si collocano più vicino alla dimensione delle AI Factories europee potenziate che a quella delle gigafactory pensate per competere direttamente con le infrastrutture hyperscale statunitensi.
La Commissione europea definisce le AI Factories come ecosistemi che combinano potenza di calcolo, dati, competenze, università, centri di supercalcolo, PMI, industria e attori finanziari. Le AI Gigafactories rappresentano il livello superiore di questa architettura: non sono pensate soltanto per testare o adattare modelli, ma per sviluppare e addestrare la prossima generazione di modelli AI di grandissima scala. Per questo, nella documentazione europea, vengono associate a oltre 100.000 processori AI avanzati, elevata capacità elettrica, catene di fornitura affidabili, networking avanzato, efficienza energetica e automazione dei data center tramite AI.
Il piano europeo si inserisce nell’iniziativa InvestAI, annunciata dalla presidente della Commissione Ursula von der Leyen nel febbraio 2025. L’obiettivo generale era mobilitare 200 miliardi di euro di investimenti per l’intelligenza artificiale in Europa, con 20 miliardi di euro destinati specificamente alla realizzazione di AI Gigafactories. La struttura finanziaria prevedeva un partenariato pubblico-privato: la maggior parte dei costi sarebbe stata sostenuta dal settore privato, mentre l’Unione Europea e i governi nazionali avrebbero coperto fino a circa un terzo dell’investimento attraverso sussidi e contributi pubblici.
Il nuovo schema riduce però la portata immediata del sostegno. Nella prima fase, le strutture più piccole potrebbero ricevere fino a 100 milioni di euro di sussidi, mentre quelle più grandi potrebbero arrivare a 200 milioni di euro. Gli Stati membri dovrebbero poi fornire un finanziamento equivalente, raddoppiando di fatto il contributo pubblico complessivo per ciascun progetto. In una seconda fase, i data center potrebbero essere ampliati rispettivamente a 75.000 GPU e 100.000 GPU, con sussidi che salirebbero fino a 400 milioni e 800 milioni di euro.
La seconda fase resta però subordinata alle risorse del bilancio europeo successivo al 2028, ancora oggetto di negoziazione. Questo è uno dei punti più critici della notizia: il progetto mantiene formalmente l’ambizione delle gigafactory da 100.000 chip, ma la capacità di arrivarci dipenderà da decisioni di bilancio future e da capitale privato non ancora garantito. Il piano iniziale di mobilitare 4,1 miliardi di euro di sostegno diretto per i data center viene quindi sostituito, nella prima fase, da un volume massimo di supporto pubblico molto più contenuto, pari a circa 1 miliardo di euro.
La causa principale del ridimensionamento è il problema del finanziamento. Il modello europeo non prevede che Bruxelles costruisca direttamente le infrastrutture, ma che riduca il rischio per consorzi privati chiamati a sostenere la maggior parte dei costi di costruzione e gestione. Questo approccio richiede però che gli operatori vedano un ritorno economico sufficiente, cioè domanda stabile di capacità AI, clienti industriali in grado di pagare training e inferenza su larga scala, disponibilità energetica, tempi autorizzativi sostenibili e un business case credibile.
Il rischio è che la riduzione della scala indebolisca proprio l’incentivo economico per i consorzi. Una gigafactory da 100.000 chip può giustificare investimenti in infrastrutture elettriche, raffreddamento, networking, sicurezza fisica, sistemi di storage e contratti energetici di lungo periodo perché offre una massa critica elevata. Una struttura da 25.000 o 40.000 chip può essere più realistica e più rapida da finanziare, ma potrebbe ridurre le economie di scala e rendere meno attraente la partecipazione di grandi operatori industriali, soprattutto se devono sostenere la maggior parte del capitale e dei costi operativi.
La Commissione aveva ricevuto una risposta iniziale molto ampia alla fase informale di manifestazione di interesse. Secondo la pagina ufficiale sulle AI Gigafactories, erano arrivate 77 proposte relative a 60 possibili siti in 16 Stati membri. Questo dato indica che l’interesse politico e industriale esiste, ma non risolve automaticamente il problema della bancabilità dei progetti. Manifestare interesse è diverso dal chiudere un piano finanziario per data center AI che richiedono chip avanzati, energia stabile, interconnessioni ad alta velocità, raffreddamento industriale e clienti capaci di saturare la capacità.
La Banca europea per gli investimenti ha firmato con la Commissione europea un memorandum d’intesa per sostenere il finanziamento delle AI Gigafactories. Il ruolo dell’EIB non è soltanto erogare eventuale capitale, ma anche fornire supporto consulenziale e contribuire a rendere bancabili le proposte, cioè trasformare i progetti in strutture finanziabili da investitori e partner industriali. Questo aspetto è importante perché il collo di bottiglia non è solo tecnico, ma finanziario: senza un modello di ritorno credibile, anche un progetto politicamente prioritario rischia di restare sulla carta.
Il ridimensionamento va letto anche in rapporto alla distinzione tra AI Factories e AI Gigafactories. L’Europa ha già avviato una rete di 19 AI Factories e 13 antenne collegate a supercomputer ottimizzati per l’AI. Almeno nove nuovi supercomputer AI dovrebbero essere acquistati e distribuiti nell’Unione, più che triplicando la capacità AI attuale di EuroHPC. Queste strutture sono pensate per dare accesso a startup, PMI, ricercatori, industria e pubbliche amministrazioni. Le gigafactory, invece, dovrebbero servire una funzione diversa: addestrare modelli di frontiera e sostenere applicazioni industriali o mission-critical su scala molto più ampia.
Il problema è che la prima fase ridimensionata sembra avvicinare le nuove strutture alle AI Factories più grandi, invece che collocarle chiaramente nel livello hyperscale delle gigafactory. Un data center da 25.000 GPU corrisponde alla soglia tipica di una AI Factory europea avanzata, mentre una struttura da 100.000 chip sarebbe progettata per training di modelli più grandi e per cluster con requisiti di rete, alimentazione e raffreddamento molto superiori. La scelta europea può quindi essere interpretata come una transizione pragmatica verso capacità maggiori, ma anche come un rallentamento rispetto all’obiettivo dichiarato di competere con gli hyperscaler statunitensi.
Il confronto con gli Stati Uniti evidenzia il divario infrastrutturale. Le grandi aziende americane, incluse Microsoft, Google, Amazon, Meta, OpenAI, Anthropic e xAI, stanno investendo in data center e capacità computazionale su una scala molto più elevata. La competizione AI moderna non riguarda solo i modelli, ma l’accesso a cluster di GPU, energia, networking, memoria, storage, sistemi di raffreddamento, supply chain dei chip e capacità di eseguire training run molto costosi. Se l’Europa procede con strutture più piccole e finanziamenti più incerti, rischia di restare dipendente da infrastrutture cloud extraeuropee per i carichi AI più avanzati.
Il tema ha anche una dimensione di sovranità tecnologica. Le AI Gigafactories europee dovevano ridurre la dipendenza da hyperscaler e laboratori non europei, creando una base di calcolo disponibile per aziende, startup e ricercatori dell’Unione. La stessa Commissione collega l’iniziativa alla costruzione di una filiera europea più autonoma, includendo in prospettiva anche la progettazione e, nel tempo, la produzione di processori AI europei. Il ridimensionamento della prima fase non cancella questa strategia, ma ne rende più graduale e meno immediata l’attuazione.
La questione dell’accesso ai modelli AI avanzati rende il problema più urgente. Le restrizioni statunitensi sull’accesso a determinati modelli o capacità AI da parte di soggetti stranieri hanno rafforzato il dibattito europeo sull’autonomia tecnologica. Se l’Europa non dispone di infrastrutture proprie per addestrare e distribuire modelli frontier, la sua dipendenza non riguarda soltanto il cloud, ma anche la capacità di sviluppare sistemi AI strategici in modo indipendente, con controllo su dati, architetture, sicurezza e politiche di accesso.
Alcuni progetti privati procedono comunque al di fuori del perimetro diretto dei sussidi europei. SoftBank ha annunciato piani di investimento fino a 75 miliardi di euro in data center in Francia. Il gruppo tedesco Schwarz sta costruendo un grande data center a sud di Berlino. Deutsche Telekom sta portando avanti piani di espansione della propria infrastruttura AI. Questi progetti indicano che il mercato europeo dei data center AI non dipende esclusivamente da Bruxelles, ma anche che la capacità sarà distribuita tra iniziative private, partnership nazionali e programmi comunitari con livelli diversi di accessibilità per startup e ricerca pubblica.
Il punto da osservare nei prossimi mesi sarà la configurazione reale delle gare. La differenza tra “GPU” e “processori” nei documenti e nelle ricostruzioni non è secondaria: per valutare la capacità effettiva servono specifiche su tipo di acceleratori, memoria HBM disponibile, banda di rete tra nodi, topologia di interconnessione, capacità elettrica in megawatt, sistemi di raffreddamento, storage parallelo, accesso a dati, scheduling, quote per startup e imprese, modalità di pricing e possibilità di eseguire training distribuito su cluster completi. Senza questi dati, il numero di chip resta un indicatore incompleto.
Il programma europeo mantiene una traiettoria in due fasi: partire con data center più piccoli, poi ampliarli a 75.000 e 100.000 GPU se saranno disponibili fondi e investitori. Questo schema può ridurre il rischio iniziale e consentire di mettere online capacità prima del completamento delle gigafactory vere e proprie. Tuttavia, sposta in avanti il punto critico: la capacità di arrivare a infrastrutture sufficientemente grandi per addestrare modelli frontier competitivi con quelli dei principali laboratori statunitensi e cinesi.
La riduzione della prima fase mostra quindi il vincolo concreto dell’AI europea: non basta annunciare fondi e obiettivi di sovranità tecnologica, servono data center finanziabili, energia disponibile, consorzi industriali disposti a investire, clienti capaci di usare la capacità e una governance dell’accesso che renda queste infrastrutture realmente utili a startup, ricerca e imprese. Le AI Gigafactories restano il principale tentativo europeo di costruire una base di calcolo autonoma per l’AI avanzata, ma la prima gara indica che il percorso sarà più graduale e meno ambizioso nella fase iniziale rispetto al piano originario.