REDAZIONE  *  Roma 31 Luglio 2026

 

Il corpo della macchina

Il lato materiale dell’intelligenza artificiale

 

Ogni risposta dell’intelligenza artificiale sembra nascere da un sistema invisibile. In realtà è il risultato di una complessa infrastruttura materiale composta da chip, server, reti di telecomunicazione, energia e sistemi di raffreddamento. Questo articolo accompagna il lettore alla scoperta del lato fisico dell’IA, mostrando come dietro la semplicità di una conversazione si estenda una rete tecnologica globale. Un primo passo per comprendere l’ecosistema dell’intelligenza artificiale e le trasformazioni che sta già producendo.

 

Una macchia di vino sulla tovaglia.  Una persona prende il telefono, apre ChatGPT e scrive: «Come posso eliminarla?».

Pochi secondi dopo compare una risposta chiara, ordinata, pronta da seguire.

L’impressione è quella di aver dialogato con qualcosa di quasi immateriale. Nessun rumore, nessun movimento, nessuna macchina davanti agli occhi. Solo poche righe sullo schermo.

Eppure, nello stesso istante, quella richiesta ha attraversato una rete di sistemi che lavora senza interruzione, elaborando ogni giorno miliardi di operazioni. È una realtà che raramente vediamo, ma senza la quale nessuna risposta potrebbe arrivare sul nostro telefono.

Quando parliamo di intelligenza artificiale pensiamo quasi sempre al software, agli algoritmi, alle capacità di scrivere un testo, tradurre una frase o rispondere a una domanda. Molto meno spesso ci soffermiamo sulla dimensione materiale che rende possibile tutto questo.

Non si tratta di un “corpo” nel senso biologico del termine. Esiste però un’infrastruttura fisica, fatta di componenti elettronici, reti di telecomunicazione, impianti energetici e sistemi di raffreddamento, che costituisce il lato meno visibile dell’intelligenza artificiale.

Il viaggio comincia da un piccolo chip di silicio. Al suo interno vengono eseguite, in tempi estremamente ridotti, le operazioni matematiche necessarie per interpretare una richiesta e contribuire alla costruzione di una risposta.

Quel chip, naturalmente, non lavora da solo. È montato su una scheda elettronica insieme ad altri componenti specializzati. Più schede vengono installate all’interno di un server; decine di server trovano posto in armadi metallici chiamati rack. I rack, a loro volta, riempiono grandi sale progettate per ospitare migliaia di macchine che operano contemporaneamente.

È solo a questo punto che la scala reale dell’infrastruttura comincia a emergere.

Se potessimo entrare in uno di questi centri di calcolo, probabilmente resteremmo sorpresi. Non troveremmo robot umanoidi che passeggiano tra i corridoi né scenari futuristici illuminati da luci blu, come spesso suggerisce il cinema. Vedremmo invece lunghe file di armadi metallici, migliaia di cavi, impianti elettrici, sistemi di sicurezza e tecnici impegnati a garantire il funzionamento continuo dell’intero complesso.

L’immagine è molto diversa da quella con cui abitualmente rappresentiamo l’intelligenza artificiale.

Ancora più sorprendente è ciò che serve per mantenere operativa questa infrastruttura.

L’elaborazione delle informazioni richiede infatti una notevole quantità di energia elettrica. I processori più potenti trasformano inevitabilmente una parte dell’energia che consumano in calore. Se quel calore non venisse dissipato in modo efficace, le prestazioni diminuirebbero rapidamente e le apparecchiature potrebbero danneggiarsi.

Per questa ragione i grandi centri di calcolo sono dotati di sistemi di raffreddamento sempre più sofisticati. In molti casi anche l’acqua svolge un ruolo importante, contribuendo ad allontanare il calore prodotto dalle apparecchiature elettroniche.

Silicio, rame, acciaio, fibra ottica, energia e acqua diventano così elementi della stessa infrastruttura. Sono materiali che raramente associamo all’intelligenza artificiale, ma che ne costituiscono il presupposto indispensabile.

L’uomo entra raramente negli ambienti dove operano questi sistemi. Sono spazi progettati per le macchine: temperatura costantemente controllata, flussi d’aria continui, sensori che monitorano ogni parametro e impianti di raffreddamento che lavorano senza sosta.

Ma la dimensione reale di questa infrastruttura si comprende soprattutto quando si esce dall’edificio.

Un singolo data center può occupare superfici paragonabili a quelle di un campo di calcio. Un campus tecnologico, invece, riunisce più edifici collegati tra loro, sottostazioni elettriche, reti di fibra ottica, sistemi di raffreddamento, generatori di emergenza e spazi predisposti per future espansioni. Alcuni di questi complessi raggiungono dimensioni paragonabili a decine di campi da calcio.

Negli ultimi vent’anni queste infrastrutture sono cresciute insieme allo sviluppo del cloud computing. Dal 2023, con la rapida diffusione dell’intelligenza artificiale generativa, la richiesta di capacità di calcolo è aumentata ulteriormente. Ogni modello più avanzato richiede infatti una notevole disponibilità di processori, energia e sistemi di raffreddamento sempre più efficienti.

Anche l’evoluzione degli agenti di intelligenza artificiale, destinati con ogni probabilità ad assumere compiti via via più articolati, potrebbe contribuire ad accrescere questa domanda. Sarebbe però prematuro trarre conclusioni definitive. Parallelamente, infatti, algoritmi e componenti hardware stanno diventando più efficienti e potrebbero ridurre, almeno in parte, il fabbisogno di risorse per singola operazione.

Una tendenza, tuttavia, appare già evidente.

Quando chiediamo a un sistema di IA di scrivere un testo, tradurre una frase o chiarire un concetto, raramente pensiamo al percorso che quella richiesta compie. Eppure, prima di trasformarsi in poche righe sullo schermo, attraversa reti di telecomunicazione, viene elaborata da migliaia di processori e dipende da un’infrastruttura materiale che richiede continuità energetica, manutenzione e una complessa organizzazione tecnica.

Per molti anni abbiamo immaginato il cloud come una sorta di spazio astratto, quasi sospeso sopra le nostre teste. In realtà, quella “nuvola” è costituita da edifici, impianti, cavi, trasformatori, sistemi di raffreddamento e persone che ne garantiscono il funzionamento.

L’intelligenza artificiale ci appare immateriale perché l’interfaccia con cui dialoghiamo è semplice. Dietro quella semplicità, però, esiste un mondo fisico che rimane quasi sempre invisibile.

Comprenderne l’esistenza significa osservare l’intelligenza artificiale da una prospettiva diversa. Non soltanto come un insieme di algoritmi, ma come il risultato di una rete di infrastrutture, competenze e risorse materiali che operano in modo coordinato.

È il primo livello di osservazione.

Attorno a questa infrastruttura si sviluppa infatti un sistema molto più ampio, nel quale convergono ricerca scientifica, industria dei semiconduttori, produzione energetica, reti di telecomunicazione, investimenti, materie prime e scelte geopolitiche.

È questo l’ecosistema dell’intelligenza artificiale.

Per comprenderne le trasformazioni future non sarà sufficiente osservare ciò che compare sullo schermo. Occorrerà seguire le relazioni che tengono in vita questo sistema e ne orientano l’evoluzione. È lì che alcune delle sfide più significative dei prossimi anni cominceranno a prendere forma.

 

Note

1. Che cos’è il cloud

Il termine cloud (“nuvola”) indica l’insieme dei servizi informatici forniti attraverso Internet. Non si tratta di uno spazio immateriale, ma di una rete mondiale di data center collegati tra loro che ospitano dati, applicazioni e modelli di intelligenza artificiale.

2. Data center e campus tecnologici

Un data center è un edificio progettato per ospitare migliaia di server in condizioni ambientali controllate. Più data center possono costituire un campus tecnologico, dotato di proprie sottostazioni elettriche, reti di telecomunicazione, sistemi di raffreddamento e spazi destinati all’espansione futura.

3. CPU e GPU

Le CPU (Central Processing Unit) sono processori progettati per svolgere un’ampia varietà di operazioni. Le GPU (Graphics Processing Unit), nate per l’elaborazione grafica, sono particolarmente adatte a eseguire contemporaneamente un elevato numero di calcoli matematici e per questo sono oggi largamente impiegate nell’addestramento e nell’utilizzo dei modelli di intelligenza artificiale.

4. Addestramento e utilizzo di un modello

Lo sviluppo di un sistema di IA comprende due fasi principali. L’addestramento (training) consiste nell’apprendimento del modello attraverso enormi quantità di dati e richiede grandi risorse computazionali. L’utilizzo (inference) è invece la fase in cui il modello, già addestrato, risponde alle richieste degli utenti.

5. Energia e raffreddamento

L’elevata potenza di calcolo dei moderni processori produce una quantità significativa di calore. Per mantenere condizioni operative sicure, i data center utilizzano sistemi di raffreddamento ad aria, a liquido o ibridi, che rappresentano una componente essenziale della loro progettazione e incidono in modo rilevante sui consumi energetici complessivi.

Per saperne di più

• Luciano Floridi, Etica dell’intelligenza artificiale, Raffaello Cortina Editore.
• Alessandro Aresu, Geopolitica dell’intelligenza artificiale, Feltrinelli.
• Federico Faggin, Irriducibile, Mondadori (per comprendere il ruolo del microprocessore e della rivoluzione del silicio).

• Chris Miller, Chip War: The Fight for the World’s Most Critical Technology, Scribner.
• Mustafa Suleyman con Michael Bhaskar, The Coming Wave, Crown.

 

, acqua e infrastrutture che raramente vediamo.