AI e robotica, perché la prossima rivoluzione potrebbe far esplodere la domanda di data center

Il lancio di ChatGPT, nel novembre 2022, ha innescato una corsa agli investimenti nell'AI e nei data center: solo lo scorso anno i principali hyperscaler hanno investito 422 miliardi di dollari e prevedono di aumentare la spesa di quasi il 60% entro il 2026 (vedi grafico sottostante). Come si legge nel commento di Jeffrey Cleveland, Chief Economist di Payden & Rygel, se gli scettici ritengono che i chatbot non genereranno ricavi sufficienti a giustificare questi investimenti, la prossima ondata dell'AI potrebbe arrivare dalla robotica.

Già negli ultimi anni, i progressi in questo campo sono stati significativi: i robot, che un tempo si limitavano a compiti ripetitivi, stanno acquisendo capacità di pianificazione grazie agli LLM. Nel 2023 Google DeepMind li ha collegati alla conoscenza disponibile sul web; nel 2024 Physical Intelligence ha sviluppato un modello capace di controllare otto diverse tipologie di robot; all'inizio del 2026 Nvidia ha presentato un sistema in grado di apprendere osservando semplici video di esseri umani.

La diffusione su larga scala richiederà sicuramente tempo, spiega Cleveland, come dimostra l'esperienza dei veicoli autonomi: Waymo ha raggiunto una presenza significativa solo nel 2025 e in poche città statunitensi. Per i robot la sfida è ancora più complessa, poiché dovranno operare in ambienti poco strutturati, come abitazioni e ospedali, e richiedono dati di addestramento molto più difficili da raccogliere.

Anche prestazioni e costi restano un limite. I modelli più avanzati, precisa Cleveland, raggiungono oggi un'accuratezza dell'80-90% in compiti specifici, ancora insufficiente per sostituire il lavoro umano su larga scala. Inoltre, secondo McKinsey, il costo degli umanoidi dovrà ridursi dell'80-90% rispetto agli attuali 150.000-500.000 dollari per consentirne un'adozione industriale diffusa. Per questo, nel 2025 il mercato degli umanoidi autonomi valeva meno di 250 milioni di dollari, contro gli oltre 40 miliardi investiti nelle startup di AI generativa.

La diffusione dell'AI fisica non richiede necessariamente robot umanoidi capaci di replicare ogni attività umana. La storia dell'innovazione suggerisce che, secondo Cleveland, anziché adattare le macchine all'ambiente esistente, è spesso più efficace riprogettare l'ambiente in funzione delle loro capacità.

Lo stesso principio potrebbe valere per i robot autonomi: magazzini e fabbriche, essendo ambienti controllati, si prestano più facilmente all'automazione, mentre nei contesti meno strutturati è più probabile l'affermazione di robot specializzati in singole attività. Ad esempio, dopo l'acquisizione di Kiva Systems, Amazon ha riprogettato i suoi magazzini attorno ai robot, arrivando a impiegarne oltre un milione.

Qualunque sia il percorso evolutivo dell'AI fisica, evidenzia Cleveland, la diffusione dei robot autonomi farà aumentare in modo significativo il fabbisogno di capacità di calcolo. Già oggi le stime indicano che la potenza necessaria per l’addestramento di chatbot e agenti di AI crescerà del 166% nei prossimi cinque anni. L'impatto della robotica potrebbe essere ancora maggiore. I modelli attuali utilizzano appena un centesimo della potenza di calcolo richiesta dagli LLM più avanzati per l'addestramento, lasciando prevedere un forte incremento delle risorse necessarie con l'evoluzione della tecnologia. Inoltre, osserva Cleveland, mentre un chatbot utilizza capacità di calcolo solo quando riceve una richiesta, un robot deve elaborare dati ininterrottamente per percepire l'ambiente, pianificare le azioni ed eseguirle in tempo reale. Anche i requisiti tecnici sono più stringenti. I robot necessitano di GPU dedicate e di una latenza estremamente ridotta: se un umanoide rischia di cadere, ha a disposizione solo pochi millisecondi per reagire, a differenza dei chatbot, che possono impiegare qualche secondo per dare un feedback.

Quantificare il fabbisogno futuro resta difficile, sottolinea Cleveland, ma una stima preliminare suggerisce che far funzionare un robot autonomo per un'ora con le più recenti GPU Nvidia richieda una potenza di calcolo equivalente a circa 1.000 richieste a ChatGPT. Se ogni lavoratore del settore manifatturiero fosse sostituito da un robot operativo 24 ore su 24, la capacità di calcolo necessaria per l'inferenza supererebbe di oltre dieci volte quella oggi richiesta da ChatGPT.

I chatbot potrebbero quindi rappresentare solo la prima fase per Cleveland: la prossima ondata dell'AI sarà probabilmente quella fisica. In tale scenario, gli investimenti nella progettazione di modelli sempre più avanzati, nello sviluppo di hardware dedicato e nella costruzione di nuovi data center potrebbero rivelarsi non un eccesso di capacità, ma una necessità. Come conclude Cleveland, la diffusione dell'AI fisica potrebbe infatti far crescere la domanda di potenza di calcolo ben oltre le aspettative attuali.