Lo stato
dell'AI
Dove siamo davvero, in Italia e nel mondo. Numeri alla mano.
Corso AI, RAG e LLM Locali · Alessandro Caprai
In Italia
Quanto usiamo l'AI generativa
- Danimarca48,4%
- Svizzera47,0%
- Paesi Bassi44,7%
- Belgio42,0%
- Svezia42,0%
- Portogallo38,7%
- Spagna37,9%
- Francia37,5%
- Rep. Ceca35,4%
- Germania32,3%
- Polonia22,7%
- Italia19,9%
- Romania17,8%
Quota di individui 16-74 anni che hanno usato strumenti di AI generativa negli ultimi 3 mesi.
Fonte: Eurostat (isoc_ai_iaiu), dato 2025.
In Italia
Quanto investiamo in AI
- Stati Uniti351
- Cina167
- Francia116
- Arabia S.103
- Giappone66
- Germania27
- Singapore16
- Regno Unito14
- Canada12
- Spagna11
- Italia1,5
Totale indicativo: capitale privato raccolto nel 2025 più impegni pubblici annunciati 2020-2025.
Fonte: elaborazione su dati ETO/CSET e Crunchbase, miliardi di dollari.
Nel mondo
“Entro 6 mesi l'intelligenza artificiale scriverà il 90% del codice”
Dichiarazione al Council on Foreign Relations, marzo 2025.
Nel mondo
71%
delle immagini pubblicate sui social media è generato o modificato con l'AI.
Il dato che segue: non è più l'eccezione, è la norma.
In Europa
Draghi: senza AI l'Europa non cresce più
Con un'economia matura, la crescita non arriva più aggiungendo capitale o lavoro: passa dall'innovazione e dall'aumento di produttività. L'adozione su larga scala dell'AI è, secondo Draghi, una delle poche vie rimaste per dare all'Europa «l'accelerazione più significativa da decenni».
- +8-13%
- la crescita di produttività annua stimata con un uso diffuso dell'AI
- USA e Cina
- il divario tecnologico che Draghi definisce pericoloso
- Stagnazione
- il rischio esplicito se quel divario non si colma
Il ragionamento non è tecnologico ma economico: l'AI qui non è un settore in cui investire, è il moltiplicatore di tutti gli altri.
Fonte: intervento di Mario Draghi sulla competitività europea.
Stati Uniti · 2026
I quattro giganti spenderanno 700 miliardi in un anno
Amazon, Google, Meta e Microsoft hanno messo a bilancio per il solo 2026 fra i 630 e i 725 miliardi di dollari, contro i 388 del 2025. Circa tre quarti, 450 miliardi, vanno direttamente in infrastruttura AI: server, GPU, data center. Il resto è cloud tradizionale.
- 200 mld $
- Amazon, da 125 dell'anno prima
- 185 mld $
- Google, da 91
- 135 mld $
- Meta, da 72
- 120 mld $
- Microsoft, da 90
L'Italia, fra pubblico e privato, ne ha investiti 1,5 in totale. Non è un ritardo da recuperare: è un ordine di grandezza diverso, e conviene saperlo prima di ragionare su cosa possiamo costruire noi.
Fonte: guidance societarie e stime CNBC, febbraio 2026.
Stati Uniti · 2026
Il limite non sono più i chip, è la corrente
La voce che cresce più in fretta nei bilanci non è il silicio: sono energia, terreni e impianti. La domanda elettrica dei data center AI è stimata in 1.000 TWh nel 2026 a livello globale, quanto l'intero consumo della Germania. Microsoft ha firmato contratti pluriennali con operatori nucleari, fra cui Three Mile Island, per alimentare i propri centri.
- 1.000 TWh
- la domanda elettrica dei data center AI nel 2026
- = Germania
- l'intero consumo elettrico del paese, per confronto
- 10 GW
- la potenza dei data center concordati fra OpenAI e Nvidia
- Nucleare
- la fonte su cui si stanno assicurando forniture di lungo periodo
Ogni risposta generata su un server americano è corrente comprata con anni di anticipo. È da qui che nasce l'interesse per modelli piccoli che girano su hardware proprio: non ideologia, aritmetica.
Fonte: stime IEA e accordi societari resi pubblici, 2025-2026.
Stati Uniti · 2025-2026
Nvidia mette fino a 100 miliardi in OpenAI, che li spende in chip Nvidia
L'accordo prevede erogazioni progressive man mano che entrano in funzione data center per 10 gigawatt di potenza, equipaggiati con sistemi Nvidia. A febbraio 2026 ne erano stati versati 30. In parallelo OpenAI ha chiuso round per una raccolta complessiva di circa 122 miliardi.
- 100 mld $
- l'impegno massimo annunciato da Nvidia
- 30 mld $
- quanto effettivamente versato a febbraio 2026
- 10 GW
- la potenza da installare che sblocca le tranche
- 122 mld $
- la raccolta complessiva di OpenAI
Chi vende i chip finanzia chi li compra, e quei soldi tornano indietro come ordini. Il fatturato è reale, la circolarità anche: è la ragione per cui una parte degli analisti parla di bolla.
Fonte: comunicati NVIDIA e OpenAI, settembre 2025 - febbraio 2026.
Cina · 16 luglio 2026
Un modello cinese a pesi aperti è entrato nei primi tre al mondo
Moonshot AI ha presentato Kimi K3: 2,8 trilioni di parametri con architettura Mixture-of-Experts, 896 esperti di cui solo 16 attivi per token, cioè circa 50 miliardi di parametri accesi a ogni passaggio. Supera Claude Opus 4.8 e GPT-5.5 su coding e workflow agentici, ed è primo nel Frontend Code Arena.
- 2.800 mld
- parametri totali, ~50 mld attivi per token
- 3º
- posto nell'Artificial Analysis Intelligence Index
- 3 $
- per milione di token in input, contro decine dei modelli chiusi
- 27 luglio
- la data del rilascio dei pesi completi
Pesi aperti significa che chiunque può scaricarlo e farlo girare sulla propria infrastruttura, senza chiedere il permesso a nessuno. È esattamente il terreno dell'ultimo modulo di questo corso.
Fonti: Moonshot AI, Artificial Analysis, Arena.ai, luglio 2026.
Cina · 7 luglio 2026
DeepSeek si progetta il chip da sola
Il laboratorio di Hangzhou sta sviluppando un processore proprietario per l'inferenza, cioè per far rispondere un modello già addestrato e non per crearne uno nuovo. Lo produrrà SMIC, la maggiore fonderia cinese. Finora DeepSeek ha usato Nvidia H800 per addestrare R1, e poi sempre più Huawei Ascend 950 per V4. Il progetto è in fase iniziale e l'azienda non lo ha confermato pubblicamente.
- Inferenza
- a cosa serve: far girare i modelli, non addestrarli
- SMIC
- la fonderia cinese che lo produrrà
- H800 → Ascend
- il percorso di svincolo da Nvidia già in corso
- 600 mld $
- quanto perse Nvidia in borsa al debutto di DeepSeek-R1
Non è un sorpasso tecnologico: è indipendenza. Se il collo di bottiglia dell'AI è l'hardware, chi controlla i chip decide chi può usarla, ed è la stessa ragione per cui l'Europa oggi non decide niente.
Fonte: Reuters, 7 luglio 2026.
Cina · 2026
Ora è Pechino a valutare restrizioni all'export
Il Ministero del Commercio cinese ha avviato consultazioni con Alibaba, ByteDance e Z.ai per valutare limitazioni all'accesso estero ai modelli AI più sofisticati. Fra le ipotesi allo studio: introdurre il furto di modelli come reato contro la sicurezza nazionale, e restrizioni agli investimenti stranieri nel settore.
- Alibaba, ByteDance, Z.ai
- i gruppi convocati per le consultazioni
- Reato
- l'ipotesi allo studio per il furto di modelli
- Dal 2022
- le restrizioni USA sui chip verso la Cina, in direzione opposta
Si limita l'export solo di ciò su cui ci si ritiene in vantaggio. Che Pechino stia valutando di farlo è, di per sé, il dato più significativo della slide.
Fonte: Ministero del Commercio cinese, consultazioni riportate nel 2026.
In Europa · 2026
L'Europa scrive le regole, gli altri costruiscono l'infrastruttura
L'AI Act è il primo quadro normativo organico al mondo, ed è europeo. Ma i modelli di frontiera nascono altrove: gli Stati Uniti ne hanno sviluppati molti più dell'Europa, e la Cina ha colmato il divario in diciotto mesi.
- 700 mld $
- la spesa dei quattro giganti americani, in un anno
- 116 mld $
- la Francia, il paese europeo che investe di più
- 1,5 mld $
- l'Italia, in totale
Il divario non è solo di capitale: è di adozione. Si può recuperare terreno sull'uso molto prima che sull'infrastruttura, ed è la parte che dipende da chi è in questa stanza.
Fonti: Eurostat 2025, ETO/CSET, guidance societarie 2026.
In Italia · 2026
EMMA-5 è durata ventiquattro ore
Presentato da Egomnia come passo verso la sovranità tecnologica italiana, il modello è stato sospeso dopo 60.000 conversazioni. Fra le risposte diventate virali: «Hitler è stato il miglior presidente tedesco di sempre», e il cavallo bianco di Napoleone che «forse era nero». L'azienda ha parlato di un utilizzo «non pienamente in linea con gli obiettivi previsti per questo tipo di test».
- 550 milioni
- i parametri, per un modello di 2,46 GB in tutto
- 10,8 mld
- i token di testo italiano usati per l'addestramento
- 2.048 token
- la finestra di contesto: circa tre pagine di testo
- 5.000×
- quanti parametri ha Kimi K3 in più, uscito lo stesso mese
Addestrare un modello da zero non è un problema di ambizione, è un problema di scala: dati, calcolo e soldi. La strada praticabile per chi non ha miliardi non è costruire il proprio modello, è saper usare e adattare quelli che esistono. È il mestiere di questo corso.
Fonti: Egomnia, Focus, Hardware Upgrade, Adnkronos, 2026.