La crescita dell’intelligenza artificiale si trova a fare i conti con carenza di chip, consumi energetici dei data center e falle nella sicurezza degli agenti IA. Il tema è emerso alla Milken Global Conference, durante un panel con ASML, Google Cloud, Applied Intuition, Perplexity e Logical Intelligence. Christophe Fouquet, CEO di ASML, ha indicato la produzione di chip come primo collo di bottiglia. Francis deSouza, COO di Google Cloud, ha collegato la domanda IA alla crescita del cloud e ai vincoli energetici dei data center.
ASML e Google Cloud indicano chip ed energia come vincoli principali
Fouquet ha detto che il mercato resterà limitato dall’offerta per i prossimi due, tre o anche cinque anni. Il punto riguarda soprattutto gli hyperscaler come Google, Microsoft, Amazon e Meta, che stanno acquistando più capacità di calcolo di quanta la filiera dei semiconduttori riesca a fornire. ASML produce le macchine EUV necessarie per i chip più avanzati e ha già alzato la previsione di ricavi 2026 a 36-40 miliardi di euro dopo la crescita della domanda IA.
DeSouza ha portato i numeri di Google Cloud. Nel primo trimestre 2026, la divisione ha superato per la prima volta 20 miliardi di dollari di ricavi, con crescita del 63% anno su anno. Il backlog è quasi raddoppiato su base trimestrale, passando a oltre 460 miliardi di dollari. Google collega questa crescita alla domanda per prodotti e infrastrutture IA.
Il secondo vincolo è l’energia. DeSouza ha confermato che Google sta valutando data center nello spazio come risposta ai limiti energetici terrestri. Il problema tecnico resta il raffreddamento, perché nello spazio manca la convezione e il calore può essere disperso soprattutto per radiazione. Google continua però a puntare anche sull’efficienza dei propri TPU, progettati insieme ai modelli Gemini.
Dati reali, agenti e nuove architetture restano punti aperti
Qasar Younis, CEO di Applied Intuition, ha indicato un limite diverso per l’IA fisica. Nei sistemi per veicoli, droni, miniere, difesa e macchine agricole, i dati sintetici non sostituiscono completamente i dati raccolti nel mondo reale. Per questo l’addestramento di modelli destinati ad agire nello spazio fisico resta legato a test, ambienti reali e casi difficili da simulare.
Dimitry Shevelenko ha descritto Perplexity come un prodotto che si sta spostando dalla ricerca verso il lavoro digitale. Perplexity Computer viene presentato come un agente per ambienti aziendali, con controlli granulari su strumenti, connettori e permessi. Gli amministratori possono distinguere tra accesso in sola lettura e accesso in scrittura, mentre l’agente Comet mostra un piano e chiede approvazione prima di eseguire azioni per conto dell’utente.
Eve Bodnia ha presentato Logical Intelligence come alternativa al modello LLM dominante. La startup lavora su energy-based models, con un modello principale da 200 milioni di parametri. L’obiettivo dichiarato è il ragionamento fisico in ambiti come progettazione di chip e robotica. Il panel ha quindi mostrato una linea comune: l’IA non è frenata solo dallo sviluppo dei modelli veri e propri, ma anche da semiconduttori, energia, dati reali, sicurezza operativa e architetture ancora in sviluppo.