2.304 GPU Nvidia B200 in un data center norvegese bastano a spiegare il punto: la corsa all’AI non si decide più sul modello annunciato questa settimana, ma su chi controlla chip, rete e luogo di elaborazione. Le notizie del 23 settembre mostrano la stessa pressione in quattro punti diversi dello stack.

ByteDance accede alle B200 dalla Norvegia

La controllata singaporiana Spring, legata a ByteDance, ha avuto accesso a 2.304 Nvidia B200 nel data center Nscale di Glomfjord, in Norvegia. Secondo i documenti citati da Tom’s Hardware, Spring ha generato 24 dei 33 milioni di dollari di ricavi Nscale nel 2025.

Il dato interessante non è il contratto in sé. È la separazione tra proprietà, localizzazione e uso del calcolo. Un controllo all’esportazione può limitare la consegna fisica di un acceleratore, ma il cliente può comprare capacità remota dove l’hardware è già installato. Per chi acquista servizi AI, questo rende più importante sapere dove gira davvero il carico e quale giurisdizione governa dati, log e accessi amministrativi.

Alibaba costruisce il proprio stack

T-Head, la divisione chip di Alibaba, ha presentato Zhenwu V900 per training e inferenza. L’azienda dichiara 216 GB di memoria, 1.200 GB/s di banda tra chip e prestazioni triple rispetto al precedente M890. La parte da seguire, però, è il sistema: interconnessione ICN, schede di rete, storage e supernodi progettati insieme. TechNode riporta che T-Head punta alla produzione di massa nel primo trimestre 2027 e dichiara cluster scalabili fino a 500.000 acceleratori.

Sono specifiche e obiettivi dichiarati dal produttore, non benchmark indipendenti. Indicano comunque la direzione: ridurre la dipendenza da un singolo fornitore richiede un insieme coerente di hardware, rete e software. Sostituire solo la GPU non basta. È lo stesso motivo per cui, in piccolo, conviene valutare il confronto tra GPU locale e API cloud sul costo totale, non sul prezzo di una singola chiamata.

Meta porta un petabit sotto l’Atlantico

Meta ha annunciato Petal, un cavo sottomarino di circa 7.000 chilometri tra Stati Uniti e Francia. La capacità prevista è di 1 petabit al secondo, il doppio degli attuali cavi transoceanici più avanzati secondo l’annuncio ufficiale. NEC e Sumitomo Electric partecipano allo sviluppo, Orange supporterà l’approdo francese e l’entrata in servizio è prevista nel 2029.

Un modello veloce in laboratorio serve poco se dati e richieste attraversano colli di bottiglia costosi. Meta investe nel trasporto perché la rete è parte del prodotto AI tanto quanto i server. La lezione per una PMI è meno spettacolare ma identica: misurare latenza, trasferimento dati e disponibilità tra sito WordPress, automazione e provider prima di scegliere un modello più grande.

Il calcolo AI sale in orbita

Il 20 settembre la Cina ha messo in orbita nove satelliti, tra cui Supercomputing-1. La China National Space Administration conferma il lancio; il portale del governo di Pechino descrive un’unità capace di elaborare a bordo dati di osservazione terrestre e inferenza AI, inviando a terra solo i risultati utili. L’obiettivo dichiarato è ridurre da ore a minuti i tempi di risposta.

Non è un data center orbitale general purpose. È edge computing portato vicino alla fonte del dato: si evita di trasferire tutto prima di iniziare il lavoro. Il principio vale anche a terra. Filtrare, comprimere o classificare vicino alla sorgente riduce banda, latenza e superficie esposta.

La take operativa: comprare un percorso, non un modello

Queste quattro notizie raccontano una sola cosa: l’infrastruttura AI si sta verticalizzando. Chi controlla chip, interconnessione, cavi e luogo di elaborazione controlla costi, continuità e regole d’accesso. Per PMI e professionisti la risposta non è imitare gli hyperscaler, ma rendere il proprio stack sostituibile.

Nel prossimo acquisto AI chiederei quattro dati: regione reale di elaborazione, costo di uscita dei dati, alternativa al provider principale e metrica di latenza sul workflow completo. Poi fisserei un test di continuità, come già conviene fare quando la capacità dei data center diventa variabile. Il modello può cambiare in una settimana. La dipendenza infrastrutturale resta nel contratto molto più a lungo.