Chi tiene le chiavi della corrente

Chi tiene le chiavi della corrente

Il dibattito sull'intelligenza artificiale si sposta dai modelli alle centrali elettriche. E la domanda diventa una sola: chi può permettersi di costruirle.

Lunedì otto settembre, e questa puntata di Signal Brief comincia con una parola che fino a ieri non apparteneva a questo racconto: corrente. Non modelli, non algoritmi, non dati. Elettricità, terreni, cavi, sottostazioni.

Nell'arco di pochi giorni le persone che guidano questa industria hanno smesso di discutere di quanto diventeranno bravi i sistemi e hanno cominciato a discutere di dove metterli fisicamente. È un cambio di conversazione, e i cambi di conversazione dicono più delle conversazioni stesse.

A Palo Alto, intanto, qualcuno stava scrivendo un messaggio sui data center che vale la pena leggere per intero.

Il messaggio è di John Carmack, uno dei programmatori più rispettati degli ultimi trent'anni, l'uomo dietro i motori grafici che hanno inventato il videogioco moderno. All'inizio di settembre ha pubblicato un post in cui sostiene che l'ostilità dell'opinione pubblica verso i data center è un rischio concreto per l'intera traiettoria dell'intelligenza artificiale. E fa un paragone preciso: la reazione contro il nucleare negli Stati Uniti. Allora l'industria diede per scontato che il consenso ci fosse, non lo coltivò, e si ritrovò con cantieri fermi per quarant'anni.

È un'osservazione nuova. Fino a ieri, in questo racconto, il calcolo era un problema di ricerca — quanto ne serve, quanto costa, chi ce l'ha. Adesso è un problema di vicinato. Qualcuno deve accettare che accanto al proprio paese venga costruito un capannone che consuma quanto una città media, e che non produce nulla di visibile.

Sasha Luccioni prova a rispondere a questa domanda dall'altra parte. Ricercatrice sull'impatto ambientale dei sistemi di intelligenza artificiale, a maggio ha co-fondato il Sustainable AI Group, una società che aiuta le aziende a misurare energia, carbonio e acqua consumati dai loro modelli. A luglio, su TIME, ha scritto che i data center possono essere progettati in modo compatibile con gli obiettivi climatici. Il passaggio interessante è il ribaltamento: misurare non serve più a denunciare, serve a difendere. Se sai quanto consumi, puoi negoziare. Se non lo sai, subisci.

E poi c'è Jensen Huang, che il due settembre alla CNBC ha definito questo momento l'inizio di una rivoluzione industriale, e al vertice del G20 sull'innovazione ha sostenuto che ogni Paese ha bisogno di infrastruttura per l'intelligenza artificiale come ha bisogno di strade e di elettricità. Tre posizioni diverse — il timore, la misura, l'infrastruttura pubblica — che convergono sullo stesso fatto: il collo di bottiglia si è spostato dal laboratorio al territorio.

Ieri raccontavamo lo spostamento dall'addestramento dei modelli alla loro messa in opera: contesto, strumenti, memoria. Oggi il baricentro si è spostato di un altro passo, e più in basso: sotto i sistemi, alle fondamenta fisiche. Dal software all'immobiliare, verrebbe da dire.

Non è la prima volta. Quando l'elettricità entrò nelle fabbriche, a inizio Novecento, per vent'anni il problema non fu il motore elettrico — quello funzionava benissimo. Il problema fu ridisegnare i capannoni, portare le linee, convincere i proprietari a demolire l'albero di trasmissione che attraversava l'officina. La tecnologia era pronta molto prima del mondo attorno.

Sotto questa storia ne corre una seconda, ed è quella che mi sembra più interessante. Se il calcolo diventa una questione di territorio e di consenso, allora chi può permettersi di costruire è un club molto piccolo. E la reazione, già visibile, è che tutti gli altri cerchino un'altra strada.

Quella strada ha un nome semplice: far girare i modelli a casa propria.

Aravind Srinivas guida Perplexity, il motore di ricerca che risponde a domande invece di restituire dieci link blu. Il quattro settembre, in un'intervista alla CNBC, ha detto una cosa che a prima vista sembra tecnica e invece è politica: gli utenti vogliono far girare l'intelligenza artificiale sul proprio hardware.

Non sul cloud. Sul portatile, sul telefono, sulla macchina che hanno sotto le dita.

Nella stessa conversazione ha parlato di data center e di dove convenga far accadere il calcolo, e la direzione che sta prendendo Perplexity segue quella logica: un sistema che coordina più modelli, strumenti e file, spostando sul dispositivo dell'utente quello che si può spostare, e lasciando fuori solo ciò che davvero richiede una macchina grande. Le ragioni che porta sono banali e proprio per questo forti: costa meno, ed è più riservato.

Ora, questa spinta verso la periferia non è isolata, ed è qui che diventa una storia. Vitalik Buterin, che ha inventato Ethereum, ha spostato il proprio uso quotidiano dei modelli su una configurazione interamente locale, e lo ha fatto per sicurezza: in questi giorni ha argomentato che i guai che l'intelligenza artificiale porterà nel mondo delle criptovalute saranno per lo più riparabili, a patto di trattarli come problemi di sicurezza informatica — recinti, sandbox, strumenti che girano in casa. Vivek Raghavan, co-fondatore di Sarvam AI e prima di allora tra gli architetti del sistema di identità digitale indiano, traduce la stessa idea su scala nazionale: se l'India non costruisce il proprio stack completo, dice, rischia di diventare una colonia digitale.

Tre motivazioni completamente diverse. Il costo, la sicurezza, l'indipendenza di un Paese. E arrivano tutte alla stessa architettura: i modelli che girano vicino a chi li usa, non in un capannone dall'altra parte del mondo.

Ieri la sovranità digitale sembrava una rivendicazione di margine, una posizione da conferenza geopolitica. Oggi si ritrova al centro, perché la stessa forma tecnica serve a tre bisogni che di solito non si parlano.

C'è però un dettaglio che rende il tutto meno lineare. Nvidia, secondo indiscrezioni, starebbe valutando un investimento in Perplexity. E l'azienda che fornisce le schede grafiche ai grandi data center è la stessa che le mette dentro i portatili. Chiunque vinca, la corrente passa dalla stessa dogana.

Se c'è una scena che racconta lo scarto di questa settimana, è quella di Dario Amodei che firma contratti che fino a poco fa definiva folli.

Amodei guida Anthropic, ed è stato per anni la voce che invitava alla prudenza sugli impegni giganteschi per il calcolo. Nei primi giorni di settembre, una ricostruzione di Reuters racconta il ribaltamento: con la domanda per Claude cresciuta oltre le previsioni, l'azienda si è mossa verso impegni enormi sull'infrastruttura — accordi con Azure, con Nscale, e uno legato a SpaceX.

Il punto non è l'incoerenza. È il meccanismo. Amodei non sembra aver cambiato idea sul fatto che quei contratti siano sproporzionati; ha semplicemente concluso che non firmarli significa uscire dalla gara. È la logica della corsa agli armamenti applicata all'edilizia industriale: nessuno dei partecipanti pensa che sia saggio, tutti sono certi che fermarsi sia peggio.

E la cosa notevole è che nello stesso periodo Amodei ha continuato a chiedere regole. Ha ribadito il sostegno ai test obbligatori prima del rilascio dei modelli di frontiera, e a un organismo di vigilanza sul modello di quello che negli Stati Uniti sorveglia gli operatori finanziari. Ha continuato a tracciare linee rosse su sorveglianza e armi autonome. Chiede insomma un arbitro proprio mentre accelera, il che è più coerente di quanto sembri: un vincolo esterno è l'unica cosa che permette a tutti di rallentare insieme senza che nessuno ci rimetta.

Da qui si capisce meglio perché la scala resti il terreno del contendere. Yann LeCun, che ha lasciato Meta per fondare AMI Labs, continua a sostenere che i modelli linguistici hanno un limite che nessuna quantità di calcolo supererà, e che serviranno sistemi che imparano dal mondo fisico, non solo dai testi. François Chollet, in questi giorni molto attivo, indica un'altra direzione ancora: il margine non sta nell'addestramento ma nel calcolo speso al momento della risposta — lasciare al sistema più tempo per ragionare su una singola domanda, invece che più dati durante la preparazione.

Restano voci di minoranza. Ma con la maggioranza impegnata a discutere di megawatt, sono anche le uniche rimaste a discutere di intelligenza.

Vale la pena fermarsi un attimo per rimettere in fila la giornata: il calcolo è diventato un problema di territorio, chi non può costruire capannoni spinge i modelli verso i dispositivi, e chi può costruirli firma assegni che considera esagerati. Dentro questo quadro si muove una terza storia, che riguarda il lavoro delle persone.

Jack Dorsey, che ha fondato Twitter e oggi guida Block, ha lanciato Buzz: uno spazio di lavoro condiviso in cui persone e agenti software stanno negli stessi canali, con identità e permessi propri, e in cui i rami di codice si leggono come conversazioni. È open source, funziona con qualunque modello, e si può installare sui propri server.

Detto così sembra un concorrente di Slack. La scommessa vera è un'altra, e Dorsey la porta avanti da mesi anche dentro la propria azienda, riorganizzata attorno agli strumenti di intelligenza artificiale più che ai livelli di gestione: quello che gli agenti sostituiscono per primo non è la scrittura di software, è il coordinamento. Le riunioni per allinearsi, i messaggi per sapere a che punto è una cosa, il lavoro di raccordo che in ogni azienda occupa più tempo del lavoro vero.

Andrej Karpathy arriva da un'altra strada allo stesso punto. Da maggio è entrato in Anthropic, nel gruppo che si occupa dell'addestramento dei modelli, con il compito di usare Claude per accelerare la ricerca sui modelli stessi. E a marzo aveva pubblicato autoresearch, un progetto minuscolo che lascia a un agente il ciclo completo di un esperimento di apprendimento automatico: propone una modifica, addestra, valuta, tiene solo ciò che migliora. Lo ha definito la battaglia finale per i laboratori di frontiera. La sua descrizione del lavoro di programmazione oggi è che gli esseri umani gestiscono più agenti in parallelo invece di scrivere righe di codice.

Benedict Evans, il tre settembre, ha pubblicato un saggio che rema contro. Il valore, sostiene, non nasce dal generare codice più in fretta: nasce dal riorganizzare i flussi di lavoro fra aziende diverse, e quello è un passaggio istituzionale, lento, fatto di contratti e abitudini. Andrew Ng lo conferma dal lato pratico, insistendo su pianificazione e controllo invece che su agenti lasciati liberi per ore.

È la stessa discussione che si fece sulla posta elettronica negli anni Novanta. La tecnologia arrivò in due anni. Il modo di lavorare che presuppone ci mise dieci.

Progetti da osservare.

GLM-5.2 è un modello open, rilasciato con licenza permissiva, che secondo i risultati pubblicati batte GPT-5.5 sui compiti di programmazione a circa un sesto del costo. È l'argomento più solido a favore della periferia: se la qualità si trova anche fuori dai grandi cloud, la concentrazione perde una parte della sua giustificazione.

Sarvam-105B è la versione indiana della stessa idea. Un modello addestrato interamente in India su calcolo pubblico nazionale e rilasciato liberamente, insieme a una variante più piccola. È il timore della colonia digitale tradotto in qualcosa che si può scaricare.

Buzz, di cui abbiamo già parlato, è lo spazio di lavoro dove persone e agenti condividono canali e permessi. Accanto gira goose, l'agente di programmazione open source della stessa azienda, che Block ha messo al centro del proprio riassetto interno.

deer-flow, sviluppato da ByteDance, è l'impalcatura che permette a un agente di lavorare per ore su un compito lungo, coordinando strumenti, memoria e agenti secondari. Con quasi settantamila stelle su GitHub, è la scommessa industriale più visibile sull'ipotesi che il coordinamento si possa automatizzare.

E infine nono, una sandbox per agenti da riga di comando che usa direttamente i meccanismi di isolamento del sistema operativo, senza container né macchine virtuali, con i permessi minimi attivi di default. È la risposta pratica al timore di Buterin: se gli agenti girano sulla tua macchina, servono recinti veri.

Carmack che paragona i data center alle centrali nucleari, Amodei che firma quello che chiamava folle, un modello indiano scaricabile da chiunque. Tre gesti che sembrano non parlarsi, e invece rispondono tutti alla stessa domanda: chi decide dove abita l'intelligenza.

La risposta, per ora, sembra dipendere meno dalla ricerca che dai piani regolatori.

È stato Signal Brief. Alla prossima.