Il nuovo assetto della spesa globale per l’AI
Secondo le previsioni pubblicate da Gartner il 12 novembre 2026, nel 2027 le infrastrutture assorbiranno il 59 % della spesa mondiale per l’intelligenza artificiale, pari a 2.397 miliardi di dollari. Si tratta di un incremento del 53 % rispetto al 2026 e di quasi sei dollari su dieci investiti nell’AI destinati alla sua base infrastrutturale.
La spesa complessiva per l’intelligenza artificiale raggiungerà 4.050 miliardi di dollari, con una crescita del 47,5 % rispetto all’anno precedente. Dopo la fase di sperimentazione dei modelli generativi e l’introduzione dei primi assistenti intelligenti, l’attenzione si sposta verso la capacità di far funzionare l’AI in modo continuativo, affidabile e su scala industriale.
Questa trasformazione ridisegna le priorità di investimento dell’industria tecnologica mondiale, rendendo strategici aspetti quali la disponibilità di energia, la progettazione dei data‑center, l’efficienza dei sistemi di calcolo e la gestione delle risorse tecnologiche.
Distribuzione della spesa per categoria
Gartner indica che le infrastrutture rappresentano di gran lunga la categoria più rilevante in termini di valore assoluto, mentre software, servizi e agenti AI continuano a crescere rapidamente. I dati più significativi includono:
- Infrastrutture: +834 miliardi di dollari di spesa aggiuntiva tra il 2026 e il 2027.
- Servizi AI: crescita del 29,5 % fino a 746 miliardi di dollari.
- Software AI: raggiunge 649 miliardi di dollari, con un aumento del 42 %.
- Agenti e assistenti intelligenti: da 30 a 67 miliardi di dollari.
Questi numeri evidenziano due fenomeni complementari: le imprese aumentano gli investimenti nelle applicazioni, mentre i fornitori tecnologici devono ampliare la capacità infrastrutturale necessaria a supportarle.
Server ottimizzati per l’AI
Il segmento più dinamico all’interno delle infrastrutture è rappresentato dagli AI‑optimized server. Gartner prevede una spesa che passerà da 527,6 miliardi di dollari nel 2026 a 957,2 miliardi nel 2027, con una crescita superiore all’81 %.
Questa crescita è trainata soprattutto dagli hyperscaler, i grandi operatori cloud che stanno costruendo e ampliando infrastrutture dedicate, e dai cosiddetti “neo‑cloud provider”, fornitori specializzati nell’offerta di capacità di calcolo ad alte prestazioni per l’AI.
Un ulteriore fattore di pressione è la “mem‑inflation”, ovvero l’aumento dei prezzi delle memorie, che contribuisce a far crescere il costo dei server ottimizzati per l’AI oltre la pura espansione della capacità di calcolo.
Da addestramento a inferenza: la nuova domanda di capacità
Nel primo periodo di espansione dell’AI generativa, l’attenzione era concentrata sull’addestramento dei grandi modelli linguistici, attività che richiede enormi risorse computazionali. Oggi, accanto all’addestramento, cresce in maniera significativa la domanda di inference, ovvero l’esecuzione dei modelli già addestrati per produrre risposte, elaborare dati e supportare processi operativi.
John‑David Lovelock, Distinguished VP Analyst e Chief of Research di Gartner, sottolinea che la crescita più rapida dei requisiti legati all’inferenza, insieme alla crescente complessità computazionale dell’addestramento, alimenta la spesa infrastrutturale mondiale.
L’inferenza è un consumo continuativo di risorse: ogni volta che un’applicazione AI viene utilizzata, richiede potenza di calcolo. Questo fenomeno si accentua con la diffusione dell’AI agentica, in cui gli agenti intelligenti eseguono sequenze di operazioni, interrogano più modelli, accedono a sistemi aziendali e coordinano processi complessi, moltiplicando le richieste di elaborazione.
Una ricerca Gartner sull’AI‑optimized IaaS pubblicata nell’agosto 2026 mostrava che, già quell’anno, la spesa per l’inferenza (23,3 miliardi di dollari) aveva superato quella per l’addestramento (19 miliardi), confermando il cambiamento di paradigma.
Implicazioni per operatori cloud e imprese
Il passaggio da un modello centrato sull’addestramento a uno dominato dall’inferenza sposta la domanda verso infrastrutture capaci di garantire prestazioni, disponibilità e costi sostenibili nel funzionamento quotidiano delle applicazioni AI. Gli operatori cloud devono quindi investire in:
- architetture a bassa latenza;
- soluzioni di raffreddamento energeticamente efficienti;
- modelli di pricing flessibili per l’uso continuo delle risorse.
Conferma di IDC: crescita reale della domanda
Il Worldwide Quarterly AI Infrastructure Tracker di IDC, pubblicato il 6 novembre 2026, evidenzia che la spesa mondiale per le infrastrutture AI ha raggiunto 121,4 miliardi di dollari nel secondo trimestre del 2026, con un incremento del 53 % rispetto allo stesso periodo del 2025 e del 34 % rispetto al trimestre precedente.
IDC ha rivisto al rialzo le proprie previsioni per l’intero 2026, portandole da 497 a 521 miliardi di dollari. Le proiezioni indicano che nel 2029 il mercato supererà la soglia dei mille miliardi, raggiungendo 1.170 miliardi, per arrivare a 1.330 miliardi nel 2030.
È importante notare che IDC e Gartner utilizzano perimetri diversi: IDC si concentra su server e storage destinati ai carichi di lavoro AI, mentre Gartner adotta una definizione più ampia che include anche componenti tecnologiche aggiuntive. Pertanto i valori assoluti non sono direttamente confrontabili, ma entrambe le analisi convergono nel segnalare una crescita sostenuta della domanda.
Composizione della domanda secondo IDC
Nel secondo trimestre del 2026, la spesa per sistemi accelerati (GPU e altri processori specializzati) ha raggiunto 105,8 miliardi di dollari, confermando la loro posizione dominante negli investimenti. Tuttavia, la crescita non è limitata a questi sistemi: anche soluzioni di storage ad alta velocità, networking a bassa latenza e tecnologie di raffreddamento avanzate beneficiano dell’aumento della domanda.
Questa diversificazione indica che la trasformazione dell’infrastruttura AI non è solo una questione di potenza di calcolo, ma coinvolge l’intero ecosistema digitale, dalla connettività alla gestione energetica.
Le sfide emergenti: costi, energia e ritorno sull’investimento
Con l’aumento della spesa infrastrutturale, crescono le incognite su costi operativi, consumo energetico e ritorno economico. Le principali preoccupazioni includono:
- Consumo energetico: i data‑center AI richiedono enormi quantità di energia, spingendo gli operatori a cercare fonti rinnovabili e tecnologie di raffreddamento più efficienti.
- Pressione sui prezzi dei componenti: la mem‑inflation e la carenza di chip specializzati possono far lievitare i costi di capitalizzazione.
- Ritorno sull’investimento (ROI): le imprese devono dimostrare che le performance aggiuntive giustificano le spese di infrastruttura, soprattutto in settori con margini ristretti.
Per affrontare queste sfide, gli operatori stanno sperimentando approcci come il “green AI”, che ottimizza gli algoritmi per ridurre il consumo energetico, e modelli di consumo “pay‑as‑you‑go” per distribuire i costi in modo più flessibile.
Prospettive future e conclusioni
Le previsioni di Gartner e IDC indicano che la spesa per le infrastrutture AI continuerà a crescere in modo esponenziale nei prossimi anni, con un mercato che dovrebbe superare i 1.300 miliardi di dollari entro il 2030. La centralità delle infrastrutture rende evidente che l’AI non è più solo una questione di algoritmi, ma dipende fortemente da una base hardware e di rete capace di sostenere carichi di lavoro intensivi e continui.
Gli investimenti in data‑center, server ottimizzati, reti ad alta velocità e soluzioni energetiche sostenibili saranno quindi i principali driver della competitività delle aziende nel panorama digitale. Al contempo, la pressione sui costi e la necessità di dimostrare un ROI solido costringeranno gli attori del settore a innovare non solo a livello tecnologico, ma anche nella gestione finanziaria e operativa delle risorse.
In sintesi, il 2027 segna una svolta cruciale: quasi sei dollari su dieci investiti nell’intelligenza artificiale saranno destinati alle infrastrutture, confermando che la sfida più grande per il futuro dell’AI sarà costruire un’infrastruttura globale capace di alimentare l’innovazione in modo sostenibile, efficiente e economicamente vantaggioso.