Fixed Wireless

L’infrastruttura che alimenta l’AI — data center, reti, energia — vale già 400 miliardi di dollari l’anno e crescerà fino a un trilione entro il 2028; ciò anche perché l’AI agentica richiede reti riprogettate da zero: latenza sub-100ms, identità crittografiche per ogni agente, policy unificate tra cloud e ambienti on-premise. Nel frattempo, la disponibilità di energia elettrica ha superato il capitale come principale collo di bottiglia allo sviluppo. Europa e USA si confrontano con reti elettriche al limite: chi pianifica prima vince la corsa all’AI.

C’è qualcosa di paradossale nel modo in cui il mondo parla di intelligenza artificiale. I titoli dei giornali inseguono i modelli linguistici, i chatbot, le applicazioni consumer. Ciò che rimane fuori campo – invisibile e necessario come l’aria – è l’infrastruttura che rende tutto possibile: i data center, le reti, la corrente elettrica, i protocolli di connessione tra agenti autonomi. È lì che si gioca la partita vera. Ed è lì che stanno confluendo, silenziosamente, centinaia di miliardi di dollari l’anno.

I numeri che ridisegnano il mondo

Nel 2026, la spesa globale per i data center AI ha raggiunto una soglia che pochi avrebbero immaginato solo tre anni fa: tra i 400 e i 450 miliardi di dollari di capital expenditure, con una proiezione che tocca il trilione entro il 2028. Non si tratta di una stima di mercato ottimistica: è la convergenza di dati provenienti da Goldman Sachs, Deloitte, McKinsey e da chi, ogni giorno, prende decisioni concrete su dove costruire, quanta potenza installare e come finanziare l’espansione. [1]

Dietro questa cifra c’è un’equazione semplice e brutale: la domanda di calcolo cresce quattro o cinque volte più velocemente di quanto l’efficienza dei chip riesca a compensare. Ogni nuova generazione di server è più efficiente per unità di calcolo, ma consuma più potenza per singolo rack. I server Vera Rubin di NVIDIA, ad esempio, offrono il 16% in più di velocità di calcolo per kilowatt rispetto alla generazione Blackwell precedente – ma la loro potenza massima per server è aumentata del 68%. L’efficienza non basta: l’appetito dell’AI è più vorace. [2][1]

A questo si aggiunge la transizione dal training all’inferenza, che molti avevano interpretato come un segnale di rallentamento. Deloitte smentisce questa lettura con dati precisi: l’inferenza nel 2026 rappresenta circa i due terzi di tutto il calcolo AI (contro un terzo nel 2023), ma le tecniche di post-training scaling richiedono 30 volte più calcolo del training originale, mentre il test-time scaling – il cosiddetto “pensiero lungo” dei modelli – ne richiede oltre 100 volte. Il risultato è che i data center non diventano più piccoli: crescono, si densificano, si moltiplicano. [1]

L’infrastruttura invisibile che connette tutto

In questo contesto, parlare di “connettività avanzata” significa qualcosa di molto più ampio della semplice banda larga. Significa ripensare l’intera architettura di rete che permette a decine di migliaia di GPU di comunicare tra loro in millisecondi, che consente a workload distribuiti su datacenter multipli di funzionare come un unico sistema coerente, e – frontiera emergente – che abilita agenti AI autonomi a collaborare tra di loro in tempo reale senza compromettere sicurezza e governance.

McKinsey identifica la connettività avanzata come una delle tendenze tecnologiche di frontiera per il 2025-2026, sottolineando come la sua importanza sia amplificata proprio dall’esplosione dell’AI. “One of the most pronounced connectivity trends during the last year was a significant growth in data center connectivity demand driven by AI. Hyperscalers are looking to build or buy significantly more fiber than before”. Non è una tendenza secondaria: è una condizione abilitante per tutto il resto. [3]

A livello tecnico, i requisiti di rete per i data center AI di nuova generazione sono radicalmente diversi da quelli tradizionali. I cluster GPU per il training di modelli fondazionali richiedono comunicazioni inter-nodo a latenza bassissima e bandwidth elevatissima. Meta, ad esempio, ha sviluppato reti specializzate per i propri cluster GPU che utilizzano RDMA over Converged Ethernet version 2 (RoCEv2) come trasporto per le comunicazioni inter-nodo in AI training distribuito. Non è un dettaglio tecnico, bensì la colonna vertebrale che determina se un training run da settimane può completarsi o collassa al primo ritardo di rete. [3]

La fotonica al silicio sta emergendo come tecnologia abilitante per portare questa connettività a scala. Marvell ha dimostrato in laboratorio un motore 3D di fotonica al silicio capace di 6,4 terabit al secondo, con 32 canali da 200 gigabit ciascuno – un’integrazione che riduce il costo per bit e offre scalabilità modulare da 1,6 a 6,4 terabit e oltre. NVIDIA ha annunciato Spectrum-X Photonics, switch di rete con ottica co-impacchettata per scalare le AI factory fino a milioni di GPU, con prestazioni 10 volte superiori e 63 volte migliore integrità del segnale rispetto ai metodi tradizionali. [3]

L’AI agentica e la crisi delle reti tradizionali

Ma c’è una sfida più sottile e più urgente che emerge con forza nel 2026: le reti aziendali non sono state progettate per l’AI agentica. Questa è la tesi centrale di Equinix, che gestisce oltre 260 data center in 36 paesi e ha costruito la propria riflessione su questo tema partendo dall’osservazione diretta di migliaia di deployment aziendali. [4]

L’AI agentica – sistemi in cui molteplici agenti autonomi collaborano, prendono decisioni e agiscono in modo indipendente – non è semplicemente “più AI”. È un paradigma radicalmente diverso che richiede un’infrastruttura altrettanto diversa. McKinsey misura l’investimento in equity nell’AI agentica a 985 miliardi di dollari nel 2024, con una crescita più rapida di qualsiasi altra tendenza tecnologica. Deloitte rileva che quasi tre aziende su quattro (74%) pianificano di impiegare l’AI agentica entro due anni. [5][3]

Il problema è che queste organizzazioni stanno cercando di eseguire sistemi multi-agente distribuiti, su infrastrutture progettate per un’architettura completamente diversa: reti perimetrali, controlli di sicurezza frammentati, policy di identità non coordinate tra ambienti cloud multipli. Quando agenti diversi girano su cloud diversi o ambienti on-premises, i loro controlli di sicurezza, le policy di rete e i confini di fiducia diventano progressivamente frammentati e difficili da gestire. [4]

La risposta che sta emergendo – e che Equinix ha dettagliato in un documento tecnico pubblicato nel febbraio 2026 – è il concetto di “secure agent enclave”: un’architettura che taglia trasversalmente i silos infrastrutturali e crea un approccio unificato alla gestione e alla sicurezza dei workload agentici, indipendentemente da dove siano ospitati. [4]

Anatomia di un’enclave sicura per agenti AI

La struttura di un’enclave sicura per agenti AI rappresenta l’evoluzione più sofisticata del networking aziendale. Non si tratta più solo di connettere sistemi: si tratta di creare un “trust fabric” che attraversa ogni strato dell’infrastruttura – rete, dati, identità, policy.

I requisiti tecnici sono precisi e non negoziabili: gestione del ciclo di vita di ogni agente attraverso un control plane centralizzato; comunicazione zero-trust con autenticazione e cifratura end-to-end per ogni interazione agente-agente e agente-tool; latenza sub-100 millisecondi per mantenere il ragionamento in tempo reale; supporto per comunicazioni asincrone e streaming per workload a lungo termine; topologie mesh per resilienza e scalabilità orizzontale; e, in modo cruciale, identità decentralizzata e verificabile crittograficamente per ogni agente e risorsa. [4]

Standard come il Model Context Protocol (MCP) di Anthropic e l’Agent2Agent (A2A) Protocol di Google forniscono le basi di autenticazione e controllo degli accessi. Google ha introdotto A2A come standard aperto per la collaborazione sicura tra agenti AI di vendor diversi, supportato da oltre 50 partner, abilitando use case come candidate sourcing e supply chain coordination. Ma i protocolli da soli non bastano: richiedono un’infrastruttura di rete profondamente integrata che estenda fiducia, identità e enforcement delle policy end-to-end senza rallentare l’innovazione. [3][4]

Il punto più critico – e spesso sottovalutato – è che nell’AI agentica la separazione tradizionale tra policy di rete e policy dei dati semplicemente non esiste più. Ogni hop di rete coinvolge prompt sensibili, dati embedded o output di modelli. Il routing di rete deve essere controllato deterministicamente: anche se un agente ha una policy dati valida, può comunque fare data leakage se il traffico passa su un percorso di rete non controllato. Network controls, data governance e agent-level policies devono operare come un unico fabric unificato. [4]

Il collo di bottiglia che non è il denaro

Se la sfida della connettività per l’AI agentica è sofisticata, quella dell’energia per i data center è brutale e materiale. La principale limitazione allo sviluppo dei data center nel 2026 non è il capitale, ma la disponibilità di energia elettrica. [6]

I dati convergono su questo punto da tutte le direzioni. Ropes & Gray, in un report pubblicato il 21 maggio 2026 dopo aver partecipato alla conferenza IMN Data Centers Private Equity a New York, certifica che la disponibilità di energia – non il capitale – è il driver primario delle decisioni di investimento. Goldman Sachs prevede una crescita della domanda elettrica dei data center del 220% entro il 2030 rispetto ai livelli del 2023, con il 60% di questa crescita concentrata negli Stati Uniti. Il Lawrence Berkeley National Laboratory stima che la domanda dei data center americani passerà dai 176 TWh del 2023 a 325-580 TWh entro il 2028. [7][2][6]

Le interconnessioni alla rete elettrica richiedono fino a quattro anni per essere completate. In questo vuoto, le soluzioni BYOP (Bring Your Own Power) – generazione onsite, principalmente a gas naturale – stanno diventando non più un’eccezione, ma una strategia strutturale: oltre un terzo dei data center prevede di utilizzare il 100% di energia onsite entro il 2030, un aumento del 22% rispetto alle previsioni di sei mesi prima. [8][6]

La conseguenza geografica è immediata: il capitale si concentra nelle regioni con vantaggi energetici. Nel mercato americano, il Texas è proiettato a diventare il principale mercato di data center entro il 2028, con una crescita del 142% di market share, mentre mercati storici come California e Oregon perderanno rispettivamente il 50% e il 67% della loro quota relativa. In Europa, il quadro è simile: le FLAP-D (Frankfurt, London, Amsterdam, Paris, Dublin) stanno perdendo terreno a favore dei Paesi nordici e di mercati emergenti come Italia e Belgio, dove i tempi di connessione alla rete sono più brevi. [9][8]

Europa: la rete elettrica come infrastruttura strategica

Il caso europeo merita attenzione particolare, perché sintetizza in modo esemplare come la connessione – quella elettrica, prima ancora di quella digitale – sia diventata un fattore competitivo strategico.

La domanda elettrica dei data center in Europa è proiettata a crescere del 150% tra il 2024 e il 2035, passando da 96 TWh a 236 TWh. L’Unione Europea ha fissato l’obiettivo di triplicare la capacità dei data center nei prossimi cinque-sette anni attraverso l’AI Continent Action Plan e il programma InvestAI, che mobilita 200 miliardi di euro. Ma le previsioni di ICIS, IEA, IMF e McKinsey mostrano come l’UE sia destinata a raddoppiare la capacità, non a triplicarla, se non si interviene strutturalmente sulle reti. [9]

Il problema è la congestione delle reti elettriche nei mercati tradizionali. L’Irlanda, per esempio, ha imposto una moratoria di fatto sui nuovi data center a Dublino fino al 2028. Nei Paesi Bassi e in Germania, i gestori di rete hanno adottato misure simili. La reazione del mercato è stata immediata: il capitale si è spostato verso mercati con minor congestione. [9]

La lezione è chiara: le grid non sono più solo infrastruttura energetica. Sono infrastruttura competitiva. I paesi che investono oggi in pianificazione proattiva delle reti si posizionano per attrarre i flussi di investimento in AI degli anni a venire.

L’AI agentica come rivoluzione del networking aziendale

L’impatto dell’AI agentica sull’infrastruttura di rete va compreso nella sua dimensione sistemica. Non si tratta solo di un nuovo tipo di workload da gestire: è una trasformazione del ruolo stesso della rete aziendale.

Nelle architetture tradizionali, la rete è infrastruttura passiva: trasporta dati tra sistemi che hanno logica applicativa propria. Nell’architettura agentica, la rete diventa piattaforma attiva per la fiducia, le performance e la scalabilità. Non connette solo sistemi: abilita il trust, l’agilità e l’innovazione in ambienti AI-driven. Questo richiede reti che siano identity-aware (consapevoli dell’identità di ogni agente e risorsa), policy-driven (dunque che l’enforcement delle regole avvenga a livello di fabric, non di applicazione) e self-optimizing (che si adattino dinamicamente alle topologie agentiche in evoluzione). [4]

I protocolli emergenti – MCP, A2A, Agent Communication Protocol (ACP), Agent Network Protocol (ANP) – stanno definendo le basi di questo nuovo strato di rete. Ma la loro efficacia dipende dall’infrastruttura sottostante: interconnessione fisica e virtuale, colocation strategica, private connectivity per il controllo del routing. È per questo che Equinix, nel posizionare il proprio modello di business per l’era agentica, pone l’enfasi sulle interconnection hub come punto di convergenza di ecosistemi digitali: oltre 10.000 aziende nello stesso fabric, con on-ramp diretti a tutti i major cloud provider in 39 mercati globali. [4]

La posta in gioco

Rileggere i numeri nel loro insieme produce una vertigine. Goldman Sachs stima oltre 300 miliardi di dollari di revisioni al rialzo alle previsioni di capex dei grandi hyperscaler solo negli ultimi due mesi, con la spesa totale in capex e R&D da parte dei principali hyperscaler globali destinata a raddoppiare entro il 2029 rispetto al 2025. Il mercato mondiale dei data center europeo era valorizzato 47 miliardi di euro nel 2024 ed è proiettato a raggiungere 97 miliardi entro il 2030. Deloitte prevede che il mercato degli agenti AI autonomi potrebbe raggiungere 8,5 miliardi di dollari entro il 2026 e 35 miliardi entro il 2030, con un potenziale di crescita aggiuntiva del 15-30% se le aziende orchestreranno meglio i propri agenti. [2][1][9]

La posta in gioco non è solo economica. L’IMF stima che il boom dell’AI possa aumentare il tasso di crescita annuale del PIL globale di 0,5 punti percentuali tra il 2025 e il 2030 – ma solo se l’infrastruttura dei data center viene predisposta in tempo. La Germania vede i data center contribuire già per 10,4 miliardi al proprio PIL nel 2024, con previsioni di raddoppio entro il 2029. Il Regno Unito stima 55 miliardi di valore aggiunto annuo per un decennio grazie all’AI. [9]

Siamo in quello che Goldman Sachs chiama la “Appraisal Phase” del ciclo di innovazione AI: la fase in cui l’investimento in infrastruttura è più aggressivo, i multipli di valutazione più elevati, e la posta in gioco più alta. La transizione verso la “Execution Phase” – quando la domanda di calcolo sarà definita, i ritorni si normalizzeranno, e il vantaggio competitivo si sposterà dall’infrastruttura alla capacità di estrarne valore – è inevitabile. Ma non è ancora arrivata. [2]

Nel frattempo, l’infrastruttura invisibile continua a crescere: rack su rack, fibra su fibra, agente su agente. E chi la costruisce oggi, determinerà dove e come l’AI trasformerà il mondo nei prossimi dieci anni.

Fonti

[1] Deloitte TMT Predictions 2026
[2] Goldman Sachs GS SUSTAIN AI Data Center Power Demand (febbraio 2026)
[3] McKinsey Technology Trends Outlook 2025
[4] Equinix – Your Network Wasn’t Built for Agentic AI (febbraio 2026)
[5] Deloitte State of AI in the Enterprise – The Untapped Edge (2026)
[6] Ropes & Gray – Data Center Investment in 2026 (maggio 2026)
[7] Belfer Center Harvard – AI, Data Centers, and the U.S. Electric Grid (febbraio 2026)
[8] Bloom Energy 2026 Data Center Power Report
[9] Ember Energy – Grids for Data Centres in Europe (giugno 2025)