PER VINCERE LA PARTITA DEMOCRATICA SULL' AI

Introduzione

Ringrazio Casa della cultura e Fondazione Basso per avere ospitato questo seminario organizzato dal “gruppo Biasco”, ed il Forum Disuguaglianze e Diversità per il sostegno.

Dico subito che la proposta di Giorgio Parisi ed altri di creare un CERN dell’AI va nella direzione giusta e lo spiego perché in tre passaggi:

1) In che misura il potere economico su AI è concentrato oligopolisticamente, cause e rischi

2) Come l’UE ha risposto e quali critiche si possono fare alla strategia della CE

3) Perché servirebbe una infrastruttura di ricerca per AI sul modello del CERN, come primo passo verso una impresa pubblica europea per la transizione digitale governata dal ciò che chiamo “intelligenza sociale”.

1. Il potere di mercato

La AI oggi è proposta come tecnologia a costi fissi elevati per infrastrutture di calcolo nei data center — compresi chip specializzati (GPU) —, fonti energetiche dedicate, R&S, capitale umano. Si generano formidabili economie di scala: l’utente aggiuntivo ha un costo marginale basso. Lo abbiamo già visto nell’economia delle piattaforme (ma storicamente, ad esempio, nelle ferrovie ed altre industrie a rete), ma qui i costi fissi sono molto maggiori. Queste scelte tecnologiche spingono quindi verso il monopolio naturale, caratterizzato da costi medi unitari decrescenti con la quantità (non ha senso duplicare i binari come i motori di ricerca).

È una forma di mercato strutturalmente anticoncorrenziale.

Secondo alcune stime, nel 2025 la capacità globale di calcolo per l’AI ha raggiunto l’equivalente di 17,1 milioni di GPU H100 (una misura normalizzata). L’H100 è il chip più potente di NVIDIA, con un prezzo di mercato fino a 40.000 USD (o di affitto per 3 USD). NVIDIA, con valore di borsa di 5200 miliardi USD, utili annui attorno ai 60 miliardi, rappresenta da sola oltre il 60% di tale capacità: progetta e finanzia i suoi clienti (si stima per 500 miliardi), con una azienda di Taiwan (TSMC) come fornitore principale. Aziende terze come ASUS, Gigabyte o Palit si occupano poi di realizzare i circuiti stampati, i sistemi di raffreddamento e l'assemblaggio finale delle GPU commercializzate

La concentrazione va ben oltre i modelli ed i chip dedicati. Nel cloud computing europeo, tre hyperscaler extra-UE detengono oltre il 70% del mercato, secondo la Commissione Europea: Amazon Web Services, Microsoft Azure, Google Cloud Plaftorm.

Questo è importante perché l’IA è sempre più una filiera integrata, anziché un prodotto autonomo:

chip → data centers → cloud → modelli fondazionali → applicazioni → distribuzione.

L’industria ha prodotto più del 90% dei modelli di IA di rilievo: nel 2025, 87 modelli provenivano dall’industria, contro 1 dal mondo accademico, 5 da collaborazioni tra industria e università e 2 da altre fonti.

Le imprese che controllano più livelli si rafforzano a vicenda. Un fornitore di modelli che dispone di un accesso privilegiato alla capacità di calcolo ha un vantaggio sui concorrenti; un fornitore di servizi cloud che sviluppa anche i propri modelli può indirizzare i clienti verso il proprio ecosistema; un fornitore di applicazioni può sfruttare la propria rete di distribuzione per rafforzare la piattaforma sottostante.

Contare le start-up dell’IA è quindi fuorviante. Migliaia di aziende sviluppano applicazioni di AI, ma la filiera tecnologica sottostante è concentrata. Un piccolo gruppo di imprese —OpenAI, Anthropic, Google, Microsoft, Amazon, Meta, NVIDIA e alcuni operatori cinesi (DeepSeek, Alibaba, Huawei), poi TMSC e pochi altri — controlla una quota sproporzionata dei modelli di frontiera, della capacità di calcolo, delle infrastrutture cloud e delle tecnologie essenziali per i semiconduttori. Queste imprese dispongono quindi di una capacità strutturale di influenzare la traiettoria dell’industria dell’AI che è in larga misura preclusa alle start-up attive nel livello applicativo.

Vi sono alcune alternative europee imprese AI e cloud, frammentate fra Francia, Germania ecc. (ad esempio Aruba in Italia), ma se la tecnologia presenta rendimenti decrescenti di scala possono vivere ai margini di un futuro equilibrio oligopolistico, che sarà ancora più concentrato. The Economist stima che a fine decade servirebbero 2500 miliardi USD di ricavi per coprire i costi cumulati dei data centres, mentre ad oggi i ricavi annuali sono 150 miliardi. Non si vede come possano crescere quanto servirebbe, per cui ci si può attendere un crash. Si vedrà chi sarà per primo costretta ad uscire dal mercato.

2. La strategia UE

La UE ha sin qui immaginato una strategia prevalentemente di regolamentazione piuttosto che di ricerca, sviluppo e investimento. Un elenco non esaustivo, compresi alcuni settori connessi, è nella tabella.

L'AI Act identifica quattro livelli di rischio.

1. Rischio inaccettabile — divieto: Pratiche manipolative, determinate forme di social scoring, sfruttamento delle vulnerabilità e alcune forme di identificazione biometrica. Sono previste eccezioni specifiche per taluni impieghi delle forze dell'ordine e presumibilmente per la difesa.

2. Alto rischio — obblighi rigorosi: Applicazioni per gestione del personale, istruzione, infrastrutture critiche, servizi essenziali, giustizia e gestione delle frontiere, oltre a determinati prodotti regolamentati.

3. Rischio di trasparenza — obblighi informativi: Chatbot, contenuti sintetici e deepfake: gli utenti devono ricevere informazioni appropriate sull'interazione con sistemi artificiali o sull'origine artificiale dei contenuti.

4. Rischio minimo — sostanziale libertà: Molte applicazioni ordinarie, come filtri antispam e sistemi di raccomandazione non classificati ad alto rischio, non sono sottoposte agli obblighi specifici dei sistemi ad alto rischio.

Queste classificazioni non sembra potere funzionare, per queste ragioni:

· Primo, la tecnologia evolve più rapidamente della legislazione, che non descrive adeguatamente i rischi, oltre a prevedere eccezioni che creano falle ed incertezza

· Secondo, la regolamentazione non riduce necessariamente la dipendenza strutturale. L’Europa potrebbe disporre di norme esemplari, mentre università, imprese e amministrazioni pubbliche resterebbero dipendenti da cloud, chip e modelli fondazionali stranieri.

· Terzo, è significativo che alla classificazione del rischio potenziale non è stato possibile affiancare norme comunitarie sulla responsabilità civile, rimandata alla legge nazionale e ai tribunali, con evidente frammentazione e possibile confusione giurisdizionale.

La regolamentazione non esaurisce la politica della Commissione, ma non più efficace sembra la nuova politica industriale europea per l'AI. È un affastellamento di norme e iniziative:

Esempi:

· I 200 miliardi di InvestAI annunciati non sono 200 miliardi di spesa pubblica europea già effettuata a favore di progetti, né un nuovo stanziamento integralmente a carico del bilancio UE. Sono un obiettivo di mobilitazione di risorse pubbliche e private, su un orizzonte pluriennale, non sostenuto da impegni specifici.

· Gigafactories, la quota di finanziamento centrale promessa dall'UE è di 5 miliardi. Tuttavia, solo 1 miliardo è coperto dall'attuale bilancio europeo (fino al 2027). I restanti 4 miliardi dipendono dai futuri ed incerti negoziati politici per il Quadro Finanziario Pluriennale (MFF) post-2027, con i ‘frugali’ che propongono tagli alle pure modeste proposte della Commissione.

· CADA Tiers (Livelli di Sovranità) nel Cloud and AI Development Act puntano a escludere le sussidiarie delle Big Tech USA dagli appalti pubblici più sensibili (riservati ai Livelli 3 e 4), ma i provider interamente europei non dispongono ancora della densità di GPU e dei cataloghi software necessari, col rischio di rallentare la digitalizzazione della Pubblica Amministrazione o di costringere a tortuosi aggiramenti delle norme.

· Chips Act 2.0 e l’assenza di target manifatturieri: la stimolazione della domanda interna anziché la costruzione di nuove fabbriche , è stata criticata per non aver risolto la debolezza nel passaggio 'dalle idee al mercato' (lab-to-fab), lasciando il continente dipendente dalle fonderie asiatiche e americane per i chip sotto i 3 nanometri (nonostante TMSC usi macchine per litografia a ultravioletti estremi prodotte dalla olandese ASML). Non è chiaro in che misura alcune imprese europee intendano investire nella produzione di GPU per AI.

· DNA: Il Digital Networks Act, nel tentativo di deregolamentare il mercato per permettere la nascita di grandi telco paneuropee, introduce eccezioni per l'instradamento preferenziale del traffico dati generato dai modelli di IA. Associazioni per i diritti digitali (come EDRi) denunciano lo smantellamento del principio dell'Internet aperto.

Oltre la cortina fumogena di questa proliferazione di norme e proclami, il modo più ovvio per esaminare il divario fra USA e UE è guardare al livello di investimenti in campo. Lo Stanford AI Index 2026, OCSE – Measuring AI Investment - ma la stessa Commissione Europea – AI Continent Action Plan, stimano gli Investimenti privati in AI nel 2025 negli Stati Uniti in 285,9 mld $ (era 109,1 nel 2024) ed Europa (incluso Regno Unito) 20,9 mld $. I primi sono quindi sono 13,7 volte quelli dell'intera Europa.

Il divario è ormai di ordine strutturale. L'Europa non ha una politica industriale capace di costruire infrastrutture e creare offerta e domanda per tecnologie sviluppate in Europa. Un intervento pubblico europeo più diretto, eventualmente attraverso imprese e infrastrutture a partecipazione pubblica, merita di essere considerato come alternativa ai soli incentivi al capitale privato. Inoltre, si osservi che la Cina con investimenti privati venti volte minori di Usa (ma probabilmente con significativi investimenti pubblici) li ha quasi raggiunti sui modelli di frontiera.

4. L’alternativa pubblica: quattro macroaree e cinque principi

Giorgio Parisi propone un’alternativa pubblica europea per la ricerca su AI sul modello del CERN ed indica alcune priorità. A complemento faccio alcune considerazioni.

Da oltre dieci anni studio il CERN, con colleghi di UNIMI e del centro studi CSIL, non soltanto come organizzazione scientifica, ma anche come infrastruttura economica e tecnologica. Lo stesso abbiamo fatto per l’Agenzia spaziale europea, per quella italiana e per altre IR, anche biomediche.

Il CERN è un’infrastruttura di ricerca, con i suoi acceleratori fra Svizzera e Francia, ma condivisi da decine di migliaia di scienziati e studenti, finanziata dagli Stati partecipanti, dotata di indipendenza scientifica e largamente autogestita. Non è espressione della UE, e delle sue bizantine regole decisionali, ma dei 25 Stati che vi aderiscono, fra cui UK, Svizzera, Norvegia che non fanno parte della UE.

Una grande infrastruttura pubblica di ricerca come il CERN non produce soltanto pubblicazioni scientifiche. Può generare: apprendimento tecnologico e sviluppo di capacità industriali per le imprese fornitrici; crea capitale umano qualificato anche per altri settori; ha reti di imprese e ricercatori; ha ricadute nella conoscenza anche in altri campi ed affetti culturali. Nell’ultimo numero del CERN Courier^[i] con Jessica Catalano mostriamo costi e benefici di High Luminosity LHC, il potenziamento dell’acceleratore con cui si è scoperto il bosone di Higgs.

Considerando che l’AI dipende sempre più dall’infrastruttura digitale sottostante, se l’Europa realizza capacità pubbliche di calcolo o sviluppa alcuni modelli, ma lascia cloud, dati e altri livelli critici strutturalmente dipendenti da pochi fornitori stranieri, larga parte del problema di sovranità tecnologica rimane irrisolto.

Questa prospettiva suggerirebbe una strategia in due tempi:

· un relativamente leggero CERN per l’AI può rappresentare la proposta istituzionale immediata;

· nel medio-lungo termine un’infrastruttura pubblica europea per la transizione digitale in senso più ampio.

Per essere concreti, la scala della prima fase potrebbe coinvolgere alcune centinaia di ricercatori, la seconda fase comunità di migliaia di diverse migliaia di persone.

Penso serva un polo scientifico-tecnologico alla scala della ESA, con un bilancio annuo attuale di oltre 8 miliardi di euro, in grado non solo di fare ricerca ma di sviluppare, innovare, realizzare i progetti. Una impresa sovranazionale a missione pubblica non dovrebbe competere frontalmente sulla forza bruta dei Large Language Models commerciali statunitensi, ma puntare su alternative scientifiche e tecnologiche, sulla ricerca di frontiera non orientata al profitto e su innovazioni applicative.

Alcuni progetti prioritari europei potrebbero forse concentrarsi, oltre quanto dice Giorgio Parisi, su quattro macroaree strategiche:

1. Infrastruttura Pubblica di Supercomputing e Modelli Open Source

· Infrastruttura di Calcolo Condivisa: Creazione di una rete integrata di supercomputer e "Cloud Pubblico Europeo" per garantire a startup, PMI e università l'accesso a cluster di GPU senza dipendere dai providers americani (o cinesi).

· Modelli Fondazionali Europei Multilingua: Sviluppo di modelli interamente open source, addestrati nel rispetto rigoroso di standard etici e legali sui dati, ottimizzati per la diversità linguistica e culturale europea.

2. Hardware di Prossima Generazione e Chips

· Architetture Neuromorfiche nuove: ad esempio invece di necessariamente rincorrere il silicio tradizionale dominato da Taiwan e USA, investire massicciamente sui semiconduttori del futuro ad altissima efficienza energetica (Chip green)

· Una possibile nuova frontiera integrazione tra intelligenza artificiale e calcolo quantistico per nuovi progetti di reti

3. AI per la Sanità Pubblica e la transizione climatica

· Iniziativa "Biomed-AI" Europa: Utilizzo dell'AI per la scoperta di nuovi farmaci, la genomica predittiva e la modellizzazione delle proteine. L'Europa ha un vantaggio storico nei sistemi sanitari pubblici centralizzati; federare i dati clinici europei in modo sicuro creerebbe il più grande database medico di alta qualità al mondo per l'addestramento dell'IA. Il caso dell’infrastruttura digitale pubblica Uniprot mostra (con AlphaFold) le grandi potenzialità di una ricerca sui farmaci basata su AI applicata, ma non dovrebbe essere privatizzata e restare pubblica.

· Modelli per la transizione climatica: simulazioni ad altissima risoluzione (centimetrica) dei mutamenti al suolo con dati satellitari per ottimizzare l'agricoltura di precisione, la gestione delle reti energetiche del continente, i sistemi di trasporto, la gestione del territorio. La massa di dati dei satelliti Copernicus o di quelli ASI si presta ad elaborazioni potenzialmente ad alto impatto sulla sostenibilità ambientale ed economica.

4. Servizi Pubblici Innovativi e Digitalizzazione della PA

· Infrastruttura per i Servizi Pubblici ("Govtech"): Creazione di un sistema operativo digitale unico e sicuro per le Pubbliche Amministrazioni europee, automatizzando la burocrazia, la gestione fiscale e l'erogazione dei servizi sociali.

· Certificazione e Sicurezza: Sviluppo di strumenti standardizzati e automatizzati per validare l'allineamento etico, l'assenza di bias e la sicurezza dei sistemi di AI, trasformando i vincoli normativi dell'UE in un vantaggio competitivo di mercato ("AI affidabile ").

Cinque principi di governo della infrastruttura pubblica sarebbero particolarmente importanti:

1. Proprietà europea e finanziamenti a lungo termine

L’infrastruttura centrale dovrebbe appartenere a un’istituzione intergovernativa europea, o equivalente, di natura pubblica, finanziata tramite impegni pluriennali degli Stati partecipanti, appunto il modello ESA o CERN. Un modello analogo lo abbiamo proposto per un polo europeo pubblico dei farmaci e vaccini, che abbiamo chiamato Biomed Europa, sostenuto dal Forum DD e da molti parlamentari europei. Queste istituzioni potrebbe in parte essere sinergiche.

2. Indipendenza scientifica

I governi dovrebbero definire il mandato strategico e finanziario generale, ma non le singole decisioni di ricerca. Il CERN offre un modello utile: il suo Consiglio rappresenta gli Stati membri e determina le principali questioni strategiche e finanziarie, mentre la valutazione scientifica è separata dalle decisioni politiche, affidata ad un diverso Consiglio.

3. Accesso aperto e trasparente

L’opposto dell’approccio ‘proprietario’ e chiuso prevalente nella ricerca in USA (ed in parte anche in Cina, anche se con approccio semi-aperto)

4. Gli appalti come politica industriale

La gestione dei rapporti con le imprese fornitrici in Europa, anche PMI nei territori , non necessariamente ‘campioni nazionali’ (in questo senso il Rapporto Draghi sottovalutata il ruolo del decentramento delle iniziative nei territori).

5. Interoperabilità e struttura multicentrica

ESA ha una struttura articolata con campus e laboratori in diversi paesi, ma con un coordinamento centrale. È una formula adatta allo scopo, garantendo che le varie sedi non siano blandamente federate (come in tanti progetti di ricerca UE) ma perfettamente integrati.

Conclusioni: l’intelligenza sociale

L’Europa resterà un’autorità di regolamentazione (in affannosa rincorsa), cliente di infrastrutture digitali costruite altrove? Oppure diventerà essa stessa costruttrice e proprietaria di un’infrastruttura tecnologica? E come rendere veramente aperta a democratica questa infrastruttura?

Occorre respingere preliminarmente qualunque suggestione di legare il progetto a finalità militari, come originariamente hanno scelto di fare i fondatori del CERN.

Per vincere la partita democratica sull’ AI occorre ciò ho chiamato l’intelligenza sociale: la capacità dei luoghi e delle persone dove si produce conoscenza di essere parte attiva dell’uso di questa conoscenza, rifiutandone la privatizzazione.

Questo varrebbe anche per una infrastruttura pubblica, che non dovrebbe essere isolata dalla società, ma dovrebbe coinvolgere scienziati, sviluppatori di codici, utenti dei modelli, PMI e start up con istituzioni e processi di democrazia reale, sperimentale e deliberativa.

L‘oligarchia dell’intelligenza artificiale si rovescia con la democrazia dell’intelligenza sociale.