Se pensavate che l’Intelligenza Artificiale vivesse solo nelle nuvole intoccabili di Microsoft, Google e OpenAI, ecco: vi sbagliavate. Finita la sbornia dei chatbot, la vera rivoluzione, cioè quella degli agenti autonomi aziendali, sta riportando tutti con i piedi per terra.
È la rivincita di pesi massimi dell’hardware, aziende come HPE, IBM e Dell: giganti infrastrutturali che molti davano per spacciati e che oggi, tra reti ultra-veloci e supercomputer privati, si riprendono il mercato. Perché l’AI del futuro ha fame di silicio, sicurezza e data center locali. Soprattutto data center locali.
Arrivano i super computer in azienda
Per dirla in un altro modo: nell’era degli agenti autonomi, l’intelligenza artificiale smette di abitare nelle nuvole e torna a radicarsi nel silicio fisico delle aziende.
Per anni la conversazione tecnologica ha ruotato attorno a modelli generativi ospitati nei grandi data center del cloud: prompt in entrata, risposta in uscita, fattura a fine mese. Adesso che, come sappiamo, i sistemi di intelligenza artificiale si sono evoluti da sofisticati chatbot a veri agenti autonomi, lo scenario si è trasformato in profondità, perché gli agenti hanno bisogno di memoria persistente, decisioni in tempo reale e latenza nell’ordine dei millisecondi.
Tutte cose che soltanto un’infrastruttura locale e controllata riesce a garantire con affidabilità su scala industriale.
Un agente AI, nel senso tecnico più preciso, non è un chatbot pompato dagli steroidi. Invece, è un sistema software che osserva, ragiona, pianifica, usa strumenti e agisce in cicli continui e autonomi che non si interrompono mai.
Gestire migliaia di questi agenti contemporaneamente in un’azienda significa produrre un traffico di rete straordinariamente più denso rispetto a qualsiasi applicazione tradizionale, con picchi di elaborazione improvvisi e difficili da prevedere. I dati sensibili che queste entità autonome interrogano in tempo reale non possono, per ragioni di sicurezza e conformità normativa, uscire dal perimetro fisico dell’impresa: il che rende la governance degli agenti un problema di architettura fisica prima ancora che di software.
Il ritorno della fisicità
È in questo contesto che il palcoscenico tecnologico registra una trasformazione silenziosa ma strutturale: i cosiddetti dinosauri del silicio, quei costruttori di infrastrutture fisiche che sembravano destinati a un ruolo marginale nell’era del cloud pubblico, sono tornati al centro di tutto.
Hewlett Packard Enterprise, Dell Technologies e IBM, per dire i tre più grossi, stanno facendo qualcosa di più che vendere server: stanno ridisegnando l’architettura dell’impresa moderna attorno al concetto di AI locale, sicura e governata. Il loro ritorno supera il concetto di nostalgia del ferro sull’etere, e offre la risposta razionale a un problema fisico: gli agenti hanno bisogno di corpi, e quei corpi devono stare il più vicino possibile ai dati che elaborano.
Hewlett Packard Enterprise, in particolare, ha anticipato questa transizione con un’acquisizione che oggi appare visionaria: quella di Juniper Networks, completata per quattordici miliardi di dollari. All’HPE Discover 2026, tenutosi a Las Vegas il 17 giugno, Antonio Neri, presidente e amministratore delegato di HPE, ha battezzato ufficialmente l’era della “Agentic Enterprise”: l’impresa in cui migliaia di agenti AI lavorano in parallelo affiancando i dipendenti umani in ogni processo operativo. La sua tesi è difficile da confutare: nell’era degli agenti, la rete non è più una commodity da ottimizzare sui costi, è il sistema nervoso dell’intera organizzazione.
Non si compra, si consuma
“Ogni byte, ogni token, ogni decisione attraversa la rete“, ha detto Neri al keynote, spiegando perché la dotazione di networking sia diventata il fattore discriminante nell’infrastruttura AI aziendale. Con l’integrazione di Juniper, HPE porta nell’architettura dei propri data center un portafoglio che copre ogni livello di scala: dalla connettività campus e branch fino al cuore del data center, con nuovi switch per i cluster di addestramento su larga scala e per i deployment di inferenza distribuita.
In questo modo la rete cessa di essere il canale passivo attraverso cui scorrono i dati per diventare uno strato intelligente e adattivo, capace di riconfigurare autonomamente le proprie priorità in base ai carichi generati dagli agenti.
Il modello economico con cui questa infrastruttura arriva nelle aziende è rivoluzionario tanto quanto lo è il contenuto tecnico. La stragrande maggioranza dei clienti HPE non acquista più server ProLiant, sistemi storage Alletra o switch Juniper come beni capitali in conto capitale: li noleggia attraverso HPE GreenLake, la piattaforma che trasforma l’hardware fisico in un servizio cloud a consumo. HPE installa l’equipaggiamento nel data center del cliente, inclusa una capacità aggiuntiva già pronta all’uso, gestisce l’intero ciclo di vita come se fosse un servizio cloud e il cliente paga mensilmente in proporzione all’utilizzo effettivo, scalando verso l’alto in pochi minuti quando un agente AI deve affrontare un picco di elaborazione. GreenLake, che Gartner ha inserito nel Magic Quadrant 2025 per gli Infrastructure Platform Consumption Services, conta oggi oltre 44mila clienti nel mondo per un giro d’affari di circa due miliardi di dollari.
Il costo nascosto dei token
La logica economica della formula a consumo regge su tre pilastri ben precisi. Il ciclo di vita delle gpu montate nei server AI, per esempio quelle integrate nei nuovi sistemi con processori Nvidia Vera, si è ridotto a dodici-diciotto mesi: chi compra hardware AI oggi rischia di ritrovarsi con tecnologia superata nel giro di un anno, mentre con le soluzioni a consumo il rischio dell’obsolescenza si sposta interamente sul produttore.
Un data center ottimizzato verticalmente per gli agenti AI richiede investimenti iniziali colossali, che pochissime aziende sono in grado di sostenere come spesa in conto capitale. Infine, far funzionare un’infrastruttura del genere richiede competenze rarissime, che i tre big erogano nel pacchetto del servizio, monitorando l’ambiente di calcolo tramite sistemi come, nel caso di HPE, chiamato HPE OpsRamp e Mist AI di Juniper.
C’è un quarto motivo, meno intuitivo ma forse più urgente, che riguarda il costo dei token. Come già analizzato nel nostro approfondimento sui costi reali dell’intelligenza artificiale, ogni chiamata a un modello linguistico nel cloud ha un prezzo misurato in token, una valuta digitale che, moltiplicata per migliaia di agenti attivi tutto il giorno, produce fatture di proporzioni inattese.
L’architettura HPE Private Cloud AI, sviluppata in collaborazione con Nvidia, risponde con un sistema di routing ibrido: i compiti elementari o sensibili vengono elaborati sui server locali con modelli open-weights come Llama 3 di Meta o Mistral, senza alcun costo per token, mentre solo le richieste di massima complessità vengono indirizzate tramite chiamate API sicure verso i modelli proprietari nel cloud.
I numeri che contano
Il fenomeno ovviamente non riguarda soltanto HPE. Dell Technologies ha chiuso il terzo trimestre dell’anno fiscale 2026 con ordini di server ottimizzati per l’AI pari a 12,3 miliardi di dollari, record assoluto, e ha alzato la previsione di spedizioni AI per l’intero anno fiscale a 25 miliardi di dollari, più del 150% rispetto all’anno precedente. Una ricerca interna di Dell indica che l’85% delle grandi aziende (classe enteprise) intende spostare i propri carichi di lavoro di AI generativa on-premises entro i prossimi ventiquattro mesi, una quota che riflette la velocità con cui la sovranità del dato è diventata priorità strategica.
Nvidia, da parte sua, ha risposto alla stessa esigenza con la famiglia RTX Spark e DGX Station, computer progettati per eseguire agenti localmente in modo continuativo, senza dipendere dal cloud per ogni singola operazione.
HPE ha posto anche un avvertimento che pochi altri CEO del settore si sono finora azzardati a esplicitare con tale nettezza: entro il 2028 gli Stati Uniti si trovano di fronte a un deficit energetico di 19 gigawatt (una cifra enorme) legato alla crescita dei data center, con una proiezione che potrebbe portare l’industria tecnologica ad assorbire quasi la metà del consumo elettrico americano entro il 2031.
La scala di questo numero impone di ripensare non soltanto dove si esegue l’AI, ma come la si alimenta. L’efficienza termica e la progettazione dei rack ad alta densità, ambiti su cui HPE ha investito con il raffreddamento a liquido e le configurazioni di nuova generazione, tornano a essere variabili competitive cruciali quanto lo erano nella stagione dei supercomputer.
Un passaggio storico
Quello a cui stiamo assistendo in questi ultimissimi mesi per i data center delle grandi imprese è un cambio di paradigma che tocca l’intera filiera tecnologica, dalle startup ai produttori di hardware di fascia alta, con implicazioni che ridisegneranno per anni le strategie di investimento delle aziende di tutto il mondo.
I giganti infrastrutturali non sono tornati perché il cloud ha fallito: sono tornati perché il cloud, da solo, non basta più per supportare un’AI che agisce, decide e trasforma i processi aziendali in tempo reale, con migliaia di agenti autonomi attivi contemporaneamente. Il silicio non si è mai spostato: siamo stati noi, per un momento euforico ma relativamente breve, a dimenticarci che ogni bit deve pur essere calcolato da qualche parte.
