L’Italia è ufficialmente in campo per aggiudicarsi una delle quattro gigafactory europee dedicate all’intelligenza artificiale, le mega-infrastrutture da circa 100.000 processori AI previste dal programma InvestAI della Commissione europea, finanziato con 20 miliardi di euro, pensato per rendere l’Europa autonoma sul fronte delle tecnologie hardware necessarie a far girare gli LLM.
Il ministro delle Imprese e del Made in Italy, Adolfo Urso, lo aveva anticipato già a febbraio 2026 e lo ha ribadito questa settimana a Milano durante la XXVIII edizione di Futuro Direzione Nord, la rassegna di convegni istituzionali organizzata dalla Fondazione Stelline di Milano presso Assolombarda, descrivendo la candidatura come un’iniziativa di sistema per il Paese.
Il consorzio che presenta la proposta comprende Leonardo, Eni, la Fondazione AI4Industry (AI4I) di Torino e altri partner strategici. Nelle parole dello stesso Urso: “Ci siamo presentati come Sistema Paese, con un consorzio che unisce grandi eccellenze italiane – Leonardo, Eni, la Fondazione AI4Industry di Torino – insieme ad altri partner strategici, in un progetto ambizioso che auspichiamo possa ottenere il successo che merita”. Il ministro ha descritto l’AI come “una leva strategica per la competitività industriale e il futuro del lavoro”, precisando che serve “un approccio antropocentrico, sicuro e inclusivo perché porti benefici reali”.
Indice degli argomenti
Il quadro normativo europeo: il Regolamento (UE) 2026/150
Prima di valutare la candidatura italiana vale la pena fissare il perimetro normativo in cui si inserisce. Il 20 gennaio 2026 è entrato in vigore il Regolamento (UE) 2026/150 del Consiglio che modifica il Regolamento (UE) 2021/1173 relativo all’impresa comune EuroHPC Joint Undertaking.
La riforma amplia il mandato di EuroHPC introducendo due nuovi pilastri: le AI Gigafactory – strutture su larga scala ospitate in data center energeticamente efficienti, capaci di supportare l’intero ciclo di vita dell’AI dallo sviluppo all’addestramento fino all’inferenza su vasta scala – e un pilastro dedicato alle tecnologie quantistiche, che copre calcolo, simulazione, comunicazione, sensoristica e metrologia. La modifica prevede anche un adeguamento della governance con l’istituzione di un nuovo gruppo consultivo sulle tecnologie quantistiche.
Il programma InvestAI, che si inserisce in questo quadro, punta a costruire quattro o cinque campus di calcolo sovrano, ciascuno dimensionato per il training di modelli con trilioni di parametri. La call formale, attesa per il quarto trimestre 2025, è slittata al primo semestre 2026, ma la competizione vede già oltre 70 candidature da 16 Paesi membri.
Le differenze tra AI Factory e gigafactory AI
Una distinzione da fare è quella tra AI Factory e gigafactory AI.
Sul primo fronte, quello di EuroHPC, l’Italia ha già ottenuto un risultato concreto: IT4LIA, l’AI Factory al Tecnopolo Dama di Bologna, è operativa dal settembre 2025, gestita dal Cineca con un investimento complessivo di 420 milioni di euro e oltre 160 exaflops di potenza per inferenza AI – classificata tra le due più potenti della rete delle 19 AI Factory europee. Proprio recentemente è stato presentato l’omonimo supercomputer, IT4LIA.
Le gigafactory InvestAI rappresentano un investimento di scala completamente diversa e purtroppo il successo di IT4LIA non significa garanzia di fattibilità per questa ulteriore sfida.
Il nodo energetico: 1 GW in un Paese da 500 MW
Il vincolo più stringente per qualsiasi candidatura è l’energia. Ogni campus gigafactory richiede almeno 1 GW di elettricità per restare operativo. La capacità energetica dedicata ai data center in Italia è oggi circa 500 MW, e le stime più ottimistiche proiettano tra 1,4 e 2 GW effettivi entro il 2030. Una singola gigafactory assorbirebbe dunque tra il 50% e il 70% di tutta la nuova capacità data center che il Paese può realisticamente costruire nei prossimi quattro anni.
Il collo di bottiglia non è solo la generazione, ma la rete di trasmissione. A fine gennaio 2026 Terna registrava 449 pratiche di connessione per data center, per 78,79 GW richiesti complessivamente – una cifra che, se interamente soddisfatta, richiederebbe di raddoppiare l’intero parco di generazione nazionale.
I tempi tecnici di allacciamento alla rete di trasmissione nazionale e le congestioni già in atto rendono uno scenario da 1 GW dedicato a una gigafactory un problema ingegneristico e autorizzativo di prima grandezza. A titolo di esempio, uno degli altri competitor, la Romania, ha presentato la proposta Black Sea AI Gigafactory con energia dedicata fino a 1.500 MW a emissioni zero, prevalentemente da fonte nucleare.
Il nodo finanziario: il 17% UE non basta
La struttura di finanziamento del programma InvestAI è meno generosa di quanto la narrazione pubblica lasci intendere. A differenza delle AI Factory EuroHPC, dove il cofinanziamento europeo raggiunge il 50%, per le gigafactory il contributo UE copre il 17% del capex sull’infrastruttura di calcolo. Per un progetto nell’ordine dei miliardi di euro questo significa un contributo nell’ordine di qualche centinaia di milioni di euro. Il resto va coperto con investimento nazionale e privato.
Il nodo delle competenze: l’83% delle imprese ancora senza AI
C’è poi una questione “strutturale” nell’impostazione della candidatura italiana. Lo stesso ministro che la annuncia è costretto ad ammettere che “il 37% delle imprese segnala carenze di competenze”, ribadendo che “è prioritario investire in questa direzione e rafforzare le alleanze tra università, Its, imprese e centri di ricerca”. I dati di febbraio 2026 completano il quadro: l’adozione di tecnologie AI nelle imprese con almeno 10 addetti è raddoppiata dall’8% al 16% in un anno, ma resta sotto la media UE del 20%, con oltre l’83% del sistema produttivo che non utilizza ancora alcuna soluzione di intelligenza artificiale.
Costruire un campus da 100.000 processori per il training AI in un Paese dove la stragrande maggioranza del tessuto produttivo non ha ancora adottato le tecnologie AI di base significa investire sui “piani alti” dell’infrastruttura, mentre i gradini intermedi che dovrebbero collegare quella potenza alla base produttiva restano fragili o inesistenti. Le alleanze università-ITS-imprese che Urso invoca sono necessarie, ma operano su cicli lunghi almeno cinque-dieci anni, mentre la gigafactory dovrebbe essere operativa entro il 2028.
Le perplessità sul modello di business
Il dibattito europeo è però tutt’altro che sopito. Alcuni eurodeputati, come il tedesco Sergey Lagodinsky dei Verdi, hanno chiesto pubblicamente quale sia il modello di business delle gigafactory, rilevando che l’argomento “serve più capacità di calcolo in Europa” non risponde alla domanda su chi le userà davvero.
E il caso Mistral è istruttivo: la principale azienda europea di AI generativa non aspetta le gigafactory pubbliche, ma costruisce in autonomia le proprie infrastrutture – 1,2 miliardi in data center in Svezia, 830 milioni per un centro con quasi 14.000 Gpu vicino a Parigi. Se l’unico soggetto europeo in grado di usare grandi volumi di potenza computazionale preferisce muoversi da solo, la domanda per gli impianti pubblici si riduce ulteriormente.
La candidatura ha basi reali, ma il percorso è stretto
Sarebbe sbagliato però liquidare la candidatura italiana come azzardata o mero strumento di propaganda politica.
L’ecosistema HPC esistente – Leonardo a Bologna (quarto supercomputer al mondo alla sua installazione), IT4LIA in fase di potenziamento, Davinci-1 a Genova, HPC6 a Pavia – dimostra che l’Italia ha capacità di delivery su progetti complessi.
La legge quadro sull’AI allineata all’AI Act, entrata in vigore nel settembre 2025, e la Strategia nazionale 2024-2026 forniscono il quadro regolatorio che Bruxelles valuta. Sul piano normativo, Urso ha ricordato che “l’Italia è stata tra i primi paesi ad adottare una legge quadro coerente con l’AI Act europeo e ha definito i settori prioritari di applicazione nella Strategia nazionale 2024-2026”.
Per l’Italia la sfida nei prossimi mesi sarà chiudere il divario tra il piano dell’annuncio e le condizioni industriali necessarie: energia dedicata, rete dimensionata, iter accelerato per le autorizzazioni (permitting), modello finanziario credibile e un piano di competenze che non sia una lista di buone intenzioni. Su questo, prima ancora che sulle Gpu, si gioca la vera partita.
