L’AI sta uscendo dal laboratorio. Ecco di cosa ha bisogno.

C’è una grande differenza tra far funzionare un’applicazione di AI in un ambiente controllato e farla funzionare in modo affidabile a livello enterprise.

Una volta che l'AI passa alla fase di produzione, cambiano i requisiti dell'infrastruttura. Le risorse di calcolo devono essere disponibili nelle località giuste, con potenza e raffreddamento sufficienti. I modelli devono connettersi rapidamente e in modo affidabile ai dati e alle applicazioni Enterprise. E le aziende devono avere la certezza che l'intero sistema offrirà le prestazioni previste su larga scala.

Lo vediamo riflesso nel modo in cui i clienti affrontano le loro implementazioni. I grandi campus offrono la capacità di calcolo concentrata necessaria per l’addestramento, mentre l’inferenza viene eseguita più vicino ai dati e agli utenti finali. Questo significa pianificare la capacità in più località, con la connettività necessaria per mettere tutto insieme.

Tre elementi spiccano nel rendere efficace questa transizione: potenza, connettività e un percorso chiaro verso la produzione.

Potenza: a supporto del carico di lavoro

Trovare potenza sufficiente è difficile. Renderla utilizzabile per l'AI comporta un'altra serie di sfide.

I sistemi di AI consumano molta più potenza per rack rispetto alle tradizionali apparecchiature enterprise, generando calore che il convenzionale raffreddamento ad aria non riesce a gestire in modo efficiente. Per le implementazioni ad alta densità, il raffreddamento a liquido sta diventando la scelta predefinita.

Abbiamo già fornito oltre 115 MW nell'ambito di più di 25 implementazioni con raffreddamento a liquido già operative nei data center di Digital Realty, con una capacità contrattualizzata che si avvicina a un gigawatt. Tra queste figurano un'implementazione da 200 MW realizzata all'inizio di quest'anno e un'altra da 78 MW nel trimestre in corso (3° trimestre 2026).

Non si tratta di capacità riservate a sviluppi futuri. I nostri data center e le nostre soluzioni esistenti supportano carichi di lavoro di AI su larga scala, offrendo ai clienti opzioni alternative all’attesa che entrino in funzione nuove strutture.

La disponibilità di potenza continuerà a influenzare dove verrà realizzata la capacità di AI, ma la posizione di tale capacità determina anche quanto efficacemente le aziende possono utilizzarla.

Connettività: ogni millisecondo conta

Considera cosa succede quando un agente di AI completa un'attività. Potrebbe effettuare da 20 a 50 chiamate al modello, recuperando informazioni da fonti diverse prima di produrre una risposta.

Se ogni chiamata richiede 50 millisecondi in meno, si risparmia da uno a due secondi e mezzo nell’insieme delle chiamate sequenziali. Quando moltiplichiamo questo dato per migliaia di interazioni, la rete diventa un fattore significativo nelle prestazioni dell’applicazione.

Anche l'AI Enterprise deve operare in ambienti diversi. Questo significa connettere i dati archiviati in infrastrutture private, i modelli in esecuzione su hardware dedicato e le applicazioni distribuite su più Cloud.

Il ServiceFabric® di Digital Realty collega questi ambienti, offrendo ai clienti un modo aperto e programmabile per gestire le modalità di comunicazione dei propri carichi di lavoro. ServiceFabric collega oltre 875 data center e 375 punti di accesso al cloud, con funzionalità programmabili disponibili da giugno 2026.

L’implementazione di Blackfuel con Digital Realty a Barcellona ne è una dimostrazione concreta. La sua infrastruttura per l’AI combina raffreddamento a liquido, sistemi Dell e GPU AMD, con ServiceFabric che fornisce connettività.

Stiamo inoltre vedendo i clienti riunire grandi campus e capacità distribuita. Una recente implementazione combina un campus da 64 MW con 14 MW distribuiti in località di tutto il mondo, supportati da 1.600 cross-connect.

La potenza dà all'AI un posto dove essere eseguita. ServiceFabric la porta dove deve andare.

Percorso verso la produzione: testare, convalidare e ottimizzare l'ambiente infrastrutturale

Un progetto pilota di AI può dimostrare che un modello offre buone prestazioni su un’attività specifica. Non mostrerà necessariamente come si comporta l’applicazione con dati enterprise reali, una domanda sostenuta o i requisiti di potenza e raffreddamento di un ambiente di produzione. Queste sono variabili critiche che vorrei definire e testare prima di impegnare un CapEx significativo in un’implementazione.

Presso il Digital Realty Innovation Lab (DRIL), progettiamo le implementazioni insieme ai clienti, convalidiamo l'architettura, ne verifichiamo la sostenibilità economica e prepariamo il passaggio alla distribuzione su larga scala. I laboratori si trovano all'interno di data center operativi, pertanto i test vengono effettuati in condizioni operative reali.

Ogni laboratorio utilizza il raffreddamento a liquido e non ha banchi di prova raffreddati ad aria. ServiceFabric è completamente integrato e consente ai clienti di testare le connessioni tra AI privata e cloud ibrido così come funzionerebbero in produzione.

I nostri partner portano gran parte della tecnologia nei laboratori. I clienti possono testare i propri carichi di lavoro sui processori AMD EPYC e sulle GPU Instinct, sugli AI Pod full-stack di Cisco, sui sistemi di raffreddamento a liquido Neptune di Lenovo e sui sistemi Supermicro.

Vcinity consente il trasferimento dei dati tramite ServiceFabric, ePlus supporta la progettazione e l’integrazione dell’AI e VULTR offre capacità GPU. ORCA Computing dispone anche di sistemi quantistici fotonici operativi a Londra.

Con i sistemi di calcolo, di rete, di raffreddamento e le strutture già convalidati insieme, i clienti possono concentrarsi sul test dei propri carichi di lavoro.

Le nostre sedi DRIL sono operative per i clienti in Virginia settentrionale, Londra, Tokyo (tramite MC Digital Realty, la nostra joint venture con Mitsubishi Corporation) e San Paolo. Con un ulteriore DRIL la cui apertura a Singapore è prevista per novembre 2026. 

Digital Realty ha ospitato oltre 400 visite guidate, promuovendo il coinvolgimento dei clienti e contribuendo alla realizzazione di implementazioni di soluzioni AI in ambienti di produzione presso le nostre strutture. Molte delle aziende che effettuano test presso il DRIL stanno sviluppando cluster dedicati per verificare e ottimizzare le modalità di esecuzione di applicazioni specifiche insieme ai sistemi esistenti, spesso in più sedi.

DRIL offre a clienti e partner uno spazio per validare soluzioni in un ambiente di colocation attivo. Questo significa anche che è possibile affrontare eventuali vincoli infrastrutturali, che spesso frenano l'AI in produzione.

Il nostro 2026 Global Data Insights Survey ha rilevato che il 40% dei leader IT ha indicato l’infrastruttura come il principale ostacolo per l’AI, in aumento rispetto al 9% nel 2024. Questo rafforza la necessità di testare insieme i componenti prima di implementare carichi di lavoro avanzati.

Dalla fase pilota alla produzione

Prevediamo che centinaia di megawatt di domanda di AI entrino in funzione nei prossimi 12 mesi, insieme alle connessioni che renderanno accessibile tale capacità.

Per le aziende, la priorità immediata è capire di cosa hanno bisogno le proprie applicazioni e dimostrare che l'infrastruttura sia in grado di soddisfarne i requisiti.

Se stai per portare un carico di lavoro di AI in produzione, testalo presso il DRIL utilizzando la tecnologia del partner che stai valutando, in condizioni reali di raffreddamento, alimentazione e connettività.

Stai già implementando su larga scala? Contattaci per parlare di dove dovrebbe essere collocata quell’infrastruttura e di come connetterla.

Scopri di più sul DRIL in questo video.