search
close-icon
Data center
PlatformDIGITAL®
Partner
Competenze e Risorse
Chi Siamo
Language
Accesso
banner
Blog

Cinque previsioni sull'AI che ridefiniranno i data center, l'inferenza e il vantaggio aziendale nel 2026

30 January 2026
author-photo
Chris Sharp

Chief Technology Officer

Il punto di svolta dell'AI

L'AI è più grande di qualsiasi cosa abbiamo mai sperimentato, e siamo ancora all'inizio del suo potenziale.

Il 2026 è un anno cruciale in cui strategie visionarie per l'infrastruttura fisica e digitale distingueranno i leader dai follower. Ecco le cinque previsioni fondamentali che le imprese devono prendere in considerazione per sfruttare la rivoluzione dell'AI.

Dall'abilitazione all'eccellenza: la nuova era della gestione termica

Il cambiamento: mentre il 2025 ha consolidato il raffreddamento liquido come requisito fondamentale, il 2026 sarà definito dal raffreddamento di precisione che indirizza il calore a livello microscopico. Sebbene IDC preveda che entro il 2027 il 90% delle installazioni ad alte prestazioni utilizzerà sistemi di raffreddamento a liquido, il vero vantaggio competitivo si sta già spostando dalla semplice adozione di questa tecnologia alla capacità di gestire in modo intelligente il raffreddamento, attraverso la microfluidica e il raffreddamento a spruzzo diretto sul chip (direct-to-chip spray).1

Con la nuova architettura Vera Rubin di NVIDIA, che supporta il raffreddamento a temperature più elevate rispetto a quanto fosse possibile in passato, è iniziata l'era del principio “il giusto raffreddamento per il giusto carico di calcolo”: un cambiamento destinato a diventare permanente.

L'imperativo per le imprese: per le aziende, ciò significa che è finita l'epoca in cui si sceglieva lo spazio in un data center basandosi semplicemente sulla capacità di carico del pavimento e sulla disponibilità di potenza elettrica. La strategia di implementazione per il 2026 dovrà invece dare priorità a un'infrastruttura predisposta per una gestione termica avanzata, in grado di evolversi con il progredire delle tecnologie di raffreddamento.

Il successo dell'implementazione sarà misurato dalla capacità di integrarsi con questi sistemi di precisione per massimizzare il compute-per-watt, anziché limitarsi a mantenere l'uptime. In prospettiva, le strategie più resilienti considereranno la gestione termica non più come un semplice servizio infrastrutturale del data center, bensì come un componente fondamentale della catena delle prestazioni del silicio.

Con oltre due decenni di esperienza nell'adattarsi all'avanguardia delle strategie di raffreddamento, Digital Realty dispone di competenze di progettazione e ingegneria necessarie per tenere il passo con l'intelligenza termica, permettendo alla tua azienda di concentrarsi sull'intelligenza di business.

I piani di controllo dell'AI consentiranno strategie basate su silicio eterogeneo

Il cambiamento: nel 2026, il settore passerà da monoculture hardware ad array di inferenza ad alte prestazioni composti da silicio eterogeneo di più fornitori e generazioni. Questo cambiamento è guidato da una necessità critica di scalabilità efficiente in termini di costi; Gartner prevede che il 40% delle principali imprese adotterà entro il 2028 “architetture basate su paradigmi di calcolo ibrido” per orchestrare i carichi di lavoro su CPU, GPU e ASIC eterogenei.

Con l'inferenza dell'AI, si prevede che la domanda crescerà del 36,9% Con un tasso di crescita annuo composto (CAGR) fino al 2031, la vera svolta tecnica non risiede più nel silicio in sé, ma nella capacità del piano di controllo di trattare pool di hardware frammentati come un'unica infrastruttura elastica e unificata. Astraendo il livello hardware, gli operatori possono finalmente sbloccare il cosiddetto “dark silicon” nei rack legacy, per far fronte all'esplosione delle richieste di inferenza.

L'imperativo per le imprese: per le imprese, questo significa che le strategie di implementazione devono passare da approvvigionamenti hardware in silos a un modello di elaborazione software-defined. Con l'aumentare della pressione per dimostrare il ROI, i livelli di orchestrazione che possono recuperare capacità da chip legacy sottoutilizzati e dispositivi edge eterogenei diventeranno sempre più importanti per contenere i costi dell'AI man mano che le esigenze di inferenza aumentano su larga scala. Sfruttare efficacemente questo bacino di risorse richiede strumenti e connettività che consentano l'instradamento del traffico in base ai costi e alla latenza in tempo reale su qualsiasi silicio disponibile.

Digital Realty abilita questa orchestrazione attraverso ServiceFabric®, che funge da livello di interconnessione globale, definito via software, capace di unificare generazioni di silicio eterogenee e hardware multi-vendor in un unico tessuto di calcolo ad alte prestazioni.

L'anno della grande “inversione dell'inferenza”

Il cambiamento: nel 2026, il settore raggiungerà un punto di svolta storico, poiché il volume di token di inferenza supererà ufficialmente i token utilizzati per l'addestramento dei modelli. Questa "inversione dell'inferenza" non sarà determinata da una diminuzione dell'addestramento, ma da un rapido aumento dell'inferenza.

Gartner prevede che il 40% delle applicazioni enterprise integrerà quest'anno agenti di AI specializzati per compito, una tendenza che aprirà le porte alla proliferazione di agenti AI autonomi in grado di eseguire ragionamenti in tempo reale e attività multi-step. Sebbene si sia detto molto sui tassi di fallimento degli esperimenti di AI, l'integrazione di agenti AI nelle applicazioni SaaS consentirà alla domanda di inferenza di aumentare anche se continueranno le difficoltà iniziali delle soluzioni sviluppate internamente.

L'imperativo per le imprese: con l'aumento della generazione e del consumo di token, la latenza e i costi di egress del movimento dei dati diventeranno un fattore chiave sia per il valore sia per il costo della strategia di AI. Per rimanere competitiva in un'economia agentica, la tua strategia di deployment deve dare priorità alla Data Gravity, collocando i cluster di inferenza dove risiedono già i tuoi dati, anziché trasferire enormi set di dati in un cloud lontano. Il successo sarà definito dalla tua capacità di creare “zone di inferenza” che garantiscano una prossimità inferiore al millisecondo a utenti e sistemi interni.

Il PUE passa in secondo piano mentre il “PCE” sale alla ribalta

La svolta: nel 2026, i leader dell'AI andranno oltre il Power Usage Effectiveness (PUE) per adottare il Power Compute Effectiveness (PCE) come parametro di riferimento standard per l'infrastruttura AI. Sebbene il PUE ci sia stata utile per decenni misurando gli sprechi a livello di struttura, è un parametro “vuoto” che ignora ciò che accade all'interno del server; in un'epoca di rack da 240 kW, la priorità si è spostata da quanta potenza risparmiamo a quanta intelligenza produciamo.

Questo cambiamento è guidato dalla triangolazione tra l'efficienza tradizionale delle infrastrutture e la tokenomics: la misurazione precisa dell'efficienza con cui il silicio ad alta densità converte la potenza elettrica grezza in token di ragionamento. Con NVIDIA che osserva come gli attuali modelli di frontiera richiedano un incremento di 100 volte della potenza di calcolo per token per il ragionamento complesso, il settore adotterà il PCE (Performance Compute Efficiency) per garantire che l'enorme consumo energetico delle AI factory si traduca in un rendimento computazionale massimo, e non si limiti a mantenere le infrastrutture operative con un PUE di 1,1.

L'imperativo per le imprese: per le aziende, ciò significa che la strategia di implementazione per il 2026 deve spostare il focus dalla verifica dell'“edificio” alla valutazione della pipeline potenza-token (power-to-token), ovvero il processo che trasforma l'energia elettrica in capacità computazionale utile.

Piuttosto che concentrarsi su fornitori che offrono esclusivamente un basso PUE, è preferibile dare priorità a partner che garantiscano la telemetria avanzata e l'opzionalità del silicio necessarie per ottimizzare il proprio PCE su tutta la flotta di server. Il successo sarà definito dalla tua capacità di dimostrare il ROI della spesa energetica, dimostrando un output token-per-watt più elevato rispetto ai tuoi concorrenti.

Con oltre 300 strutture in più di 50 aree metropolitane e oltre 30 paesi, il portfolio di Digital Realty ha la combinazione diversificata di capacità necessaria per implementare il calcolo che desideri, dove desideri, pur avendo ancora accesso ai dati giusti, grazie a PlatformDIGITAL®.

AI come asset: la regola 90/10 delle implementazioni private

Il cambiamento: nel 2026, il focus strategico dell'AI aziendale si estenderà oltre il semplice “noleggio” di token, per arrivare a considerare l'AI come un asset ad alto rendimento, che può essere posseduto e ottimizzato. Questo cambiamento sarà guidato dall'emergere della regola 90/10, per cui i piccoli modelli di linguaggio open source (SLM) possono fornire il 90% delle prestazioni dei modelli all'avanguardia a solo il 10% del costo totale.

In effetti, lo studio dell'iniziativa HAI di Stanford ha rilevato che il divario tra i principali modelli open source e closed source si è ridotto dall'8% nel 2024 a solo l'1,7% entro la metà del 2025. Man mano che le aziende si rendono conto che il fine-tuning di un modello privato su dati proprietari garantisce maggiore accuratezza e minore latenza rispetto a un'API pubblica generica. Riportando questi carichi di lavoro su infrastrutture private, le organizzazioni stanno di fatto eliminando il “tassazione della complessità” legata all'orchestrazione nel cloud pubblico, trasformando i propri modelli in proprietà intellettuale permanente e generatrice di valore.

L'imperativo per le imprese: per le aziende, questo significa che la roadmap 2026 dovrebbe andare oltre un semplice approccio API-first e valutare dove l'AI come asset può offrire un vantaggio competitivo.

È necessario identificare attività ad alto volume e specifiche per dominio - come la generazione di codice interno o l'intelligence specializzata sui clienti - in cui un SLM (Small Language Model) privato e fine-tuned possa ridurre i rischi della supply chain ed eliminare la variabilità dei costi legati alla tariffazione per token. Il successo sarà misurato dalla tua capacità di costruire uno stack AI modulare che utilizzi modelli pubblici per l'ideazione generale, ma si affidi ad asset privati e sovrani per l'esecuzione del core business.

Per attuare questa strategia ibrida, ServiceFabric offre la base di interconnessione che allinea gli asset AI privati con fonti di dati globali per un calcolo coerente e ad alte prestazioni.

Cogliere l'opportunità dell'AI nel 2026

Il 2026 è un anno di azioni decisive. Il successo nell'era dell'AI dipende da una pianificazione di precisione per sistemi a intelligenza termica, dall'integrazione strategica dell'AI ibrida a livello enterprise, dal posizionamento dei cluster di inferenza dove risiedono i dati e dalla scelta di partner che misurino e promuovano le corrette metriche di efficienza.

Preparati al futuro valutando in modo critico la tua strategia di infrastruttura digitale e prendendo oggi decisioni coraggiose e informate per prosperare nel mondo di domani guidato dall'AI.

Per scoprire come aiutiamo i nostri clienti a progettare un'infrastruttura che soddisfi le esigenze in termini di prestazioni, conformità e carichi di lavoro, contatta subito i nostri team di esperti.


1 IDC, IDC Survey Spotlight, doc #US54034025, Dicembre 2025.

Tags