L’Europa sta costruendo una rete di AI Factory per mettere capacità di calcolo avanzata e competenze specialistiche a disposizione di imprese, ricerca e pubbliche amministrazioni. Per una PMI, però, la domanda decisiva non è quante GPU possa ottenere. È quale problema industriale intenda risolvere, con quali dati e come misurerà il risultato.
La pagina della Commissione europea aggiornata il 12 agosto 2026 indica 19 AI Factory e 13 antenne in fase di realizzazione. La rete collega supercomputer, università, imprese e attori finanziari, dando priorità a startup e PMI. Nel programma europeo sono inoltre previsti almeno nove nuovi supercomputer ottimizzati per l’intelligenza artificiale, con l’obiettivo dichiarato di più che triplicare la capacità di calcolo AI di EuroHPC.
È un’infrastruttura importante, ma non è un incentivo automatico né un catalogo di server da prenotare senza istruttoria. L’accesso avviene attraverso call e modalità diverse, con requisiti, valutazioni e impegni successivi. Per questo il lavoro utile comincia prima della domanda: trasformare un’idea di AI in una scheda progetto verificabile.
Che cosa offre davvero una AI Factory
Una AI Factory non coincide soltanto con un supercomputer. La rete europea combina capacità di calcolo, supporto tecnico, accesso a dati e software, formazione, networking e servizi di accompagnamento. L’obiettivo è permettere lo sviluppo, l’addestramento, il fine-tuning e la sperimentazione di modelli e applicazioni AI in un ambiente specializzato.
Per l’Italia, la pagina dei servizi EuroHPC presenta IT4LIA, collegata al supercomputer Leonardo e al sistema ottimizzato per l’AI previsto presso il Tecnopolo di Bologna. I settori indicati comprendono, tra gli altri, agroalimentare, cybersecurity, scienze della Terra, sanità, istruzione e finanza. La descrizione include orientamento agli utenti, accesso HPC ottimizzato per l’AI, supporto tecnico, dati e software, formazione e hub di innovazione.
Per un’impresa questo significa che il valore non risiede solo nelle ore di calcolo. Un progetto può aver bisogno di chiarire l’architettura dei dati, scegliere tra addestramento e fine-tuning, stimare memoria e tempi, definire test ripetibili o preparare un ambiente sicuro. La potenza è una risorsa; la capacità di usarla con metodo è il vero servizio.
Tre percorsi, tre livelli di maturità
EuroHPC distingue tre modalità di accesso per l’innovazione industriale:
- Playground, con risorse limitate per utenti all’inizio del percorso;
- Fast Lane, per organizzazioni già abituate all’HPC e con esigenze fino a 50.000 ore GPU;
- Large Scale, per modelli e applicazioni che richiedono più di 50.000 ore GPU.
Le modalità Industrial Innovation sono indicate come aperte e gratuite per PMI AI, comprese le startup, per finalità di innovazione; altre applicazioni industriali possono accedere con formule commerciali a consumo. La gratuità del tempo di calcolo, quando prevista, non elimina però il costo interno del progetto: preparazione dei dati, competenze, sicurezza, integrazione, valutazione dei risultati e industrializzazione restano responsabilità dell’impresa.
Le FAQ ufficiali delle AI Factory precisano inoltre che Playground e Fast Lane sono call continuamente aperte, con valutazione progressiva, mentre Large Scale prevede due scadenze di valutazione al mese. Le candidature sono sottoposte alle condizioni della call scelta. Non basta quindi dichiararsi innovativi: occorre dimostrare che il problema, la soluzione e il fabbisogno computazionale stanno nello stesso progetto.
Prima del calcolo serve una scheda del caso d’uso
Molte iniziative AI partono dal modello e cercano solo dopo un problema da risolvere. Per candidarsi in modo credibile conviene invertire la sequenza. Una scheda essenziale dovrebbe contenere almeno sei elementi.
Il primo è la decisione o il processo da migliorare. “Usare l’intelligenza artificiale” non è un obiettivo; ridurre i falsi positivi nel controllo qualità, classificare documenti tecnici o prevedere anomalie su una linea sono problemi osservabili.
Il secondo è la baseline. Bisogna sapere quanto costa oggi il processo, quali errori produce, quanto tempo richiede e con quali indicatori verrà confrontata la soluzione. Senza una misura iniziale, anche un prototipo tecnicamente elegante rischia di non avere valore industriale dimostrabile.
Il terzo è il patrimonio dati. Vanno indicati provenienza, volume, formato, qualità, diritti d’uso, presenza di dati personali o riservati e attività necessarie per la preparazione. Un grande cluster non corregge dati incoerenti e non autorizza trattamenti privi di base giuridica.
Il quarto è la strategia del modello: addestrare da zero, adattare un modello esistente, usare tecniche di retrieval oppure costruire una pipeline più semplice. Questa scelta determina costi, tempi, competenze e fabbisogno GPU. Chiedere capacità Large Scale per un caso risolvibile con un modello già disponibile non è ambizione: è progettazione inefficiente.
Il quinto è il piano di valutazione. Metriche tecniche e aziendali devono convivere: accuratezza, robustezza e latenza da una parte; riduzione di scarti, tempi o costi dall’altra. Devono essere previsti anche test sugli errori più dannosi, non soltanto sulla prestazione media.
Il sesto è il percorso verso l’uso reale. Un prototipo deve avere un proprietario, utenti identificati, integrazioni previste, responsabilità di controllo e criteri per sospenderne l’impiego. Se manca questa parte, il progetto finisce con una demo e non con un processo migliore.
Dati, riservatezza e governance non possono arrivare dopo
Portare dati aziendali su un’infrastruttura di calcolo richiede una classificazione preventiva. Occorre distinguere informazioni pubbliche, dati operativi, segreti commerciali, dati personali e contenuti soggetti a licenze. Per ciascuna classe servono regole su accesso, minimizzazione, conservazione, cifratura e riutilizzo degli output.
La governance deve coprire anche la catena dei fornitori. Se il progetto utilizza modelli, librerie o dataset di terzi, l’impresa deve conoscere condizioni d’uso, limiti, dipendenze e possibilità di esportare artefatti e risultati. La sovranità tecnologica non si ottiene spostando un carico su un supercomputer europeo se il progetto resta opaco nelle sue componenti essenziali.
Le condizioni di partecipazione richiedono inoltre di leggere la call specifica. Le FAQ EuroHPC ricordano, in termini generali, l’obbligo di riconoscere l’uso delle risorse, contribuire alle attività di disseminazione e presentare un rapporto dopo l’allocazione. Le esigenze di riservatezza vanno quindi affrontate nella proposta, non scoperte al termine della sperimentazione.
Una checklist per decidere se candidarsi
Prima di scegliere Playground, Fast Lane o Large Scale, una PMI dovrebbe poter rispondere con precisione a queste domande:
- quale risultato aziendale è atteso e qual è la baseline;
- quali dati sono disponibili, utilizzabili e abbastanza affidabili;
- perché serve HPC e come sono state stimate le ore GPU;
- quali competenze interne ed esterne guideranno il lavoro;
- come saranno misurati qualità, rischi, costi e benefici;
- quali vincoli di sicurezza, privacy, licenza e riservatezza si applicano;
- come il prototipo entrerà nel processo, nell’ERP o negli strumenti già usati;
- quale report finale potrà documentare risultati e lezioni apprese.
Le AI Factory possono abbassare la barriera di accesso al supercalcolo e offrire competenze difficili da costruire da soli. Non sostituiscono però la selezione del caso d’uso, la qualità dei dati e la responsabilità manageriale. Per una PMI il progetto migliore non è quello che consuma più GPU, ma quello che trasforma capacità computazionale in una decisione, un processo o un prodotto misurabilmente migliore.
Nota di trasparenza: questo articolo e le immagini collegate sono stati realizzati in parte con l’utilizzo dell’intelligenza artificiale, con supervisione e responsabilità editoriale umana.