report Anitec-Assinform

Il futuro tecnologico dell’Italia passa da reti e calcolo



Indirizzo copiato

Intelligenza artificiale, IoT, digital twin, cloud, quantum computing. Il punto non è solo quali tecnologie useremo, ma quali reti, data center e capacità di calcolo avremo per sostenerle. Il paper di Anitec-Assinform, pubblicato a luglio 2026, mette a fuoco il nodo italiano: senza infrastrutture adeguate, l’innovazione non diventa economia reale

Pubblicato il 21 lug 2026



AI generativa e ontologie aziendali
AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti

Punti chiave

  • Le infrastrutture sono prerequisito per tecnologie avanzate: reti, data center, sicurezza, capacità di calcolo e edge-cloud abilitano prestazioni e scalabilità.
  • L’AI richiede ambienti AI-native, potenza di calcolo e orchestrazione edge-to-cloud; evoluzione: Scale Up, Scale Out, Scale Across verso Generative AI, Agentic AI, Physical AI.
  • In Italia servono semplificazione, energia competitiva e fiscalità chiara; investimenti in data center, formazione e governance, con GreenOps, FinOps e Zero Trust per sostenibilità e sicurezza.
Riassunto generato con AI


La trasformazione digitale non si gioca solo sul software, sui modelli di intelligenza artificiale o sui nuovi servizi. Si gioca, prima ancora, sulla qualità delle infrastrutture che li rendono possibili. È il punto di partenza del paper “Le infrastrutture digitali come fattore abilitante per l’evoluzione delle tecnologie avanzate”, realizzato da Anitec-Assinform e pubblicato a luglio 2026.

Il documento sostiene che intelligenza artificiale, IoT, digital twin, blockchain, sistemi quantistici e supercalcolo non siano comparti separati, ma pezzi di uno stesso ecosistema che funziona solo se può contare su reti, data center, sicurezza, capacità di calcolo e architetture distribuite.

Ogni servizio digitale avanzato, scrive il paper, nasce da un lavoro “spesso invisibile” che avviene dentro sistemi e infrastrutture capaci di determinarne prestazioni, affidabilità e scalabilità. I data center moderni, le reti di nuova generazione, i sistemi di sicurezza evoluti e le architetture edge-cloud distribuite non sono accessori. Sono la condizione di base perché l’innovazione esista fuori dai laboratori e arrivi nelle imprese, nella pubblica amministrazione e nei servizi ai cittadini.

L’AI sposta il baricentro della discussione

L’intelligenza artificiale è il caso più evidente. Secondo il paper, l’adozione su larga scala dell’AI richiede ambienti “AI-native”, grande potenza di calcolo per training e inferenza, gestione intelligente dei dati, orchestrazione edge-to-cloud, storage ad alte prestazioni e protezione end-to-end. È un salto che coinvolge direttamente l’architettura delle infrastrutture digitali. Non basta avere un buon modello: bisogna avere il contesto tecnico che gli permetta di funzionare in modo affidabile, rapido e sostenibile.

Il documento ricostruisce anche l’evoluzione dell’AI dal 2012, l’anno di AlexNet, e la lega a tre fasi infrastrutturali. La prima è “Scale Up”: più potenza nel singolo nodo, con il passaggio da cpu a gpu e chip dedicati. La seconda è “Scale Out”: il cloud e il calcolo distribuito, con migliaia di server che cooperano nello stesso sistema. La terza, quella che il paper considera emergente, è “Scale Across”: non più solo più calcolo o più nodi, ma interoperabilità tra ambienti diversi, data center, api, sensori e piattaforme eterogenee.

Qui si innesta la traiettoria che porta dalla Generative AI alla Agentic AI e poi alla Physical AI. Nel primo caso i modelli generano contenuti. Nel secondo compaiono agenti autonomi che operano in modalità machine-to-machine. Nel terzo, l’AI entra nei sistemi fisici: robot, droni, veicoli autonomi, infrastrutture industriali. È in questo passaggio che la rete smette di essere soltanto un canale di consegna e diventa una parte attiva della prestazione. Latenza, sincronizzazione edge-cloud, affidabilità dei collegamenti e sicurezza operativa diventano fattori decisivi.

Reti: il traffico cambia e cambia il progetto

Uno dei passaggi più interessanti del paper riguarda la trasformazione dei flussi di traffico. Le reti attuali, si legge, sono state progettate per una larga gamma di servizi digitali convenzionali. Il problema è che i nuovi paradigmi basati su AI, IoT, digital twin e tecnologie ad alta intensità computazionale impongono requisiti diversi: più capacità trasmissiva, minore latenza, maggiore affidabilità, gestione più sofisticata dei dati.

La figura sul traffico AI, richiamata nel documento, mostra tre tendenze. Le applicazioni testuali hanno un impatto limitato in termini di banda e chiedono soprattutto rapidità di risposta. Le applicazioni di generazione multimediale spingono soprattutto il downlink. I modelli “real-time”, come “Live Assistant” e Physical AI, rovesciano invece il paradigma: l’uplink diventa dominante, perché i dispositivi inviano continuamente dati video e sensoriali verso la rete. È un cambiamento rilevante per chi progetta accesso, reti metro e dorsali.

Ripartizione del traffico dati (MB) per tipologia di servizio AI

Lo stesso paper sottolinea che i link di accesso e le reti metro-regionali avranno un ruolo critico, mentre la futura diffusione su larga scala di contenuti 8K e realtà estesa imporrà ulteriore banda larga soprattutto nelle aree di accesso, metro e regionali. La questione non riguarda solo i grandi hub internazionali. Riguarda la struttura quotidiana della rete sul territorio.

Data center, edge e nuove architetture

L’altra grande questione è dove risiede il calcolo. Il documento insiste sul fatto che le tecnologie avanzate non operano in isolamento, ma dipendono dall’integrazione con il continuum edge-to-cloud, il cloud ibrido, i data center ad alta efficienza energetica e reti sicure e intelligenti. Per i casi d’uso in tempo reale, il calcolo deve spesso avvicinarsi alla fonte del dato. Per i carichi massivi, restano centrali i data center e le piattaforme hyperscale.

Nel capitolo tecnico, il paper definisce il data center come infrastruttura fisica che ospita sistemi IT critici e garantisce continuità operativa, disponibilità e resilienza dei servizi digitali. Le configurazioni possono essere on-premise, co-location o cloud. La scelta, però, non è neutra. Nella sezione dedicata alla governance dell’AI si osserva che con dati di produzione o dati sensibili il ricorso al proprio data center diventa un’opzione prioritaria, mentre per ambienti di test possono essere usate soluzioni più orientate al cloud.

La rete dei nodi dovrà inoltre cambiare forma. Tra le direttrici indicate ci sono una rete capillare di Multi-access Edge Computing, l’evoluzione dei point of presence in strutture ibride capaci di ospitare nodi di calcolo, e il potenziamento di infrastrutture a supporto di data center regionali e “AI Gigafactories”.

Importanza di risorse distribuite ed in prossimità dell’utente a supporto di LLMs per Enterpise ed applicazioni di Physical AI

Sostenibilità e sicurezza non sono capitoli separati

Il paper insiste su due dimensioni trasversali: sostenibilità e sicurezza. Non le tratta come temi aggiuntivi, ma come elementi strutturali dell’ecosistema. Sul fronte energetico, il testo mette in guardia dal fabbisogno dei carichi AI e suggerisce una scelta più selettiva dei modelli. Un LLM può essere utile in contesti complessi e multi-dominio, ma uno SLM specializzato può offrire risultati comparabili con minore dispendio energetico. È un tema tecnico, ma anche industriale, perché incide su costi, dimensionamento e priorità di investimento.

Le soluzioni indicate comprendono infrastrutture iperconvergenti, raffreddamento a liquido, architetture modulari e iperscalabili, microgrid alimentate da fonti rinnovabili, edge computing per ridurre traffico verso il cloud, e framework operativi come GreenOps e FinOps, che integrano obiettivi economici e ambientali nella gestione dell’infrastruttura. Il paper cita anche compressione dei dati, networking energeticamente efficiente e riuso dell’hardware come leve per contenere l’impronta ambientale.

Sul piano della sicurezza, il documento parla di approcci Zero Trust, cifratura diffusa, gestione autonoma delle chiavi, disaster recovery, segmentazione dinamica e crittografia post-quantistica. La tesi è: senza disponibilità, integrità dei dati e continuità operativa, la trasformazione digitale perde affidabilità. In altre parole, la sicurezza non difende soltanto l’infrastruttura. Difende il valore economico e sociale dei servizi che su quell’infrastruttura si appoggiano.

Il nodo italiano: ritardi, costi, regole

Il passaggio più politico del paper riguarda l’Italia. Il documento riconosce i progressi degli ultimi anni nella diffusione della fibra, nell’espansione delle reti ad altissima capacità e nella crescita dei nodi edge, ma mette in fila anche gli ostacoli: tempi amministrativi lunghi, iter procedurali complessi, incertezze regolatorie, aumento dei costi di deployment e limiti nella capacità installativa. Il risultato, scrive il paper, è un divario tra sviluppo delle infrastrutture e diffusione effettiva delle soluzioni avanzate.

La parte sulle policy è costruita attorno a questa diagnosi. Il documento chiede continuità operativa delle infrastrutture e dei servizi digitali in emergenza, una governance più forte tra soggetti pubblici e privati, una distribuzione territoriale più equilibrata delle capacità di calcolo, e l’accesso a riserve di capacità digitale già disponibili per situazioni critiche.

Propone anche una revisione del public procurement, con criteri che pesino resilienza e continuità operativa, non solo il prezzo.

Un altro asse riguarda la capacità di calcolo nazionale. Il paper collega la competitività italiana alla possibilità di favorire l’accesso diffuso alle risorse di calcolo avanzato e, allo stesso tempo, sviluppare infrastrutture su larga scala capaci di sostenere applicazioni ad altissima intensità computazionale. In questo quadro, la partecipazione alle iniziative europee per AI Factory e AI Gigafactory viene indicata come leva strategica.

Il testo chiede poi di intervenire su tre fattori per rafforzare l’attrattività del Paese per gli investimenti in data center:

  • costo dell’energia,
  • semplificazione degli iter autorizzativi
  • quadro fiscale chiaro e prevedibile.

A questo si aggiungono ricerca, partenariati pubblico-privati e sviluppo del capitale umano, con percorsi tecnico-professionali e programmi di upskilling e reskilling.

La partita si decide sotto il livello visibile

Il merito principale del paper Anitec-Assinform è spostare la discussione dal fascino delle tecnologie al terreno meno visibile che le rende possibili. L’innovazione non fallisce solo perché mancano le idee o i software. Può fermarsi perché mancano potenza elettrica, collegamenti, standard aperti, data center efficienti, regole chiare, personale qualificato e capacità di coordinamento.

Per questo il documento conclude che le infrastrutture digitali non sono più un supporto tecnico, ma una leva strategica per competitività, resilienza e sviluppo sostenibile del Paese. È una formula che, tolta la patina istituzionale, descrive un fatto semplice: chi controlla la qualità di reti, calcolo, sicurezza e continuità operativa controlla anche la velocità con cui AI, cloud, servizi industriali e innovazione diventano economia reale. In Italia, nel 2026, la questione non è più se investire nelle tecnologie avanzate. È se costruire abbastanza in fretta il terreno che permetta loro di funzionare davvero.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

Articoli correlati

0
Lascia un commento, la tua opinione conta.x