Google Project Suncatcher porta i data center AI nello spazio, ma la fisica detta le condizioni

Google Project Suncatcher ha inviato quattro Tensor Processing Units in orbita il 1° ottobre, trasformando un'idea infrastrutturale speculativa in un test hardware operativo. I chip viaggiano ora all'interno di un satellite alimentato a energia solare, costruito con Planet e lanciato da SpaceX. Google afferma che il veicolo spaziale ha stabilito il contatto e sta operando come previsto.

Il lancio non significa che Google abbia costruito un cloud orbitale. Significa che l'azienda può finalmente misurare come l'hardware AI commerciale gestisca radiazioni, sollecitazioni del lancio e calore al di fuori di un laboratorio. Questi risultati determineranno se i data center AI nello spazio meritino ulteriori investimenti o restino un costoso esperimento mentale.

SpaceX, Nvidia, Starcloud, Blue Origin e diverse aziende più piccole stanno portando avanti piani correlati. Le loro proposte differiscono, ma condividono una premessa. Le reti elettriche, i sistemi idrici e le procedure autorizzative terrestri stanno diventando vincoli per l'espansione dell'AI. L'orbita sembra offrire luce solare abbondante e minori obiezioni locali, ma sostituisce tali limiti terrestri con problemi ingegneristici implacabili.

Google Project Suncatcher è passato dalla carta all'orbita

Google ha superato un confine importante, ma il suo satellite resta un esperimento anziché un data center orbitale operativo.

Il prototipo di Project Suncatcher è stato lanciato a bordo della missione rideshare Transporter-18 di SpaceX. Il Falcon 9 senza equipaggio ha portato 130 carichi utili in orbita terrestre bassa dalla Vandenberg Space Force Base in California.

Google ha sviluppato il satellite con Planet, un'azienda di osservazione della Terra esperta nella costruzione di veicoli spaziali compatti. Il carico utile comprende quattro TPU Trillium, acceleratori progettati da Google per carichi di lavoro di machine learning.

L'aggiornamento sul prototipo di Google afferma che l'azienda raccoglierà dati operativi nelle prossime settimane. Gli ingegneri esamineranno come i chip rispondano a vibrazioni, radiazioni e temperature estreme.

Si tratta di questioni basilari di sopravvivenza. Un acceleratore terrestre opera all'interno di un edificio attentamente controllato, con alimentazione, raffreddamento, rete e manutenzione ridondanti. La versione orbitale deve continuare a funzionare senza tecnici, parti di ricambio o un ambiente stabile attorno a sé.

Il carico di lavoro iniziale è deliberatamente limitato. I chip eseguiranno brevi query Gemini durante periodi controllati, poi si fermeranno per consentire all'hardware di raffreddarsi. Questo programma mostra quanto il test sia ancora lontano da un servizio AI continuo.

Un sistema di produzione dovrebbe mantenere attivi migliaia di processori per lunghi periodi. Dovrebbe inoltre disporre di memoria, capacità di rete e tolleranza ai guasti sufficienti per distribuire grandi carichi di lavoro tra molti satelliti.

Il progetto più ampio di Google prevede cluster di veicoli spaziali alimentati a energia solare, collegati tramite collegamenti ottici nello spazio libero. Questi collegamenti usano laser per trasmettere dati tra satelliti senza un cavo fisico.

La ricerca dell'azienda descrive un cluster di 81 satelliti in volo entro un raggio di circa un chilometro. Sistemi di machine learning coordinerebbero la formazione evitando le collisioni.

La formazione ravvicinata è importante perché l'addestramento AI moderno dipende da una comunicazione rapida tra acceleratori. Un gruppo di chip isolati non può eguagliare automaticamente le prestazioni di un supercomputer terrestre.

La rete ottica proposta da Google dovrebbe quindi offrire un'elevata larghezza di banda con bassa latenza. Dovrebbe inoltre mantenere un allineamento preciso mentre ogni satellite si muove alla velocità orbitale.

Le comunicazioni con il suolo creano un altro collo di bottiglia. I collegamenti radio sono sufficienti per il prototipo attuale, ma grandi cluster orbitali avrebbero bisogno di connessioni molto più rapide per scambiare modelli e dataset con la Terra.

Questi vincoli spiegano perché il lancio di ottobre sia importante. Project Suncatcher non si basa più interamente su modelli informatici e test sulle radiazioni. Google può ora confrontare le proprie ipotesi con dati raccolti in orbita.

Tuttavia, l'esperimento non convalida l'architettura completa. Non testa una formazione di 81 satelliti, il funzionamento continuo, grandi radiatori o collegamenti ottici ad alto volume con il suolo.

La distinzione è essenziale. Google ha collocato processori AI nello spazio, ma non ha dimostrato che un cluster orbitale possa competere con un data center convenzionale.

La domanda energetica dell'AI sta alimentando la corsa allo spazio

La corsa verso l'orbita nasce da un problema terrestre: gli sviluppatori AI hanno bisogno di elettricità più rapidamente di quanto le utility possano fornirla.

Il Government Accountability Office degli Stati Uniti afferma che i data center potrebbero rappresentare fino al 12 per cento della domanda elettrica americana entro il 2028. Lo sviluppo dell'AI è un fattore importante alla base di questa previsione.

Nuove strutture possono richiedere anni di pianificazione con le utility, potenziamenti della trasmissione, autorizzazioni e negoziati locali. Anche il consumo idrico e l'uso del suolo possono suscitare opposizione nelle comunità vicine ai siti proposti.

Questi vincoli incidono sulle aziende che sviluppano modelli di frontiera. Maggiore capacità di calcolo supporta addestramento dei modelli, sperimentazione, inferenza e crescita dei clienti. Un'infrastruttura ritardata può quindi rallentare sia lo sviluppo dei prodotti sia i ricavi.

I progetti orbitali promettono un modello energetico differente. I pannelli solari in opportune orbite terrestri basse possono ricevere luce solare quasi continua, senza nuvole né ciclo notturno.

Google stima che un pannello nell'orbita proposta possa ricevere fino a otto volte più energia solare all'anno rispetto a un pannello in un sito terrestre a media latitudine. Questo vantaggio riflette le condizioni di esposizione, non elettricità gratuita.

Un satellite necessita comunque di grandi array, elettronica di potenza, batterie e sistemi di controllo. Questi componenti aggiungono peso e devono sopravvivere al lancio, alle radiazioni e a ripetute sollecitazioni termiche.

L'argomento energetico diventa più interessante man mano che la capacità terrestre diventa più difficile da assicurare. Un'azienda tecnologica con accesso a veicoli di lancio potrebbe aggiungere capacità di calcolo senza attendere una nuova centrale elettrica.

SpaceX possiede il vantaggio più evidente nell'integrazione verticale. Gestisce razzi, amministra la costellazione Starlink e ha proposto satelliti per data center orbitali progettati appositamente.

Elon Musk ha affermato che lo spazio diventerà la sede a costo più basso per l'AI entro due o tre anni. Questa previsione resta un'affermazione aziendale, non un risultato economico dimostrato.

SpaceX ha inoltre presentato piani che coinvolgono fino a un milione di satelliti. Una rete simile opererebbe su una scala di gran lunga superiore agli attuali carichi di calcolo sperimentali.

Il suo vantaggio non è solo tecnico. L'accesso ai lanci può determinare quali progetti orbitali possano testare hardware, sostituire apparecchiature guaste ed espandere la capacità.

I concorrenti dipendono spesso da SpaceX per il trasporto. Google ha usato un Falcon 9 per il prototipo Project Suncatcher, mentre Starcloud si è affidata anch'essa a SpaceX per la sua precedente missione hardware AI.

Questa dipendenza trasforma la capacità di lancio in leva strategica. Un'azienda che controlla sia i razzi sia il calcolo orbitale può ottimizzare i propri costi, stabilendo al contempo le condizioni commerciali per i rivali.

Blue Origin offre un possibile contrappeso. L'azienda ha perseguito grandi reti satellitari e capacità di lancio pesante, sebbene la sua strategia di calcolo orbitale resti meno matura.

Nvidia occupa un'altra posizione nella catena di fornitura. Ha introdotto lo Space-1 Vera Rubin Module per il calcolo in ambienti orbitali con vincoli stringenti.

Nvidia afferma che il modulo può supportare modelli linguistici di grandi dimensioni, analisi geospaziale e veicoli spaziali autonomi. Tuttavia, disponibilità e prestazioni orbitali sostenute richiedono ancora convalida.

Starcloud sta testando un modello commerciale più diretto. Ha già fatto volare un acceleratore Nvidia H100 e intende assemblare cluster più grandi per addestramento e inferenza.

L'opportunità immediata potrebbe non essere servire normali richieste ai chatbot. Elaborare dati generati nello spazio offre un vantaggio più chiaro perché le informazioni non devono mai compiere un viaggio completo di andata e ritorno verso la Terra.

I satelliti di osservazione terrestre catturano più immagini grezze di quante gli operatori possano trasmettere efficientemente. Un sistema AI a bordo potrebbe identificare incendi boschivi, infrastrutture danneggiate o condizioni meteorologiche insolite prima di inviare risultati selezionati al suolo.

Questo approccio riduce la domanda di downlink e i tempi di risposta. Funziona inoltre su una scala più ridotta rispetto alla sostituzione delle regioni cloud terrestri.

La corsa ai data center orbitali contiene quindi due mercati. Uno avvicina il calcolo ai sensori già presenti nello spazio. L'altro tenta di spostare l'infrastruttura AI per uso generale lontano dalla Terra.

Il primo mercato sta arrivando ora. Il secondo richiede progressi molto più grandi nell'economia dei lanci, nel raffreddamento, nelle reti e nella manutenzione.

L'energia solare è abbondante, ma il raffreddamento non è gratuito

Il compromesso centrale è semplice: l'orbita fornisce più luce solare, mentre il vuoto rende più difficile rimuovere il calore di scarto.

I processori AI convertono la maggior parte dell'energia elettrica in ingresso in calore. Un chip che riceve centinaia di watt deve trasferire continuamente tale energia termica da qualche altra parte.

Le strutture terrestri usano aria, acqua o liquidi specializzati per allontanare il calore. Ventole, pompe, torri di raffreddamento e refrigeratori lo trasferiscono poi nell'ambiente circostante.

Lo spazio non ha atmosfera per la convezione. Manca inoltre un liquido esterno in grado di assorbire calore dal veicolo spaziale.

Un sistema orbitale deve trasferire il calore da ciascun processore a un radiatore. Quel radiatore rilascia energia sotto forma di radiazione infrarossa.

Il processo funziona, ma richiede superficie. Più potenza di calcolo genera più calore, il che richiede radiatori più grandi.

Un'analisi termica IEEE ha stimato che un rack da 40 kilowatt potrebbe richiedere un radiatore di 80 metri quadrati. Tale superficie è all'incirca paragonabile a un campo da pickleball.

La stessa analisi ha stimato che un impianto da 100 megawatt richiederebbe almeno 2.500 radiatori di questo tipo. Ogni struttura aggiungerebbe massa, resistenza aerodinamica, meccanismi di dispiegamento e potenziali punti di guasto.

I radiatori devono inoltre conservare la capacità di emettere calore. La luce ultravioletta, l'ossigeno atomico e le radiazioni possono degradare nel tempo i rivestimenti esposti.

Questo degrado crea un problema che si amplifica. Gli operatori potrebbero dover lanciare capacità aggiuntiva di radiatori fin dall'inizio, aumentando la massa che rendeva costoso il sistema.

Gli array solari aggiungono un altro vincolo geometrico. Richiedono superficie sufficiente per alimentare i processori e le relative apparecchiature di supporto.

Gli array e i radiatori devono entrambi mantenere orientamenti utili. Non possono bloccarsi a vicenda, destabilizzare il veicolo spaziale o creare una resistenza aerodinamica ingestibile.

Lo spazio può essere freddo, ma un ambiente freddo non raffredda automaticamente un oggetto. Senza conduzione o convezione, un chip caldo può perdere energia soltanto attraverso il suo percorso termico progettato.

Google riconosce che la gestione termica resta un lavoro incompiuto. La sua ricerca propone heat pipe e radiatori, ma non presenta un progetto collaudato per un cluster di produzione.

Il satellite attuale evita il problema completo eseguendo carichi di lavoro brevi. Le pause di raffreddamento sono accettabili durante un esperimento, ma l'infrastruttura commerciale richiede disponibilità prevedibile.

Le radiazioni creano un secondo compromesso. I computer satellitari convenzionali usano componenti resistenti alle radiazioni, progettati per tollerare particelle ad alta energia.

Questi processori sono affidabili, ma di solito restano indietro rispetto agli acceleratori AI più avanzati in termini di prestazioni. Un moderno modello linguistico di grandi dimensioni necessita della densità offerta da chip commerciali come le TPU di Google o le GPU di Nvidia.

Gli acceleratori commerciali sono più vulnerabili. Le particelle ad alta energia possono invertire bit di memoria, corrompere calcoli o provocare guasti elettrici.

Google afferma che i suoi test a terra hanno esposto le TPU Trillium a radiazioni equivalenti a una missione di cinque anni. Secondo quanto riportato, i processori sono sopravvissuti senza guasti permanenti, sebbene gli ingegneri abbiano osservato errori recuperabili.

Questo risultato giustifica ulteriori test, ma pochi processori sopravvissuti non dimostrano l’affidabilità di un’intera flotta. Una grande costellazione conterrebbe molti più componenti, moduli di memoria, connessioni e sistemi di alimentazione.

La ridondanza può ridurre l’impatto operativo dei singoli guasti. Più processori possono eseguire lo stesso calcolo, confrontare i risultati e riavviare un nodo che produce una risposta incoerente.

Questa strategia sostituisce l’irrobustimento con la quantità. Gli operatori lanciano più hardware ordinario e accettano che alcune unità falliscano.

Il compromesso funziona solo se lancio e sostituzione diventano economici. Altrimenti, ogni processore ridondante aumenta i costi in conto capitale prima di generare capacità di calcolo utile.

La riparazione presenta una sfida correlata. Nelle strutture terrestri, i tecnici sostituiscono regolarmente unità di archiviazione, cavi, pompe e acceleratori guasti.

Un operatore orbitale non può inviare un tecnico a ogni satellite. La manutenzione robotica resta limitata, mentre riportare l’hardware sulla Terra di solito avrebbe poco senso dal punto di vista economico.

Questo rende la sostituzione la probabile strategia di manutenzione. I satelliti guasti verrebbero ritirati, deorbitati e sostituiti con unità più recenti.

Sostituzioni frequenti potrebbero migliorare le prestazioni dei chip con l’arrivo di acceleratori più nuovi. Potrebbero anche creare un costoso ciclo di lanci e una maggiore pressione sulla gestione del traffico orbitale.

I costi di lancio e i detriti spaziali mettono alla prova il modello di business

L’AI orbitale diventa competitiva solo quando trasporto, affidabilità e capacità di calcolo utilizzabile migliorano insieme.

I prezzi di lancio sono diminuiti, ma inviare apparecchiature pesanti in orbita resta più costoso che trasferirle in un edificio terrestre. Radiatori, schermature, propulsione e pannelli solari amplificano tale differenza.

Il modello economico di Google individua in un costo di lancio in orbita terrestre bassa di circa 200 dollari per chilogrammo una soglia importante. L’azienda prevede che tale livello potrebbe diventare possibile entro la metà degli anni 2030.

Questa ipotesi dipende dal raggiungimento di volumi di lancio elevati da parte di razzi pesanti riutilizzabili. Presuppone inoltre che i produttori di veicoli spaziali riescano a ridurre la massa senza compromettere alimentazione, raffreddamento o durata.

Un modello di costo BCG stima che i sistemi orbitali mantengano ancora un sostanziale sovrapprezzo rispetto alle strutture terrestri. Persino gli scenari favorevoli lasciano il risultato fortemente sensibile ai tassi di guasto dei satelliti.

Il costo di lancio è quindi solo una variabile. Un lancio economico non aiuta se i processori si guastano presto, i radiatori si degradano o la rete non riesce a tenere occupati chip costosi.

L’utilizzo è importante perché gli acceleratori AI generano valore durante l’elaborazione dei carichi di lavoro. Un sistema che si interrompe frequentemente per il raffreddamento o attende i dati fornirà meno ore di calcolo dallo stesso hardware.

Le prestazioni della rete potrebbero creare tempi di inattività nascosti. L’addestramento di modelli di grandi dimensioni richiede che i processori scambino risultati intermedi rapidamente e ripetutamente.

Se i collegamenti ottici perdono l’allineamento o non riescono a eguagliare la larghezza di banda terrestre, il cluster potrebbe trascorrere più tempo in attesa. Satelliti aggiuntivi non risolverebbero necessariamente quel problema.

Anche la latenza distingue i potenziali carichi di lavoro. Le applicazioni interattive devono rispondere rapidamente alle persone e ai sistemi sulla Terra.

L’orbita terrestre bassa aggiunge distanza di trasmissione, instradamento tramite stazioni di terra e interferenze meteorologiche per i collegamenti ottici. Questi fattori possono essere accettabili per il lavoro batch, ma meno adatti ai servizi in tempo reale.

La generazione in massa, la modellazione scientifica, l’analisi di archivi e la traduzione possono tollerare ritardi. Queste attività potrebbero diventare candidati iniziali se il calcolo orbitale raggiungerà una scala commerciale.

I carichi di lavoro governativi sensibili rappresentano un altro possibile mercato. Un’infrastruttura spaziale distribuita potrebbe offrire separazione geografica e accesso diretto ai sensori orbitali.

Tuttavia, l’isolamento fisico non elimina il rischio di cybersicurezza. Gli operatori avrebbero comunque bisogno di canali di comando sicuri, aggiornamenti software, autenticazione e protezione contro sistemi terrestri compromessi.

Le questioni ambientali sono più difficili da quantificare. Le grandi costellazioni aumentano il rischio di collisioni e complicano l’uso di bande orbitali già affollate.

La valutazione del GAO avverte che satelliti aggiuntivi potrebbero interferire con l’astronomia, minacciare le missioni con equipaggio e aumentare le esigenze di coordinamento per le frequenze radio.

Una collisione può produrre frammenti che restano in orbita e mettono in pericolo altri veicoli spaziali. Più oggetti creano più avvisi di congiunzione e manovre di evitamento.

La preoccupazione nel caso peggiore è una cascata in cui i detriti di una collisione causano ulteriori impatti. Gli operatori progettano tenendo conto di questo rischio, ma costellazioni di calcolo molto grandi aumenterebbero il numero di potenziali incontri.

SpaceX indica il record operativo di Starlink come prova che grandi flotte possano essere gestite. Tuttavia, le proposte di data center orbitali potrebbero alla fine aggiungere piattaforme più pesanti e complesse, con strutture esterne più grandi.

Anche lo smaltimento a fine vita è importante. I satelliti in orbite sufficientemente basse possono rientrare nell’atmosfera, ma sostituzioni frequenti aumenterebbero il traffico di rientro.

Lanci e rientri producono emissioni. Un’analisi accademica sostiene che tali emissioni potrebbero compensare i benefici ambientali attribuiti allo spostamento dei data center lontano dalla Terra.

Questa conclusione dipende dai futuri progetti di razzi, dalla frequenza dei lanci, dalla vita utile dei sistemi e dalle emissioni incluse nel confronto. Non dovrebbe essere considerata definitiva.

Ciononostante, il calcolo orbitale non può essere descritto come automaticamente sostenibile. Sposta gli impatti tra produzione di energia, manifattura, operazioni di lancio, chimica atmosferica e detriti spaziali.

Il caso più credibile nel breve termine resta il calcolo mirato per dati generati nello spazio. Un satellite che filtra le immagini localmente può ridurre i costi di comunicazione senza pretendere di sostituire una regione cloud hyperscale.

Questa implementazione più circoscritta può anche rivelare dati reali sull’affidabilità. Gli operatori possono misurare errori dei processori, prestazioni dei radiatori, disponibilità di energia e lavoro utile completato per chilogrammo.

I cloud orbitali per uso generale affrontano uno standard più elevato. Devono superare alternative terrestri che continuano a migliorare grazie al raffreddamento avanzato, a nuovi contratti energetici e a chip più efficienti.

Gli operatori terrestri possono anche collocare le strutture vicino a energia rinnovabile, produzione nucleare o regioni con climi favorevoli. Possono aggiornare l’hardware senza lanciare un razzo.

La competizione, quindi, non è tra l’orbita e i data center di oggi. È tra l’orbita e l’infrastruttura terrestre disponibile quando i sistemi orbitali raggiungeranno finalmente la scala.

Tre segnali mostreranno se l’AI orbitale può scalare

La prossima fase dovrebbe essere valutata in base a prove operative, non alle dimensioni delle costellazioni annunciate nelle dichiarazioni regolatorie.

Il primo segnale è una prestazione sostenuta dalle quattro TPU di Google. Project Suncatcher deve dimostrare che gli acceleratori commerciali possono completare carichi di lavoro ripetuti nonostante radiazioni e cicli termici.

Google dovrebbe infine divulgare tassi di errore, temperature operative, tempo di calcolo attivo e variazioni delle prestazioni durante la missione. Il solo contatto con il veicolo spaziale non risponde a queste domande.

Un risultato solido sosterrebbe l’argomentazione secondo cui i chip AI standard possono sopravvivere con una resilienza gestita dal software. Arresti frequenti o guasti cumulativi indebolirebbero l’economia di flotte più grandi.

Il secondo segnale è una dimostrazione riuscita di rete multi-satellite. L’architettura di Google dipende da veicoli spaziali strettamente coordinati che scambiano dati attraverso collegamenti ottici.

L’azienda ha discusso ulteriori test nel corso del 2027. Queste missioni devono dimostrare un volo in formazione stabile, un allineamento affidabile dei collegamenti e una larghezza di banda utile in condizioni orbitali.

Questo test separa il calcolo a bordo da un vero data center distribuito. Un satellite può eseguire un modello AI, ma un grande cluster di addestramento richiede che molti processori si comportino come un unico sistema.

Il networking è particolarmente importante per Google perché il suo progetto privilegia satelliti modulari. L’architettura evita il lancio di un’unica struttura enorme, ma trasferisce la complessità nel controllo della formazione e nelle comunicazioni.

Una dimostrazione convincente convaliderebbe questa scelta. Collegamenti instabili limiterebbero il sistema a nodi indipendenti di edge computing anziché a un cluster AI unificato.

Il terzo segnale è un modello di costo completo sostenuto da dati operativi. SpaceX, Google, Starcloud e i loro partner devono includere lancio, hardware, sistemi termici, guasti, comunicazioni e smaltimento.

I confronti basati soltanto sulla luce solare gratuita escludono gran parte del sistema. La misura rilevante è il calcolo utile fornito durante la vita operativa del veicolo spaziale.

Questo calcolo dovrebbe tenere conto di pause per il raffreddamento, errori da radiazione, riduzione della produzione solare, lanci di sostituzione e capacità inutilizzata. Dovrebbe inoltre confrontarsi con strutture terrestri in miglioramento.

I primi contratti commerciali offriranno un ulteriore indizio all’interno di questo terzo segnale. I clienti che elaborano dati di osservazione della Terra potrebbero accettare costi di calcolo più elevati quando l’analisi locale fa risparmiare tempo o capacità di downlink.

I carichi di lavoro AI di massa affrontano un test diverso. Un’azienda che genera testi o immagini può scegliere tra molte regioni terrestri senza pagare per hardware orbitale.

Questa distinzione dovrebbe modellare le aspettative. Il calcolo orbitale può diventare un’attività reale senza sostituire la normale infrastruttura cloud.

Sviluppatori e acquirenti aziendali dovrebbero osservare il posizionamento dei carichi di lavoro piuttosto che conteggi spettacolari di satelliti. I primi servizi utili elaboreranno probabilmente informazioni già raccolte in orbita.

I knowledge worker non noteranno dove viene eseguita ogni query del modello. Noteranno se i servizi diventano più veloci, economici, disponibili o limitati.

Le organizzazioni che valutano sistemi AI dovrebbero tenere separate le affermazioni sull’infrastruttura dalle prestazioni del prodotto. Una base di conoscenza AI ricercabile dipende comunque da pratiche sicure sui dati, recupero affidabile e risposte utili, indipendentemente dalla posizione dei processori.

Google Project Suncatcher ha reso l’AI orbitale misurabile. Questo è il vero cambiamento dietro l’attuale corsa.

Il progetto deve ora superare una transizione molto più difficile. Deve passare da quattro chip operativi in modo intermittente a un’infrastruttura in rete che fornisca calcolo affidabile.

L’energia solare offre ai sistemi orbitali una ragione convincente per esistere. Raffreddamento, radiazioni, networking, dipendenza dai lanci e detriti determinano se tale ragione sia sufficiente.

Nel corso del prossimo anno, osservate i dati operativi, i test di networking ottico e il costo per ora di calcolo utile. Questi risultati riveleranno se lo spazio stia diventando un mercato dell’infrastruttura AI o semplicemente uno straordinario laboratorio.