La prossima fase della competizione nell’intelligenza artificiale potrebbe essere molto meno spettacolare di quella che abbiamo osservato negli ultimi tre anni, ma probabilmente sarà più importante dal punto di vista economico. Non si tratta più soltanto di costruire modelli sempre più grandi o di conquistare nuovi record nei benchmark. Il problema, adesso, è riuscire a eseguirli in modo continuativo, con costi sostenibili e prestazioni prevedibili. L’inferenza, ovvero il processo attraverso cui un modello AI elabora una richiesta e produce una risposta, sta diventando il vero terreno sul quale si misurerà la redditività dell’intelligenza artificiale.
Alcune delle società specializzate nella distribuzione di modelli AI stanno iniziando ad acquistare direttamente GPU NVIDIA e a investire nella capacità dei propri data center. Tra queste figurano Fal, Together e Baseten. Fino a poco tempo fa il loro modello operativo era relativamente semplice: affittare capacità computazionale dai grandi operatori cloud e rivenderla ai clienti attraverso piattaforme software ottimizzate per l’inferenza. Una struttura leggera, almeno in apparenza, che consentiva di crescere senza affrontare gli investimenti necessari per acquistare hardware e costruire infrastrutture. The Information
Il problema è che il mercato del calcolo AI sta cambiando rapidamente. I grandi cloud provider devono soddisfare la domanda dei propri clienti diretti e non hanno necessariamente interesse a garantire capacità illimitata a società che utilizzano le loro risorse per competere sul mercato dell’inferenza. La disponibilità di GPU avanzate è diventata una variabile strategica, mentre il prezzo di acquisto e quello di noleggio incidono direttamente sui margini. L’articolo racconta anche il caso di CoreWeave, che avrebbe ridotto la capacità fornita a Baseten, circostanza contestata da una fonte vicina a quest’ultima società. Il messaggio industriale rimane evidente: dipendere interamente dall’infrastruttura di un concorrente o di un fornitore esterno può diventare un limite alla crescita.
L’acquisto di GPU rappresenta quindi una scelta che modifica profondamente l’economia delle società di inferenza. Il capitale necessario aumenta, così come l’esposizione al rischio tecnologico e finanziario. Una GPU acquistata deve essere utilizzata con continuità per generare un ritorno sull’investimento; una macchina sottoutilizzata continua a produrre costi anche quando non produce token. La disponibilità di hardware, da sola, non garantisce un vantaggio competitivo. Occorre governare efficacemente l’esecuzione dei modelli, distribuire il carico di lavoro e ridurre il costo di ogni singola richiesta.
È proprio in questa trasformazione che si inserisce la posizione di Seeweb. Il cloud provider italiano, attivo dal 1998, dispone di quattro data center di proprietà tra Milano e Frosinone e ha sviluppato un’offerta dedicata al GPU Computing e ai servizi per l’intelligenza artificiale. La sua strategia non nasce dalla necessità improvvisa di inseguire una disponibilità di calcolo diventata problematica, ma da un investimento nell’infrastruttura necessaria per offrire servizi AI direttamente alle imprese. Seeweb dichiara di essere leader europeo nei servizi cloud per AI e Machine Learning; un posizionamento che va letto come dichiarazione aziendale, non come primato indipendentemente certificato da una classifica di mercato. Seeweb
Attraverso Regolo.AI, Seeweb porta questa capacità infrastrutturale sul mercato dell’inferenza. La piattaforma offre accesso ai modelli attraverso API, con un’architettura serverless e un sistema di consumo basato sull’utilizzo effettivo delle risorse. L’infrastruttura sottostante integra GPU AMD MI300X e NVIDIA H200, H100 e A100. La disponibilità di queste risorse consente di eseguire modelli senza obbligare il cliente a gestire direttamente server, configurazioni hardware e manutenzione dell’ambiente computazionale. Il servizio utilizza inoltre un sistema di provisioning dinamico, con l’obiettivo di adeguare la capacità alle richieste. Scalable Serverless AI
Questa distinzione ha conseguenze economiche importanti. Un’impresa che sviluppa un’applicazione AI non ha necessariamente interesse ad acquistare GPU, assumere specialisti per amministrarle e costruire un’infrastruttura dedicata. Vuole poter utilizzare modelli differenti, controllare i consumi e mantenere prestazioni adeguate al proprio servizio. Il cloud specializzato nell’inferenza risponde precisamente a questa esigenza. Il valore non risiede più soltanto nella disponibilità di hardware, ma nella capacità di trasformare quella disponibilità in un servizio affidabile, misurabile e accessibile attraverso interfacce standard.
Anche la sostenibilità economica dell’inferenza dipende sempre più dall’efficienza del software. Un esempio interessante arriva da Kinference, il progetto open source annunciato da Buoyant il 4 novembre 2026. Si tratta di un control plane progettato per integrare Kubernetes e vLLM in una piattaforma distribuita per l’esecuzione dei modelli. Il sistema introduce politiche di routing, limiti al consumo di token, gestione multi-tenant e bilanciamento del carico consapevole dello stato della KV cache, la memoria utilizzata per conservare informazioni intermedie durante la generazione delle risposte. vLLM Blog+1
Il dettaglio tecnico merita attenzione perché mostra dove si sta spostando la competizione. Un bilanciatore tradizionale distribuisce le richieste considerando principalmente la disponibilità dei server. Un sistema consapevole della KV cache può invece indirizzare una richiesta verso il nodo che possiede già parte del contesto necessario, evitando elaborazioni ridondanti. Nei benchmark pubblicati dal progetto, Kinference dichiara una riduzione del 95% del tempo mediano necessario per produrre il primo token e del 45% della latenza complessiva in uno specifico scenario di test rispetto al bilanciamento Kubernetes standard. Sono risultati dichiarati dagli sviluppatori e non vanno interpretati come miglioramenti universali, ma indicano quanto l’ottimizzazione dell’infrastruttura possa incidere sul costo effettivo del servizio.
Kinference non è un prodotto Seeweb né un componente che si possa attribuire automaticamente all’architettura di Regolo.AI. È tuttavia un riferimento tecnologico utile per comprendere l’evoluzione del settore. La prossima generazione delle piattaforme di inferenza dovrà gestire in modo intelligente modelli differenti, risorse GPU eterogenee e richieste provenienti da applicazioni con requisiti diversi. Il controllo del traffico diventerà una componente fondamentale dell’economia del calcolo.
Per Seeweb e Regolo.AI esiste anche un’altra variabile competitiva, particolarmente rilevante nel mercato europeo: la localizzazione dell’infrastruttura. La sovranità digitale viene spesso raccontata attraverso la provenienza dei modelli o la nazionalità delle aziende che li sviluppano. Ma un modello open weight non possiede una propria giurisdizione. È il luogo in cui viene eseguito, insieme alle condizioni contrattuali e alle modalità di trattamento dei dati, a determinare una parte sostanziale del controllo effettivo. Regolo dichiara di utilizzare infrastrutture collocate in Europa, con data center in Italia, e di adottare un approccio Zero Data Retention per i contenuti delle richieste. Una caratteristica che assume particolare rilevanza per organizzazioni che trattano informazioni riservate e non vogliono affidare i propri prompt a servizi collocati fuori dallo spazio europeo. Scalable Serverless AI+1
Naturalmente, la residenza europea dei server non risolve automaticamente ogni problema di conformità. Occorre verificare anche i subfornitori, i sistemi di osservabilità, i log, le procedure di sicurezza e le condizioni contrattuali. La sovranità dell’inferenza non è una certificazione geografica apposta sulla homepage di un provider, ma una proprietà dell’intera catena tecnologica e organizzativa. Proprio per questo, la disponibilità di un’infrastruttura italiana, inserita in un ecosistema europeo e accompagnata da condizioni verificabili di trattamento dei dati, può rappresentare un elemento differenziante rispetto alle offerte dei grandi hyperscaler.
C’è poi una questione che riguarda direttamente il futuro del mercato. Se le startup americane stanno iniziando ad acquistare GPU per non dipendere dai propri fornitori, le imprese europee devono decidere quanto controllo vogliono mantenere sulla propria capacità di calcolo. Non tutte avranno convenienza a possedere hardware, così come non tutte avranno bisogno di sviluppare modelli proprietari. Per molte organizzazioni la soluzione economicamente più razionale sarà affidarsi a un operatore specializzato che possieda l’infrastruttura, ne governi l’utilizzo e offra accesso ai modelli attraverso API compatibili con gli standard di mercato.
È qui che Seeweb può costruire una posizione interessante. Non semplicemente come alternativa europea ad AWS, Azure o Google Cloud, ma come operatore infrastrutturale specializzato nell’esecuzione dell’intelligenza artificiale. Regolo.AI rappresenta il livello di servizio attraverso cui questa capacità diventa accessibile agli sviluppatori e alle imprese. La disponibilità di GPU, l’integrazione con ambienti cloud-native e l’attenzione alla localizzazione dei dati costituiscono le basi di un’offerta che intercetta un mercato destinato a crescere con la diffusione degli agenti AI e delle applicazioni basate su modelli generativi.


