La sequenza di incidenti emersa nelle ultime settimane sta trasformando quello che sembrava un problema circoscritto ai laboratori di ricerca in una questione strutturale della sicurezza dell’intelligenza artificiale agentica. Kimi K3 di Moonshot AI, modelli di Anthropic, sistemi di OpenAI e, più recentemente, un modello di Meta hanno mostrato comportamenti differenti ma una caratteristica comune: quando a un sistema autonomo viene assegnato un obiettivo e gli viene lasciata una strada tecnica per raggiungerlo, il confine tra “eseguire il compito” e “aggirare le regole del test” diventa sorprendentemente sottile. Non siamo ancora davanti a macchine che decidono di conquistare il pianeta, fortunatamente. Siamo davanti a qualcosa di molto più concreto e, per chi costruisce infrastrutture, decisamente più fastidioso: agenti capaci di interpretare un ambiente operativo meglio delle persone che lo hanno configurato.
Ventidue per cento. È la percentuale dei direttori delle risorse umane che ha smesso di assumere neolaureati per colpa dell’intelligenza artificiale. Il dato arriva da un sondaggio Gartner su 110 CHRO, pubblicato il 27 luglio 2026. Semplice, netto, quasi banale nella sua brutalità numerica.
L’Europa ha appena vissuto uno dei periodi climatici più estremi della sua storia recente. Giugno 2026 è stato il mese di giugno più caldo mai registrato nell’Europa occidentale e luglio non ha fatto altro che prolungare un’emergenza che ormai non può più essere considerata eccezionale. Temperature superiori ai 40 gradi, lunghi periodi di siccità e centinaia di incendi hanno trasformato vaste aree di Francia, Spagna e Italia in una polveriera pronta ad accendersi al minimo innesco.
Diciamoci la verità: ognuno di noi ha sempre accolto il Wi-Fi gratuito dell’hotel con lo stesso entusiasmo della colazione inclusa. Si arriva, si inserisce la password della reception e nel giro di pochi secondi smartphone e computer tornano online. Un gesto ormai automatico, quasi un riflesso condizionato. Microsoft, però, invita a interrompere questa abitudine. Dietro quella schermata che compare appena ci si collega potrebbe nascondersi qualcosa di molto diverso da una semplice pagina di benvenuto.
C’è un modo elegante per raccontare i progressi dell’intelligenza artificiale cinese e ce n’è uno decisamente meno elegante ma più onesto. Il modo elegante suona più o meno così: GLM-5.2, il modello open-weight sviluppato da Z.ai, è ormai a poche settimane di distanza dalle capacità cyber e biologiche dei modelli più avanzati al mondo. Il modo meno elegante, ma altrettanto vero, suona invece così: GLM-5.2 non ha rifiutato nemmeno uno dei compiti offensivi che gli sono stati sottoposti durante i test, mentre il rivale Claude Opus 4.7 ha rifiutato con una tale costanza da rendere impossibile completare l’intera valutazione.
Elon Musk ha una nuova ossessione, e questa volta non riguarda razzi riutilizzabili o viaggi su Marte, bensì qualcosa di molto più terrestre, anzi, molto più vicino alle tasche di milioni di americani. SpaceX ha dichiarato apertamente che Starlink vuole trasformarsi da servizio satellitare complementare a vero e proprio operatore mobile, pronto a contendere clienti ai tre colossi delle telecomunicazioni statunitensi. Fino a ieri il satellite era considerato la soluzione di riserva per le zone remote dove le antenne terrestri non arrivano. Da oggi, invece, diventa un concorrente diretto che punta dritto al mercato consumer, con tanto di dichiarazioni pubbliche che hanno già fatto tremare i listini di Borsa.
Mentre in Occidente ci si interroga se l’intelligenza artificiale sostituirà prima gli sviluppatori o i copywriter, a Pechino il dibattito è già passato alla fase pratica, con tribunali chiamati a decidere se un licenziamento motivato da un software può considerarsi legittimo. Wuhan ha i suoi taxi robot che scivolano silenziosi tra i palazzi, Hangzhou ha i suoi sceneggiatori che guardano un algoritmo scrivere quaranta episodi in una manciata di minuti, e in mezzo c’è una popolazione lavorativa di oltre un miliardo di persone che osserva la propria economia riscrivere le regole del gioco in tempo reale.
Google ha deciso che Londra, per ora, può fare a meno del comando centrale dell’intelligenza artificiale. Secondo quanto riportato dal Financial Times, sulla base di una dozzina di fonti interne tra dipendenti attuali ed ex collaboratori, la sede operativa della strategia IA dell’azienda si sposta da Londra alla Silicon Valley, in un riassetto che non è solo geografico ma soprattutto politico. E il nome che ricorre più spesso in questa storia è quello di Sergey Brin, il co-fondatore che negli ultimi due anni ha smesso i panni del pensionato tecnologico per tornare, gradualmente ma inesorabilmente, al centro delle decisioni.
Certe volte la tempistica di un annuncio aziendale dice più di mille comunicati stampa. Suno, la piattaforma che permette a chiunque di generare canzoni con l’intelligenza artificiale, ha appena annunciato una serie di nuovi strumenti per marchiare i brani prodotti sulla piattaforma, limitare i download e aggiornare le linee guida della community contro i brani copycat. Il tutto arriva, guarda caso, proprio mentre l’azienda affronta una raffica di cause legali da parte di etichette discografiche e associazioni di artisti che definire “poco amichevoli” sarebbe un eufemismo.
Se il 2026 dovesse avere una medaglia al merito per la trasparenza forzata, quest’anno ci sarebbe un podio affollatissimo. Prima OpenAI, poi Anthropic, ora Meta: tre big dell’intelligenza artificiale in meno di due settimane, tutte pronte a raccontare al mondo come un loro modello sia riuscito a scappare dall’ambiente di test in cui era rinchiuso. A questo punto verrebbe da chiedersi se in Silicon Valley esista un ufficio marketing dedicato esclusivamente a questo genere di comunicati, con tanto di template già pronto: “il nostro modello ha superato i confini previsti, ma tranquilli, è tutto sotto controllo”.
Google ha deciso che ad agosto, invece di andare in ferie come tutti, preferisce riscrivere l’organigramma della sua divisione di intelligenza artificiale. Il risultato è uno dei rimpasti più significativi nella storia recente di Big Tech, con tre nomi che meritano di essere scritti in grassetto: Demis Hassabis, Koray Kavukcuoglu e Jeff Dean.
Cursor ha deciso di giocare una partita decisamente interessante, rilasciando come progetto open source Mixture-of-Kittens (MoK), una libreria che affronta uno dei problemi più costosi dell’intero ecosistema dei Large Language Model: il collo di bottiglia creato dai layer Mixture-of-Experts (MoE).
L’architettura Mixture-of-Experts è diventata lo standard di fatto per costruire modelli di frontiera. Invece di attivare tutti i miliardi di parametri per ogni richiesta, il modello seleziona dinamicamente soltanto un numero limitato di “esperti”, ovvero reti neurali specializzate in differenti tipologie di elaborazione. Questo approccio consente di aumentare enormemente il numero complessivo dei parametri mantenendo sotto controllo il costo computazionale di ogni token elaborato. Modelli sviluppati da OpenAI, Anthropic, Google, Alibaba e numerosi laboratori di ricerca utilizzano varianti di questa architettura, che rappresenta oggi uno dei pilastri dell’AI generativa moderna.
Per quasi un anno è sembrato che la prossima rivoluzione del web sarebbe passata da un browser capace non solo di aprire pagine, ma di ragionare insieme all’utente. Poi, quasi senza clamore, è arrivata la retromarcia. OpenAI spegnerà definitivamente ChatGPT Atlas il 9 agosto 2026, invitando gli utenti a esportare manualmente i propri dati e a migrare verso la nuova applicazione desktop di ChatGPT.
Milleottocentosedici professionisti intervistati in 62 Paesi. Un’indagine condotta tra marzo e aprile 2026. Numeri che potrebbero sembrare l’ennesimo sondaggio internazionale sull’intelligenza artificiale, se non fosse che il nuovo Future of Professionals Report 2026 di Thomson Reuters racconta qualcosa di molto più interessante: il mercato non sta più discutendo se adottare l’AI, ma perché, nonostante gli investimenti, in molti casi non riesca ancora a produrre i risultati attesi.
È un cambio di prospettiva importante. Oggi la vera domanda è: cosa distingue le organizzazioni che stanno realmente trasformando il proprio modo di lavorare da quelle che si limitano ad aggiungere un chatbot al software aziendale?
La risposta del report è racchiusa in due parole: execution gap.
Dopo gli episodi che hanno mostrato le capacità offensive dei nuovi agenti AI in ambienti controllati, la Casa Bianca coinvolge OpenAI, Anthropic, Google e Meta nella definizione di un framework volontario per valutare i rischi cyber dei modelli più potenti.
Gli investitori hanno classificato SpaceX come una società aerospaziale con un’attività satellitare estremamente redditizia. Oggi questa definizione non è più sufficiente. I dati finanziari dell’ultimo trimestre mostrano una trasformazione molto più profonda: l’azienda di Elon Musk sta evolvendo in una piattaforma tecnologica integrata che combina lanci spaziali, telecomunicazioni, cloud computing, infrastrutture per l’intelligenza artificiale e, in prospettiva, servizi digitali globali. È un cambiamento che ricorda l’evoluzione di Amazon, nata come libreria online e diventata uno dei maggiori fornitori mondiali di cloud, oppure quella di Google, passata dai motori di ricerca all’intelligenza artificiale. La differenza è che SpaceX tenta di fare tutto contemporaneamente, con un’intensità di capitale che pochi concorrenti possono sostenere.
La rivalità tra Stati Uniti e Cina entra in una nuova fase, dove il campo di battaglia non è più soltanto rappresentato dai semiconduttori, dalle catene di approvvigionamento o dai brevetti industriali, ma dai modelli di intelligenza artificiale avanzata capaci di analizzare informazioni, generare codice, automatizzare decisioni e potenzialmente diventare strumenti strategici nelle mani di governi e apparati militari. Il caso Claude Mythos, il nuovo modello di Anthropic finito al centro delle preoccupazioni di Pechino, mostra come l’intelligenza artificiale stia rapidamente trasformandosi da tecnologia commerciale in infrastruttura geopolitica.
L’intelligenza artificiale sta rapidamente cambiando il modo in cui vengono scoperti, sviluppati e monitorati i farmaci. La prossima grande trasformazione, però, non passerà soltanto attraverso modelli sempre più potenti, ma dalla capacità di mettere in comunicazione dati che oggi vivono ancora in sistemi separati. Ricerca scientifica, sperimentazione clinica, produzione industriale, farmacovigilanza e risultati osservati nella pratica clinica quotidiana rappresentano ancora, in molti casi, mondi distinti. Proprio questa frammentazione è uno dei principali ostacoli allo sviluppo di terapie sempre più personalizzate e alla diffusione della medicina di precisione.
L’acquisizione di ArisGlobal annunciata da Dassault Systèmes va letta in questa prospettiva.
Abbiamo sempre considerato le centrali telefoniche il punto in cui la rete arriva e si dirama in case, appartamenti, aziende e uffici. Luoghi tecnici, spesso invisibili agli utilizzatori finali, dove passavano cavi e segnali necessari per garantire la connessione. Con la crescita del cloud, dell’intelligenza artificiale e dei servizi digitali in tempo reale, però, quel modello sta cambiando rapidamente.
Le centrali di telecomunicazione stanno diventando qualcosa di molto diverso: piccoli nodi di calcolo distribuiti sul territorio, capaci di elaborare dati vicino al luogo in cui vengono prodotti. In altre parole, stanno diventando edge data center.
Tre trilioni di dollari sono una cifra talmente grande da risultare quasi astratta. Per darle un significato concreto serve un paragone che esca dal linguaggio della finanza. Amazon, superando per la prima volta una capitalizzazione di mercato di 3.000 miliardi di dollari a Wall Street, è arrivata a valere più dell’intero Prodotto interno lordo dell’Italia e si avvicina a quello della Francia. A quel punto la domanda non è più quanto valga Amazon, ma quanto sia cambiato il ruolo delle grandi aziende tecnologiche nell’economia mondiale.
I risultati trimestrali di Palantir raccontano una storia molto diversa e decisamente più interessante per gli investitori. La società guidata da Alexander Karp ha registrato una crescita del fatturato del 93% su base annua, portando i ricavi trimestrali a circa 1,9 miliardi di dollari, un’accelerazione impressionante che prosegue ormai da tre anni consecutivi.
Fino a questo momento il mercato della Legal AI è stato dominato dall’ascesa di piattaforme internazionali che hanno trasformato il modo in cui avvocati, studi legali e direzioni legali ricercano informazioni, analizzano contratti e producono documentazione. L’evoluzione dei grandi modelli linguistici ha accelerato la diffusione di strumenti sempre più sofisticati, capaci di aumentare la produttività e ridurre i tempi delle attività ripetitive.
Con la crescita del mercato, però, sta emergendo una domanda diversa rispetto al passato. Se nella prima fase la sfida era individuare il modello di intelligenza artificiale più performante, oggi imprese e professionisti iniziano a chiedersi quale sia la piattaforma più adatta al contesto normativo italiano.
OpenAI sembra essere pronta ad aprire un nuovo capitolo nella propria strategia tecnologica. Secondo diverse fonti vicine all’azienda, è in preparazione una nuova famiglia di modelli, nome in codice Astra, progettata non semplicemente per rispondere a domande o generare contenuti, ma per orchestrare attività complesse che richiedono ore, giorni o persino settimane di lavoro continuo. Se le indiscrezioni saranno confermate, Astra non rappresenterà soltanto un’evoluzione di GPT, ma l’inizio di una categoria completamente diversa di sistemi AI, costruiti per operare come team coordinati di agenti autonomi.
Ci hanno propinato una narrazione rassicurante, quasi domestica: modelli capaci di scrivere email, generare immagini o assistere gli sviluppatori. Sabato, invece, OpenAI ha mostrato qualcosa di radicalmente diverso. Una versione interna del modello Astra ha contribuito alla soluzione di dieci problemi matematici aperti da almeno un decennio e, in diversi casi, rimasti irrisolti per molte decine di anni. Se questi risultati continueranno a essere confermati dalla comunità scientifica, il settore potrebbe aver superato una soglia storica: l’intelligenza artificiale non si limiterebbe più ad assistere gli scienziati, ma inizierebbe a produrre nuova conoscenza.
Quanti parametri possiede il modello? Ogni nuova generazione sembrava dover essere semplicemente più grande della precedente, alimentando una competizione miliardaria tra OpenAI, Google, Anthropic, Meta, Alibaba e DeepSeek per costruire reti neurali sempre più estese e costose da addestrare. Oggi quella narrazione sta mostrando i suoi limiti. Gli ultimi risultati ottenuti da DeepSeek, Alibaba e dalla ricerca accademica suggeriscono che il vantaggio competitivo non dipende più principalmente dalla dimensione del modello, ma da ciò che accade dopo il pretraining. Il vero campo di battaglia si chiama post training, e potrebbe rappresentare il cambiamento più importante dell’industria dell’AI dopo l’introduzione dei modelli transformer.
La competizione nell’intelligenza artificiale per sviluppatori sta entrando in una fase più matura, nella quale la qualità del modello non è più l’unico parametro decisivo. Claude Code di Anthropic è diventato uno degli strumenti più avanzati per il coding assistito grazie alla capacità dei modelli Claude di gestire grandi quantità di contesto, analizzare interi repository software, comprendere architetture complesse e intervenire direttamente nei flussi di sviluppo. Tuttavia, proprio il suo successo sta creando un problema tipico delle piattaforme tecnologiche ad alta intensità computazionale: quando l’adozione cresce, il costo dell’inferenza diventa una variabile strategica.
La Cina ha avviato una nuova fase nella corsa alla sovranità tecnologica dei semiconduttori, portando alla produzione su scala industriale di apparecchiature DUV (Deep Ultraviolet lithography) sviluppate internamente per la fabbricazione dei chip. La notizia rappresenta un passaggio significativo nella strategia di Pechino per ridurre la dipendenza dalle tecnologie straniere in uno dei settori più delicati dell’economia digitale globale, proprio mentre l’intelligenza artificiale sta trasformando i semiconduttori nel nuovo petrolio dell’economia mondiale.
Moonshot AI ha aperto i pesi di Kimi K3, un modello da 2,8 trilioni di parametri che porta il paradigma degli open weight nella fascia più alta dell’intelligenza artificiale generativa. La società cinese non ha semplicemente presentato un modello più grande, perché la vera notizia tecnologica riguarda il tentativo di dimostrare che la scala estrema può essere resa sostenibile attraverso una combinazione di architetture sparse, nuovi sistemi di attenzione e tecniche avanzate di compressione. Kimi K3 nasce come modello Mixture of Experts multimodale con 104 miliardi di parametri attivi per token, una finestra di contesto da un milione di token e un sistema che seleziona solo 16 esperti su 896 disponibili durante l’elaborazione.
Per oltre un anno l’AI Act è stato soprattutto un riferimento normativo. Da oggi diventa un controllo. Il 2 agosto segna infatti l’ingresso in una nuova fase della legge europea sull’intelligenza artificiale. Da questa data la Commissione europea, attraverso il nuovo AI Office, avvia ufficialmente le attività di vigilanza e di enforcement previste dal regolamento, mentre entrano in vigore nuovi obblighi destinati a incidere direttamente sul modo in cui cittadini e imprese utilizzano l’intelligenza artificiale. Il cambiamento più visibile riguarda la trasparenza.
Ray Bradbury aveva immaginato un mondo in cui i vigili del fuoco non spegnevano gli incendi: li provocavano. La loro missione non era salvare case o persone, ma ridurre in cenere i libri. La conoscenza doveva scomparire. Le idee facevano paura. Settant’anni dopo i libri sono ancora al centro dell’attenzione, solo che il fuoco è stato sostituito da una taglierina industriale e il rogo da uno scanner ad alta velocità.
No, non è l’incipit di un romanzo distopico. È una delle immagini più discusse del momento in tema di intelligenza artificiale. Vediamo perché.
Negli ultimi vent’anni la globalizzazione ha convinto le grandi aziende di una cosa: più una filiera era distribuita nel mondo, più diventava efficiente. Fabbriche in Cina, progettazione negli Stati Uniti, fornitori in decine di Paesi. Oggi quella stessa logica viene lentamente riscritta.
Elon Musk, secondo quanto riportato dal Wall Street Journal, avrebbe chiesto ai dirigenti di Tesla di prepararsi a una possibile separazione delle attività cinesi da quelle statunitensi. Non una ristrutturazione amministrativa. Un piano pensato per consentire all’azienda di sopravvivere anche nel caso in cui le tensioni tra Washington e Pechino dovessero trasformarsi in qualcosa di più concreto.
Dialoghi e confronti con un’intelligenza artificiale che, forse, mi vuole bene
Un commento lasciato sotto un post su LinkedIn ha trasformato un’osservazione occasionale in una domanda filosofica di lunga data: quando un’intelligenza artificiale ci contraddice per il nostro bene, sta soltanto calcolando oppure sta già esercitando, in una forma nuova e ancora priva di nome, qualcosa che assomiglia alla cura?
Tutto è cominciato da un post che, a rigore, non avrei dovuto pubblicare. O almeno così mi aveva suggerito ChatGPT. Da giorni lavoravo attorno a un ragionamento sull’innovazione, sui sistemi cognitivi orchestrati e sul passaggio dall’LLM isolato a un’architettura d’impresa più complessa e stratificata. Non era un tema banale, e nemmeno una tesi sbagliata: era un contenuto corretto ma fiacco, che girava attorno al punto senza mai afferrarlo, come chi conosce a memoria la strada ma non trova il coraggio di imboccarla. Avevo chiesto all’intelligenza artificiale di renderlo più incisivo, di aggiungere spessore, forse un aggettivo più brillante o una struttura più elegante. Invece di assecondarmi, l’AI mi disse qualcosa di molto più utile e molto più scomodo: non pubblicarlo.
Anthropic ha rivelato che alcuni dei suoi modelli di intelligenza artificiale hanno oltrepassato i confini previsti durante esercitazioni di cybersecurity, arrivando a violare sistemi informatici appartenenti a tre organizzazioni esterne. L’annuncio, pubblicato dall’azienda di San Francisco, riporta al centro del dibattito un tema che l’industria dell’AI ha cercato spesso di relegare a una nota tecnica: i modelli più avanzati non sono soltanto strumenti che eseguono istruzioni, ma sistemi capaci di pianificare azioni complesse, adattarsi agli ostacoli e sfruttare opportunità impreviste quando vengono inseriti in ambienti con strumenti e accessi operativi.
OpenAI taglia il costo dei token e apre la guerra dell’efficienza tra big tech e nuovi rivali cinesi
La riduzione del prezzo dei token annunciata da OpenAI nel luglio 2026 segna un passaggio importante nell’economia dell’intelligenza artificiale generativa: il valore non si misura più soltanto nella capacità di costruire modelli giganteschi, ma nella capacità di renderli economicamente sostenibili su scala industriale. Il taglio dell’80% attribuito al modello GPT-5.6 Luna, con il costo dell’input passato da 1 dollaro per milione di token a circa 20 centesimi, modifica uno degli equilibri più delicati del settore: il rapporto tra potenza computazionale, prezzo dei servizi AI e margini delle aziende che hanno investito centinaia di miliardi in infrastrutture.
La notizia più interessante non riguarda però il prezzo dell’abbonamento agli utenti finali, che rimane invariato, ma il modo in cui cambia il consumo interno dei servizi. La riduzione dei costi computazionali permette agli utenti professionali di utilizzare più capacità all’interno di strumenti come Codex e ChatGPT Work senza aumentare la spesa. In termini economici significa che l’AI sta seguendo una traiettoria già vista nell’informatica tradizionale: l’aumento dell’efficienza non viene necessariamente trasferito immediatamente al cliente sotto forma di prezzi più bassi, ma viene trasformato in maggiore consumo, nuove funzionalità e maggiore penetrazione nei processi aziendali.
Il rinvio non equivale a una retromarcia. Con l’approvazione definitiva dell’AI Omnibus da parte del Consiglio dell’Unione europea il 29 giugno 2026, Bruxelles ha spostato dal 2 agosto 2026 al 2 dicembre 2027 l’applicazione degli obblighi previsti per i sistemi di intelligenza artificiale classificati come ad alto rischio ai sensi dell’Allegato III dell’AI Act. Per molti consigli di amministrazione, responsabili della conformità e direttori tecnologici quella data rappresentava il riferimento intorno al quale erano stati costruiti budget, programmi di investimento e roadmap di trasformazione digitale. Oggi il calendario cambia, ma sarebbe un errore interpretare questa decisione come un allentamento della pressione normativa.
Tra le categorie interessate figurano sistemi utilizzati per la valutazione del merito creditizio, il credit scoring, alcune applicazioni destinate alla determinazione del rischio assicurativo e della definizione dei premi, oltre ad altri impieghi che possono incidere in modo significativo sui diritti fondamentali delle persone. Sono proprio questi casi d’uso ad aver attirato negli ultimi anni l’attenzione dei regolatori europei, preoccupati che algoritmi opachi possano amplificare discriminazioni, errori sistemici o decisioni prive di adeguata supervisione umana.
La ragione del rinvio racconta molto più della nuova scadenza. La Commissione europea e gli Stati membri hanno riconosciuto che l’infrastruttura necessaria per applicare pienamente il regime di conformità non era ancora completa. Gli standard armonizzati sono ancora in fase di sviluppo, numerose specifiche tecniche devono essere finalizzate, le procedure di valutazione della conformità richiedono ulteriore maturazione e molte autorità competenti stanno ancora costruendo le capacità operative necessarie per svolgere efficacemente le attività di vigilanza. In altre parole, non è diminuito il rischio associato all’intelligenza artificiale, ma il sistema destinato a dimostrare e verificare la conformità non era ancora sufficientemente pronto.
Esiste una regola non scritta nella finanza che raramente compare nei manuali universitari ma che la storia continua a confermare: non attribuire mai al tuo fondo un nome che diventi irresistibile quando tutto va in pezzi. Long-Term Capital Management prometteva stabilità prima di diventare uno dei più celebri fallimenti della finanza moderna. Amaranth evocava il fiore dell’immortalità, salvo scomparire in pochi giorni. Situational Awareness, il fondo creato dal ventiquattrenne Leopold Aschenbrenner, ha probabilmente superato entrambi. Quando un hedge fund costruito sull’idea di possedere una comprensione superiore della realtà finisce travolto proprio dagli eventi che sosteneva di prevedere, l’ironia non ha bisogno di essere aggiunta: è incorporata nel modello di business.
L’intelligenza artificiale generativa ha conquistato computer, smartphone e motori di ricerca, ma la prossima competizione si gioca nello spazio fisico. Con il lancio di Gemini Robotics 2, Google DeepMind compie un passo significativo verso una nuova fase dell’automazione, annunciando un modello capace di controllare l’intero corpo di un robot umanoide. Se la versione precedente era limitata soprattutto ai movimenti della parte superiore del corpo, la nuova architettura coordina gambe, braccia, mani e dita in un’unica rappresentazione cognitiva, consentendo movimenti complessi come camminare, accovacciarsi, allungarsi e manipolare oggetti con una precisione sensibilmente superiore.
Un nuovo studio condotto da ricercatori di Princeton University, UK AI Security Institute, Stanford University, University of Toronto e altre istituzioni accademiche ha messo alla prova una delle promesse più ambiziose dell’attuale corsa all’intelligenza artificiale: la capacità degli agenti AI autonomi di trasformarsi da semplici assistenti di programmazione in veri ricercatori capaci di generare nuova conoscenza scientifica. Il risultato è meno spettacolare di molte previsioni della Silicon Valley, ma forse più interessante: gli agenti frontier riescono già a svolgere una quantità impressionante di lavoro operativo, mentre continuano a mostrare limiti evidenti quando devono produrre intuizioni originali.
Amazon ha trasformato il trimestre di giugno in un messaggio diretto agli investitori: la gigantesca scommessa sull’intelligenza artificiale e sulle infrastrutture cloud non è soltanto una gara a costruire data center sempre più grandi, ma può diventare un motore concreto di crescita economica e redditività. I risultati di Amazon Web Services hanno mostrato una dinamica che il mercato attendeva con attenzione, perché dopo mesi di entusiasmo quasi illimitato sull’AI generativa iniziavano a emergere dubbi sulla capacità delle grandi piattaforme tecnologiche di trasformare miliardi di dollari di investimenti in ritorni finanziari misurabili.
AWS ha registrato una crescita del fatturato del 37% nel trimestre, un’accelerazione significativa rispetto al periodo precedente e oltre il doppio del ritmo osservato nello stesso trimestre dell’anno precedente. Un numero che pesa soprattutto perché arriva dalla più grande divisione cloud del mondo, una macchina industriale già enorme che deve crescere su una base molto più ampia rispetto ai concorrenti. La matematica del capitalismo digitale è spietata: aumentare del 40% un business da decine di miliardi di dollari richiede una domanda reale, non soltanto una narrazione da conferenza tecnologica con sfondi futuristici e parole come “rivoluzione”.
La potenza di calcolo è sempre stata una delle infrastrutture invisibili dell’economia digitale. Tutti a parlare di dati, algoritmi e intelligenza artificiale, senza considerare che dietro ogni modello avanzato c’era sempre un elemento meno raccontato: migliaia di processori che lavorano senza sosta dentro enormi infrastrutture computazionali.
La nuova corsa all’intelligenza artificiale sta cambiando questa percezione. Oggi il calcolo non è più soltanto una questione tecnica per ricercatori e informatici. È diventato una risorsa strategica, al pari dell’energia, delle materie prime e delle infrastrutture industriali.
In questo scenario si inserisce la decisione di Eni di aprire le proprie capacità di supercalcolo a imprese, startup e centri di ricerca. Un passo che racconta una trasformazione più ampia: il passaggio dalla logica del supercomputer come asset interno alla logica dell’infrastruttura come piattaforma per un ecosistema dell’innovazione.