La rivoluzione della generazione automatica di contenuti avviata da ChatGPT nel 2026 ha intensificato la domanda di capacità di calcolo specializzata, creando nuovi segmenti nel mercato cloud. Entro la fine dello stesso anno il fenomeno era già visibile e nei mesi successivi si è consolidata l’emergere di fornitori dedicati ai workload AI, indicati come neocloud. La trasformazione riguarda non solo la tecnologia: anche imprese del settore energetico e del mining hanno rimodulato investimenti e asset per inserirsi in questa catena del valore.
Perché sono nati i neocloud
Gli hyperscaler tradizionali, come Amazon Web Services e Google, offrono ecosistemi cloud estesi e copertura globale, ma risultano spesso costosi e rigidi per carichi GPU-intensivi. Il modello dei neocloud è emerso per rispondere a tre vincoli principali: opacità dei costi, scarsità di acceleratori avanzati e degrado delle prestazioni causato dalla virtualizzazione e dalla multi-tenancy.
Inoltre, la pressione sui prezzi e sulla disponibilità di hardware ha spinto anche operatori dei settori energetico e mining a riallocare investimenti per inserirsi in questa catena del valore.
Economia e trasparenza
La recente riallocazione di investimenti verso capacità specializzate rende centrale il tema dei modelli di pricing. I neocloud adottano per lo più la consumption-based economics, con prezzi commisurati all’utilizzo effettivo e fatturazione più dettagliata rispetto ai modelli tradizionali. Secondo analisti come Gartner, questa struttura tariffaria può tradursi in risparmi significativi sui costi GPU. Al di là dell’impatto finanziario, la scelta di un neocloud impone una valutazione accurata della collocazione dei diversi workload (training, fine-tuning, inference, simulazione, agent execution). Tale pianificazione è necessaria per massimizzare l’efficienza, ridurre la latenza e contenere la spesa operativa.
La maggiore trasparenza sui costi è destinata a influenzare velocemente le decisioni di adozione da parte di imprese e investitori.
Modelli di crescita e attori emergenti
La maggiore trasparenza sui costi è destinata a incidere sulle scelte dei clienti e degli investitori. Ne deriva una domanda crescente per offerte specializzate e per operatori in grado di garantire latenza ridotta e ampia larghezza di banda.
Si affermano tre modelli principali: neocloud specializzati, cloud nazionali e cloud verticali orientati a settori specifici. Tra gli esempi citati, CoreWeave ha raccolto finanziamenti rilevanti a partire dal 2026 per espandere la capacità. Operatori nazionali come Humain (Arabia Saudita), G42 (Emirati Arabi Uniti), Outscale (Francia) e StackIT (Germania) cercano di differenziarsi offrendo GPU all’avanguardia e servizi bare-metal ottimizzati per workload sensibili alla latenza.
Questi attori puntano a clienti enterprise e a fornitori di servizi che richiedono controllo infrastrutturale e prevedibilità dei costi. Il confronto tra modelli determinerà le strategie commerciali e di pricing nei prossimi sviluppi del mercato.
Accordi strategici e scala
Neocloud e i fornitori di hardware hanno siglato accordi pluriennali che spiegano la loro crescita rapida. Nscale ha programmato la fornitura al datacenter Start Campus di Sines, Portogallo, di circa 12.600 GPU Nvidia GB300 nel primo trimestre del 2026. In parallelo, annunci congiunti con Microsoft prevedono nel Regno Unito la costruzione di un supercomputer Nvidia che potrebbe impiegare fino a 23.000 GPU GB300 a partire dal primo trimestre del 2027. Tali piani indicano che la domanda di intelligenza artificiale si sta traducendo in contratti di grande scala e in significativi investimenti infrastrutturali.
La trasformazione di operatori energetici e miner
Aziende nate per il mining di criptovalute hanno cominciato a riallocare i loro parchi GPU verso servizi di intelligenza artificiale. La scelta risponde alla volatilità del mercato delle criptovalute e alla crescente domanda di capacità computazionale per modelli di grandi dimensioni.
Il caso di Iris Energy è emblematico: acquisita parzialmente nel 2026/2026 da investitori tra cui Neel Khokhani, l’azienda ha impiegato le sue risorse fisiche ed energetiche per riposizionarsi come fornitore di infrastrutture AI. Secondo rapporti di mercato, la riconversione ha generato un aumento della capitalizzazione e ha attirato nuovo interesse da parte degli investitori, segnalando una tendenza più ampia verso la monetizzazione delle capacità hardware esistenti in chiave AI.
Implicazioni finanziarie e contrattuali
La transizione verso contratti a lungo termine con controparti di elevato rating modifica il profilo di rischio degli operatori. Contratti multi‑anno di tipo take-or-pay rendono i ricavi più prevedibili e simili a quelli di progetti infrastrutturali tradizionali. Il nuovo modello ha attratto capitali istituzionali e generato dinamiche di mercato rilevanti, tra cui movimenti significativi di azionisti e valutazioni rialziste.
Scegliere tra neocloud e hyperscaler
La scelta tra un hyperscaler e un neocloud dipende da esigenze specifiche e dal profilo dei workload. Gli hyperscaler offrono scala globale e servizi integrati. I neocloud puntano sulla prevedibilità dei costi, sull’accesso rapido a GPU avanzate e su performance bare‑metal. Questi ultimi hanno ampliato l’offerta originaria di GPU as a service con stack software e partnership con vendor AI.
Il mercato cloud si sta frammentando lungo linee funzionali, con i neocloud che occupano uno spazio crescente. La domanda di GPU e gli accordi strategici con fornitori e hyperscaler guidano questa tendenza. Le architetture AI si stanno orientando verso modelli ibrido-multicloud disegnati sui requisiti dei workload piuttosto che sulla semplice disponibilità di fornitori. Questo approccio influenza scelte tecniche, profili di costo e strategie contrattuali degli operatori.
La transizione ha attratto capitali istituzionali e generato dinamiche di mercato rilevanti, tra cui movimenti azionari e rivalutazioni. Le prossime evoluzioni attese riguardano integrazioni software sempre più profonde e offerte commerciali differenziate in funzione dei carichi di lavoro AI.
