Il computer più sofisticato che conosciamo funziona con appena 20 Watt. È il cervello umano: pesa circa un chilo e mezzo, assorbe un quinto dell’energia metabolica del nostro corpo a riposo e, con la potenza elettrica di una fioca lampadina da comodino, è in grado di astrarre concetti, imparare da pochissimi esempi e risolvere problemi mai visti prima. All’estremo opposto c’è la traiettoria imboccata dall’intelligenza artificiale contemporanea: secondo il rapporto Energy and AI dell’Agenzia internazionale dell’energia (Iea), i data center mondiali hanno consumato 415 terawattora (TWh) di elettricità nel 2024 e sono destinati a più che raddoppiare la loro sete energetica entro il 2030, toccando quota 945 TWh: più dell’intero consumo elettrico annuale del Giappone, o circa il triplo di quello italiano. Solo in Europa, la domanda elettrica legata ai centri di calcolo crescerà del 70% entro fine decennio (+45 TWh), mentre negli Stati Uniti balzerà del 130% (+240 TWh). In un pianeta stretto tra crisi climatica e colli di bottiglia nell’approvvigionamento delle risorse, continuare a inseguire l’intelligenza moltiplicando all’infinito silicio e megawatt è una strada fisicamente insostenibile. Ed è proprio da questo paradosso che parte la riflessione di Aldo Podestà, matematico romano trapiantato a Losanna, co-fondatore e Ceo di Giotto AI, che abbiamo incontrato a Bruxelles in occasione degli European Research and Innovation Days della Commissione europea. “Mentre il mondo si interrogava su come addestrare modelli sempre più mastodontici, noi avevamo chiaro che l’intera partita si sarebbe giocata su un unico parametro: il rapporto tra intelligenza ed energia”, spiega Podestà, raccontando la filosofia dietro Giotto. “Tutta la nostra economia futura dipenderà da quanta capacità di ragionamento riusciremo a condensare per unità di energia consumata”.
Ragionare in tempo reale invece di memorizzare tutto
Fondata nel 2017 da un gruppo di ex studenti di matematica del Politecnico federale di Losanna (Epfl), Giotto AI è arrivata ai modelli linguistici da pioniera: già nel 2018, subito dopo la pubblicazione dello storico articolo scientifico Attention Is All You Need che ha introdotto l’architettura transformer e di fatto spianato la strada a OpenAI e simili, il team ha addestrato uno dei primi modelli in Europa specializzato nell’analisi dei trial clinici per il settore dei dispositivi medici. Dopo aver ceduto il ramo medicale della società a fine 2022, proprio alla vigilia dell’esplosione di ChatGPT, Podestà ha deciso di reinvestire le decine di milioni ricavati dall’operazione in una direzione controcorrente: l’efficient reasoning, il ragionamento efficiente. Invece di competere con la Silicon Valley sulla forza bruta dell’addestramento preliminare (pre-training) di reti neurali da migliaia di miliardi di parametri, il laboratorio svizzero composto da una ventina di matematici e fisici ha puntato tutto sul cosiddetto test-time compute, ovvero la capacità del modello di “riflettere” e verificare le proprie ipotesi in fase di risposta. I risultati si sono visti nella competizione internazionale più severa sul ragionamento astratto, il benchmark ARC-AGI (Abstract Reasoning Corpus), dove nel 2025 Giotto si è classificata seconda su 1.500 squadre mondiali dopo aver guidato la classifica per quasi tutto l’anno. “Sull’ARC-AGI abbiamo risolto il 27% dei problemi con un modello da appena 200 milioni di parametri, in una fase in cui i modelli GPT si fermavano al 3,7%”, racconta Podestà. “Se interrogassi a freddo una rete neurale così piccola farebbe zero per cento. È il lavoro algoritmico sul ragionamento in fase di inferenza che la porta da zero al 27%”.
L’efficienza come condizione per l’indipendenza
Ridurre le dimensioni dei modelli cambia radicalmente gli equilibri geopolitici, oltre che snellire le bollette: quando un’intelligenza artificiale richiede infrastrutture che consumano quanto una cittadina, il controllo tecnologico resta inevitabilmente nelle mani di una manciata di oligopoli statunitensi o cinesi; se invece un modello ad alte prestazioni riesce a girare su una singola scheda grafica da 600 Watt (come il nuovo Giotto Solo, lanciato a fine ottobre) o su un singolo server da otto GPU Nvidia B300 che assorbe circa 14 kilowatt (come il fratello maggiore Giotto Alto), la tecnologia diventa “portabile”: ospedali, enti pubblici, ministeri della Difesa e imprese possono installarla direttamente sui propri server interni (on-premises) o su cloud europei, senza inviare dati sensibili oltreconfine. Per Podestà la necessità di un’indipendenza tecnologica europea è diventata evidente proprio dopo il successo all’ARC-AGI, quando i giganti d’oltreoceano hanno bussato alla porta di Losanna. “Ci siamo trovati davanti a un bivio anche etico”, confida. “Abbiamo ricevuto offerte molto ghiotte per vendere la società o per lasciarne il controllo. Ma abbiamo sempre rifiutato. Dall’altro lato dell’oceano c’è una visione della società e di ciò che ottimizziamo completamente diversa dalla nostra: rimettere al centro i valori europei passa necessariamente dalla capacità di controllare le tecnologie da cui dipendiamo”.
La trappola dell’autarchia da zero
Parlare di indipendenza europea nell’IA, tuttavia, espone al rischio di scivolare in operazioni velleitarie. Negli ultimi mesi non sono mancati, anche in Italia, tentativi di lanciare chatbot “nazionali” addestrati in casa che, messi alla prova degli utenti, sono naufragati tra allucinazioni grossolane e risposte sconclusionate. Dove nasce il passo falso? “L’errore è non comprendere l’architettura tecnologica e pretendere di addestrare un modello da zero senza averne le competenze, i dati e la potenza di calcolo”, osserva Podestà. “Il pre-training serve soltanto a dare alla rete neurale la struttura statistica della lingua, la predizione della parola successiva. Ma non è lì che si decide l’intelligenza o l’affidabilità di un sistema: la vera partita si gioca dopo, nel post-training, nell’allineamento e nel ragionamento in fase di test. Con un budget di 7 milioni l’anno noi prendiamo modelli open source già esistenti, li ripuliamo, li riallineiamo e applichiamo il nostro motore di ragionamento, arrivando a soli sei-nove mesi di distanza dalle prestazioni dei colossi da miliardi di dollari”.
Un “Cern dell’IA”
Se una singola realtà di venticinque ricercatori può accorciare così tanto le distanze, il racconto di un’Europa condannata all’irrilevanza tecnologica appare, secondo Podestà, come “una falsa narrativa che ci siamo lasciati imporre”. Per colmare definitivamente il divario su scala continentale serve però quell’alleanza tra ricerca pubblica e industria che il premio Nobel Giorgio Parisi invoca da tempo sotto la bandiera di un grande “Cern europeo per l’intelligenza artificiale”. Un embrione concreto esiste già e si chiama Apertus: un modello linguistico interamente open source rilasciato da Epfl, Politecnico di Zurigo (Eth) e Centro svizzero di calcolo scientifico (Cscs), che in un anno ha già superato i sei milioni di download. “Nelle università europee, da Zurigo a Losanna, dai Politecnici di Milano e Torino alla Sapienza di Roma fino a Monaco e Parigi, abbiamo tra i migliori ricercatori al mondo, che studiano il machine learning da quarant’anni”, sottolinea Podestà. “Quello che manca alle università è il capitale, il coordinamento e l’agilità nell’acquistare dati e potenza di calcolo. Apertus è oggi l’unico modello al mondo realmente conforme fino in fondo all’AI Act europeo, perché persino tutti i dati e i prompt usati per addestrarlo sono pubblici e tracciabili. E l’AI Act non è affatto un freno: proprio come il marchio CE sui dispositivi medici, una regolamentazione ben scritta genera fiducia”. La sfida, conclude il matematico (che entro fine anno lancerà una fondazione dedicata), è ora tutta politica e finanziaria: “Basterebbe investire in un progetto paneuropeo come Apertus lo 0,1% del PIL combinato di Unione europea e Svizzera: 20 miliardi di euro per dare lavoro ai nostri laboratori, acquistare capacità di calcolo e trattenere qui l’intera filiera industriale della nuova economia”.





