Articolo · Tecnologia
Il boom dell'IA in numeri
Dal 2010 la potenza di calcolo usata per addestrare i modelli di IA rilevanti raddoppia ogni 5,7 mesi — ×4,3 l'anno, secondo una tendenza stimata su 481 modelli nei dati di Epoch AI. Microsoft, Alphabet, Amazon, Meta e Oracle hanno speso $691 mld in immobili e attrezzature nei quattro trimestri a settembre 2026, di 4,5 volte tanto quanto nei quattro trimestri prima del lancio di ChatGPT. I ricavi di NVIDIA sono stati $216 mld nell'esercizio 2026, di 8,01 volte tanto quanto nell'esercizio 2023.
×4,3 l'anno dal 2010, una tendenza stimata su 481 modelli rilevanti; prima del 2010: ogni 20,5 mesi
GPT-6 Astra, OpenAI, Set 2026
1 nel 2019; 326 in tutto con una stima
Microsoft, Alphabet, Amazon, Meta e Oracle; $154 mld nei quattro trimestri a settembre 2022
esercizio 2023: $27 mld; utile netto $120 mld, pari a 56% dei ricavi
La potenza di calcolo per l'addestramento raddoppia ogni 5,7 mesi
Ogni punto è uno dei 543 modelli di IA rilevanti per cui Epoch AI ha una stima della potenza di calcolo usata per l'addestramento: il numero di operazioni in virgola mobile (FLOP) — addizioni e moltiplicazioni — necessarie per addestrarlo. Vanno da Theseus, il topo meccanico di Claude Shannon che risolveva labirinti, del 1950, addestrato con 40 FLOP, al più grande finora, GPT-6 Astra di OpenAI (Set 2026), con 9,4×10²⁶ FLOP.
La scala è logaritmica, quindi una retta indica una crescita esponenziale costante. Una retta ai minimi quadrati sui 481 modelli pubblicati dal 2010 sale di ×4,3 l'anno: la potenza di calcolo per l'addestramento raddoppia ogni 5,7 mesi, e dieci anni lungo la retta la rendono di 2,15 mln volte tanto. Sui 62 modelli precedenti al 2010 saliva di ×1,5 l'anno, con un raddoppio ogni 20,5 mesi. I modelli di frontiera — i cinque più grandi per potenza di calcolo al momento dell'uscita — raddoppiano ogni 5,4 mesi dal 2010 (72 modelli).
I numeri sono stime. Epoch ne giudica 59% affidabili (esatte entro 3 volte, in più o in meno), 28% probabili (entro 10 volte) e 12% speculative (entro circa 31 volte); le speculative sono punti vuoti. Senza di esse, la tendenza dal 2010 è un raddoppio ogni 5,6 mesi.
Le tendenze in tabella
| Modelli | Numero | Tempo di raddoppio | Crescita l'anno | R² |
|---|---|---|---|---|
| Modelli rilevanti prima del 2010 | 62 | 20,5 mesi | ×1,5 | 0,69 |
| Modelli rilevanti dal 2010 | 481 | 5,7 mesi | ×4,3 | 0,66 |
| Modelli di frontiera dal 2010 | 72 | 5,4 mesi | ×4,6 | 0,97 |
| Modelli linguistici dal 2010 | 302 | 4,9 mesi | ×5,5 | 0,68 |
| Dal 2010, senza stime speculative | 422 | 5,6 mesi | ×4,4 | 0,67 |
Minimi quadrati del log₂ della potenza di calcolo per l'addestramento sulla data di pubblicazione in anni; tempo di raddoppio = 12 ÷ pendenza mesi, crescita l'anno = 2^pendenza. R² è la quota della dispersione del logaritmo della potenza di calcolo spiegata dalla retta.
Il modello più grande di ogni anno
Un nuovo record di potenza di calcolo è stato stabilito 24 volte dal 2010. Il modello più grande del 2010, RNN LM, è stato addestrato con 5,4×10¹⁶ FLOP; GPT-6 Astra ne ha usati di 17,4 mld volte tanto.
Epoch AI stima anche il costo della potenza di calcolo per l'addestramento di 178 modelli, in dollari del 2023. La stima più alta è $388 mln, per Grok 4 (xAI, 2025); oltre $100 mln: 3 modelli. La potenza maggiore nei dati, circa 233 megawatt, è stata assorbita da 100.000 chip che hanno addestrato GPT-6 Astra, secondo la stima di Epoch.
| Anno | Modello e sviluppatore | Potenza di calcolo, FLOP | × l'anno prima | Costo del calcolo, $ 2023 |
|---|---|---|---|---|
| 2010 | RNN LMJohns Hopkins University · Stati Uniti | 5,4×1016speculativa | — | — |
| 2011 | CNN Committee (MNIST)IDSIA · Svizzera | 5,2×1016probabile | ×0,96 | — |
| 2012 | Unsupervised High-level Feature LearnerGoogle · Stati Uniti | 6,0×1017probabile | ×11,5 | $16 |
| 2013 | DistBelief NNLMGoogle · Stati Uniti | 2,6×1018probabile | ×4,35 | $3,26k |
| 2014 | SNM-skipGoogle · Stati Uniti | 3,0×1020speculativa | ×114 | — |
| 2015 | AlphaGo FanDeepMind · Regno Unito | 3,8×1020probabile | ×1,28 | $4,83k |
| 2016 | GNMTGoogle · Stati Uniti | 6,6×1021probabile | ×17,4 | $201k |
| 2017 | JFTGoogle Research, Carnegie Mellon University (CMU) · Stati Uniti | 8,4×1020affidabile | ×0,13 | $17,9k |
| 2018 | ResNeXt-101 32x48dFacebook · Stati Uniti | 8,7×1021affidabile | ×10,4 | $134k |
| 2019 | AlphaStarDeepMind · Regno Unito | 1,1×1023affidabile | ×12,3 | $131k |
| 2020 | GPT-3 175B (davinci)OpenAI · Stati Uniti | 3,1×1023affidabile | ×2,91 | $2,12 mln |
| 2021 | FLAN 137BGoogle Research · Stati Uniti | 2,0×1024affidabile | ×6,52 | — |
| 2022 | Minerva (540B)Google · Stati Uniti | 2,7×1024affidabile | ×1,34 | — |
| 2023 | Gemini 1.0 UltraGoogle DeepMind · Stati Uniti | 5,0×1025speculativa | ×18,2 | $30,7 mln |
| 2024 | Llama 3.1-405BMeta AI · Stati Uniti | 3,8×1025affidabile | ×0,76 | $52,9 mln |
| 2025 | Grok 4xAI · Stati Uniti | 5,0×1026speculativa | ×13,2 | $388 mln |
| 2026finora | GPT-6 AstraOpenAI · Stati Uniti | 9,4×1026probabile | ×1,88 | — |
Il modello rilevante con la maggiore potenza di calcolo per l'addestramento pubblicato in ogni anno; × l'anno prima lo confronta con il più grande dell'anno precedente. Sotto la potenza di calcolo: quanto Epoch AI è sicura della stima. Costo: stima di Epoch AI, dove disponibile.
Il club dei 10²³ FLOP
Epoch AI tiene un elenco dei modelli su larga scala: quelli addestrati con oltre 10²³ FLOP, una soglia fissa usata da alcune normative sull'IA. Ha una stima della potenza di calcolo per 326 di essi. Il primo è stato AlphaStar nel 2019; nel 2025, 104 modelli hanno superato la soglia, dopo 101 nel 2024.
I primi modelli sopra le soglie più alte sono stati Wu Dao 2.0 oltre 10²⁴ (2021), GPT-4 oltre 10²⁵ (2023) e Grok 3 oltre 10²⁶ (2025). Modelli oltre 10²⁵ FLOP pubblicati nel 2025: 9. Dei 104 del club in quell'anno, 90 sono stati rilasciati con pesi aperti — chiunque può scaricarli ed eseguirli — e 10 solo tramite API o servizio ospitato; 4 non sono stati rilasciati.
2026 non è finito: a 10 novembre 2026 l'elenco comprende 27 modelli con una stima. Epoch aggiunge i nuovi modelli nel giro di qualche settimana e le stime di potenza di calcolo più tardi, quindi i mesi recenti si completano col tempo. Elenca inoltre 208 modelli su larga scala senza una stima della potenza di calcolo; qui non vengono conteggiati.
I quadrati in tabella
| Anno | Oltre 10²³ | Oltre 10²⁴ | Oltre 10²⁵ | Oltre 10²⁶ | Nessuna stima |
|---|---|---|---|---|---|
| 2019 | 1 | 0 | 0 | 0 | 0 |
| 2020 | 2 | 0 | 0 | 0 | 0 |
| 2021 | 10 | 3 | 0 | 0 | 0 |
| 2022 | 23 | 3 | 0 | 0 | 8 |
| 2023 | 58 | 17 | 3 | 0 | 63 |
| 2024 | 101 | 39 | 6 | 0 | 66 |
| 2025 | 104 | 71 | 9 | 3 | 61 |
| 2026finora | 27 | 25 | 7 | 1 | 10 |
Modelli con una stima della potenza di calcolo, per anno di pubblicazione; un modello oltre 10²⁵ FLOP conta anche come oltre 10²⁴ e 10²³. Nessuna stima: nell'elenco dei modelli su larga scala di Epoch senza un dato sulla potenza di calcolo.
Chi li costruisce
Organizzazioni degli Stati Uniti hanno lavorato a 135 dei 326 modelli oltre 10²³ FLOP e organizzazioni cinesi a 139; seguono Corea del Sud (17), Francia (10) e Emirati Arabi Uniti (8). Un modello costruito da più organizzazioni conta una volta per ciascuno dei loro paesi.
Il maggior numero proviene da Alibaba (36), Meta AI (24) e Nvidia (20). I gruppi sono indicati come nei dati, quindi quelli di Google sono conteggiati a parte: Google, Google DeepMind, Google Research, DeepMind e Google Brain.
Modelli con una stima della potenza di calcolo; un modello conta una volta per ogni paese e ogni organizzazione che nomina. Organizzazioni come le chiama Epoch AI.
Aziende, non università
Dei 109 modelli rilevanti pubblicati nel 2025, 92% vengono da aziende da sole, 5% da aziende in collaborazione con università e 2% da università da sole. Nel periodo 2010–2014, le aziende da sole ne hanno realizzati 19%.
Il denaro: gli investimenti delle Big Tech
Addestrare ed eseguire modelli di IA richiede data center pieni di chip, e le aziende che costruiscono i più grandi registrano il conto come investimenti: denaro pagato per immobili e attrezzature. Microsoft, Alphabet, Amazon, Meta e Oracle hanno speso insieme $691 mld nei quattro trimestri a settembre 2026, di 4,5 volte tanto quanto i $154 mld dei quattro trimestri a settembre 2022 — l'ultimo trimestre prima del lancio di ChatGPT il 30 novembre 2022. Sono $1,89 mld al giorno, ovvero $21.900 ogni secondo.
In rapporto alle dimensioni, la spesa ha assorbito 36% dei ricavi delle cinque aziende negli ultimi quattro trimestri, contro 13% prima, e 95% della liquidità generata dalle attività operative, contro 54%. Chi ha speso di più è Amazon, con $215 mld.
I documenti depositati non dicono quanto di questa cifra sia andato all'IA. Gli investimenti pagano anche uffici e altri edifici — per Amazon anche magazzini e una rete di consegna — e ogni azienda li riporta secondo le proprie definizioni.
Variazione rispetto ai quattro trimestri a settembre 2022. Barre: investimenti per trimestre dal 2015, ciascuna azienda con la propria scala. Oltre il 100% del flusso di cassa operativo: si è speso più di quanto le attività operative abbiano generato. Le schede rimandano alle pagine delle aziende.
Investimenti per anno solare
| Anno | Microsoft | Alphabet | Amazon | Meta | Oracle | Totale |
|---|---|---|---|---|---|---|
| 2015 | $6,55 mld | $9,93 mld | $4,59 mld | $2,52 mld | $1,61 mld | $25,2 mld |
| 2016 | $9,11 mld | $10,2 mld | $6,74 mld | $4,49 mld | $1,6 mld | $32,2 mld |
| 2017 | $8,7 mld | $13,2 mld | $12 mld | $6,73 mld | $2,04 mld | $42,6 mld |
| 2018 | $14,2 mld | $25,1 mld | $13,4 mld | $13,9 mld | $1,47 mld | $68,2 mld |
| 2019 | $13,5 mld | $23,5 mld | $16,9 mld | $15,1 mld | $1,59 mld | $70,6 mld |
| 2020 | $17,6 mld | $22,3 mld | $40,1 mld | $15,2 mld | $1,83 mld | $97 mld |
| 2021 | $23,2 mld | $24,6 mld | $61,1 mld | $18,7 mld | $3,12 mld | $131 mld |
| 2022 | $24,8 mld | $31,5 mld | $63,6 mld | $31,2 mld | $6,68 mld | $158 mld |
| 2023 | $35,2 mld | $32,3 mld | $52,7 mld | $27 mld | $6,93 mld | $154 mld |
| 2024 | $55,6 mld | $52,5 mld | $83 mld | $37,3 mld | $10,7 mld | $239 mld |
| 2025 | $83,1 mld | $91,4 mld | $132 mld | $69,7 mld | $35,5 mld | $412 mld |
| 20263 trimestri | $106 mld | $132 mld | $176 mld | $83,1 mld | $63,6 mld | $560 mld |
NVIDIA: vendere le pale
Epoch AI registra l'hardware di addestramento di 278 modelli rilevanti pubblicati dal 2020: 204 di essi (73%) sono stati addestrati su chip NVIDIA e 68 (24%) sulle TPU di Google.
L'esercizio di NVIDIA termina a fine gennaio: l'esercizio 2026 si è chiuso il 25 gennaio 2026. In quell'anno i ricavi sono stati $216 mld, di 8,01 volte tanto quanto nell'esercizio 2023 ($27 mld), l'anno terminato 2 mesi dopo il lancio di ChatGPT. L'utile netto è passato da $4,37 mld (16% dei ricavi) a $120 mld (56%).
L'ultimo trimestre nei documenti depositati, T2 es. 2027 (a 26 luglio 2026), ha portato ricavi per $96,2 mld e un utile netto di $59,7 mld; 75% dei ricavi è rimasto dopo il costo di ciò che è stato venduto (margine lordo). I quattro trimestri a 26 luglio 2026 sommano $303 mld di ricavi e $193 mld di utile netto — a questo ritmo, un utile netto pari ai ricavi totali di NVIDIA dell'esercizio 2016 ($5,01 mld) arriva ogni 9,5 giorni.
I dati SEC qui usati riportano i ricavi totali di NVIDIA, non la ripartizione per mercato, quindi il grafico mostra il totale. Il valore di mercato delle azioni NVIDIA in mano al pubblico — il flottante indicato sulla copertina del bilancio annuale, non la capitalizzazione di mercato — era $434 mld alla fine di luglio 2022 e $4,0 trn alla fine di luglio 2025.
| Esercizio | Ricavi | Variazione | Margine lordo | Utile netto | Margine netto |
|---|---|---|---|---|---|
| Esercizio 2016chiuso il 31 gennaio 2016 | $5,01 mld | +7% | 56,1% | $614 mln | 12,3% |
| Esercizio 2017chiuso il 29 gennaio 2017 | $6,91 mld | +38% | 58,8% | $1,67 mld | 24,1% |
| Esercizio 2018chiuso il 28 gennaio 2018 | $9,71 mld | +41% | 59,9% | $3,05 mld | 31,4% |
| Esercizio 2019chiuso il 27 gennaio 2019 | $11,7 mld | +21% | 61,2% | $4,14 mld | 35,3% |
| Esercizio 2020chiuso il 26 gennaio 2020 | $10,9 mld | −7% | 62,0% | $2,8 mld | 25,6% |
| Esercizio 2021chiuso il 31 gennaio 2021 | $16,7 mld | +53% | 62,3% | $4,33 mld | 26,0% |
| Esercizio 2022chiuso il 30 gennaio 2022 | $26,9 mld | +61% | 64,9% | $9,75 mld | 36,2% |
| Esercizio 2023chiuso il 29 gennaio 2023 | $27 mld | +0% | 56,9% | $4,37 mld | 16,2% |
| Esercizio 2024chiuso il 28 gennaio 2024 | $60,9 mld | +126% | 72,7% | $29,8 mld | 48,8% |
| Esercizio 2025chiuso il 26 gennaio 2025 | $130 mld | +114% | 75,0% | $72,9 mld | 55,8% |
| Esercizio 2026chiuso il 25 gennaio 2026 | $216 mld | +65% | 71,1% | $120 mld | 55,6% |
| Ultimi quattro trimestria 26 luglio 2026 | $303 mld | 74,7% | $193 mld | 63,7% |
Le domande più frequenti
Quanto cresce in fretta l'IA?
Una delle misure che Epoch AI monitora per ogni modello rilevante è la potenza di calcolo per l'addestramento. Dal 2010 raddoppia ogni 5,7 mesi — ×4,3 l'anno, secondo una tendenza ai minimi quadrati su 481 modelli. Prima del 2010 raddoppiava ogni 20,5 mesi.
Che cos'è un FLOP nell'IA?
Un'operazione in virgola mobile: una singola addizione o moltiplicazione di numeri decimali. La potenza di calcolo per l'addestramento è il totale delle operazioni eseguite per addestrare un modello: GPT-6 Astra ha richiesto circa 9,4×10²⁶ FLOP secondo la stima di Epoch AI, Theseus del 1950 ne ha richiesti 40.
Quanto costa addestrare un modello di IA?
Epoch AI stima il costo della potenza di calcolo per l'addestramento di 178 modelli rilevanti, in dollari del 2023. Il più alto è $388 mln, per Grok 4 (2025); la mediana delle 7 stime per i modelli pubblicati nel 2025 è $44,6 mln. Le cifre riguardano solo la potenza di calcolo.
Quanto spendono le aziende tecnologiche per i data center di IA?
I documenti depositati riportano gli investimenti nel loro complesso, non la parte destinata all'IA. Microsoft, Alphabet, Amazon, Meta e Oracle hanno speso $691 mld nei quattro trimestri a settembre 2026, contro $154 mld nei quattro trimestri a settembre 2022; chi ha speso di più è Amazon ($215 mld).
Quanto guadagna NVIDIA?
Nell'esercizio 2026, chiuso il 25 gennaio 2026, i ricavi sono stati $216 mld e l'utile netto $120 mld. Nei quattro trimestri a 26 luglio 2026: ricavi $303 mld, utile netto $193 mld.
Per approfondire
Come sono calcolati i numeri
- Modelli di IA: Epoch AI, ‘Data on AI models’. Pubblicato online su epoch.ai. Consultato da https://epoch.ai/data/ai-models [risorsa online]. Accesso: 15 novembre 2026. Licenza CC BY 4.0: libero uso, distribuzione e riproduzione con attribuzione a Epoch AI. I grafici, le tendenze e i conteggi in questa pagina sono calcolati da BigCapital.
- Potenza di calcolo per l'addestramento: operazioni in virgola mobile usate per addestrare un modello, come le riporta lo sviluppatore o come le stima Epoch AI dall'hardware e dal tempo di addestramento oppure dalle dimensioni del modello e dai dati di addestramento. Affidabilità, intervalli al 90% di Epoch: affidabile entro 3 volte, probabile entro 10, speculativa entro circa 31.
- Tendenze: minimi quadrati ordinari del log₂ (potenza di calcolo per l'addestramento) sulla data di pubblicazione in anni, per i modelli rilevanti con una stima; tempo di raddoppio = 12 ÷ pendenza mesi, crescita l'anno = 2^pendenza. “Dal 2010”: pubblicati dal 1º gennaio 2010. Un record: più potenza di calcolo di ogni precedente modello rilevante.
- Modelli rilevanti: l'elenco di Epoch dei modelli che hanno fatto avanzare lo stato dell'arte, sono stati molto citati, storicamente importanti o ampiamente usati; i modelli di frontiera erano tra i primi 5 per potenza di calcolo per l'addestramento al momento dell'uscita. Modelli su larga scala: l'elenco di Epoch dei modelli oltre 10²³ FLOP, contati per anno di pubblicazione e una volta per ogni paese e organizzazione nominati.
- Dati aziendali: SEC EDGAR, XBRL company facts dei documenti 10-K e 10-Q (pubblico dominio).
- Investimenti: pagamenti per l'acquisto di immobili e attrezzature nel rendiconto finanziario sui flussi di cassa, con l'etichetta XBRL usata da ciascuna azienda; un trimestre non riportato a sé è il dato dell'anno fino a quel momento meno quello del periodo precedente. Ricavi, utile netto, utile lordo e flusso di cassa operativo come depositati. Amazon, T2 2017: non presente nei dati XBRL, quindi è l'esercizio meno gli altri tre trimestri.
- Esercizi come li chiamano le aziende: l'esercizio 2026 di NVIDIA si è chiuso il 25 gennaio 2026. Il grafico degli investimenti usa i trimestri di calendario.
- I dati passati sono storia, non una previsione. Nulla di quanto scritto qui è un consiglio di investimento.
Riutilizza questo articolo
Il testo e i grafici si possono ripubblicare, tradurre e adattare liberamente con licenza CC BY 4.0: cita BigCapital.org con un link a questa pagina. I dati di altri fornitori mantengono la propria licenza (vedi le fonti qui sotto). Come citare la fonte
Fonte: BigCapital.org — “Il boom dell'IA in numeri”, https://bigcapital.org/it/articles/ai-boom/