Come nasce un’AI. Puntata 2, il training: quanto costa e chi può permetterselo

Blu7, azienda in corso di riconoscimento MIM per corsi in aula e online. Iscriviti a 7 Pillole Blu.

Paghi qualche decina di euro al mese per ChatGPT, Claude o Gemini. Oppure utilizzi la versione gratuita. Devi però sapere che lo strumento che hai sotto le dita è costato una cifra che nessuna azienda italiana potrebbe mettere sul tavolo: i laboratori che costruiscono questi modelli hanno raccolto, ad oggi, oltre 370 miliardi di dollari di capitali (nota 1).

Traduco: tu paghi il caffè al banco e qualcun altro ha comprato il bar, il palazzo e mezza città in proporzione.

Come sta in piedi una sproporzione del genere? Oggi guardiamo il conto.

Come nasce un’intelligenza artificiale

Questo articolo è la puntata 2 di 4 di una serie che segue le quattro fasi di costruzione di un modello, spiegando per ognuna un comportamento che chi lo usa vede tutti i giorni.

1. Il pre-addestramento: perché l’AI inventa
2. Quanto costa addestrare un’intelligenza artificiale: perché usarla costa poco e costruirla costa enormemente (questa puntata)
3. La rifinitura: perché risponde con quel tono e perché due prodotti fatti sullo stesso motore rispondono in modo diverso
4. Le guardie: perché a volte si rifiuta e chi ha deciso che si rifiutasse

Alla fine delle quattro puntate saprai spiegare perché l’intelligenza artificiale fa quello che fa. Non serve alcuna competenza tecnica: ogni termine viene spiegato la prima volta che compare.

Ma torniamo al Castello

Nella puntata 1 ti ho lasciato davanti a un castello con le porte aperte: era il pre-addestramento, la raccolta delle truppe. Adesso i nuovi soldati entrano e cominciano l’addestramento vero e proprio, impareranno le loro competenze dai dati. L’esercizio lo conosci già: leggere una quantità enorme di testo e indovinare, miliardi di volte, quale parola viene dopo. Sbaglio, correzione minuscola, si ricomincia.

Adesso però mettiti nei panni di chi quel Castello lo manda avanti. I soldati non pagano l’affitto, mangiano tutti i giorni e consumano l’attrezzatura a una velocità spaventosa. Qualcuno il conto lo salda. Vediamolo voce per voce.

L’attrezzatura della caserma: le schede grafiche

La voce più grossa è l’attrezzatura. Nel mondo reale si chiama GPU (dall’inglese graphics processing unit, per noi semplicemente scheda video): un processore nato per i videogiochi e riciclato per l’AI, perché sa fare milioni di operazioni identiche tutte insieme. L’unità di misura del settore è l’ora-GPU: una scheda che lavora per un’ora.

ESEMPIO: se un muratore lavora un’ora hai un’ora/muratore. Per tirare su una casa in pochi mesi non prendi un muratore per dieci anni: ne prendi dieci per un anno. Con le schede è uguale, solo che invece di dieci sono decine di migliaia, chiuse in un capannone climatizzato.

Quanto lavoro serve? Curiosiamo tra Whatsapp, Facebook e Instagram (l’azienda si chiama Meta)
Per il modello più grande della famiglia di Meta, Llama 3.1, quello da 405 miliardi di parametri, Meta dichiara 30,84 milioni di ore-GPU su schede da 700 watt l’una, per digerire circa 15.000 miliardi di token, i frammenti di parola che hai conosciuto nella puntata 1 (nota 2).

Traduco: una scheda da sola ci avrebbe messo più di tremilacinquecento anni (nota 3). Migliaia di schede in parallelo, una vicina all’altra, comprimono quei millenni in qualche mese ed è esattamente quella compressione che si paga.

Sulla stessa pagina Meta dichiara il consumo di energia, le emissioni dell’addestramento: 8.930 tonnellate di CO2 e, poche righe sotto, zero tonnellate. Sono veri tutti e due i numeri, dipende da come si conta l’elettricità (nota 4). Indovina quale dei due finisce nei comunicati stampa.

Il vitto e l’alloggio: energia e acqua

I soldati mangiano. L’Agenzia internazionale per l’energia ha fatto i conti: nel 2024 i data center, i capannoni dove vivono le schede, hanno assorbito 415 terawattora, circa l’1,5% dell’elettricità mondiale, con una crescita del 12% l’anno dal 2017, oltre quattro volte più veloce dei consumi elettrici globali. Al 2030 la previsione dice circa 945 terawattora e il motore principale della corsa, per l’Agenzia, è proprio l’AI (nota 5).
Traduco: già oggi una fetta visibile della corrente del pianeta va a queste caserme di dati e in sei anni la fetta raddoppia.

Poi c’è l’acqua, che serve a raffreddare: le schede scaldano e una parte dell’acqua che le raffredda evapora, cioè non torna indietro. Qui i numeri tocca prenderli da fuori, perché chi gestisce le caserme i dati idrici non li pubblica.
Uno studio accademico stima che l’addestramento di GPT-3 possa aver fatto evaporare 700.000 litri di acqua dolce e che la domanda mondiale legata all’AI arrivi a 4,2-6,6 miliardi di metri cubi nel 2027 (nota 6). Il programma ambientale dell’ONU aggiunge che l’infrastruttura AI potrebbe presto bere sei volte l’acqua della Danimarca, mentre i data center nel mondo sono passati da 500.000 a otto milioni dal 2012 ad oggi (nota 7). La sua responsabile digitale lo ammette: «C’è ancora molto che non sappiamo sull’impatto ambientale dell’AI, ma alcuni dei dati che abbiamo sono preoccupanti».
Nemmeno l’ONU ha i numeri completi, perché chi li ha, aziende private, se li tiene. Di come si raffredda un data center parlerò un’altra volta.

Perché allora a te costa pochi centesimi?

Se costruire costa miliardi, perché usare costa spiccioli? Perché costo di costruzione e costo d’uso sono due mondi diversi.

ESEMPIO: l’autostrada. Costruirla è costata una fortuna, ma tu al casello lasci qualche euro, perché il costo dell’opera si divide fra tutti quelli che ci passeranno per decenni.

ESEMPIO: il forno della pizzeria. Il pizzaiolo lo compra una volta e poi ogni pizza si porta dentro una fettina piccolissima di quel prezzo, spalmato su tutte le pizze che il forno sfornerà. Si chiama ammortamento e con i modelli funziona uguale: l’addestramento è il forno, ogni tua domanda è una pizza.

Adesso arriva una fase che non conosci!

La fase in cui il modello risponde si chiama inferenza.
Google ha misurato la propria: la richiesta di testo (medio) su Gemini consuma 0,24 wattora, 0,26 millilitri d’acqua (cinque gocce) e 0,03 grammi di CO2, quanto guardare la TV per circa nove secondi (nota 8).
Traduco: presa da sola, una domanda non costa quasi niente. Ti dico però anche che la cifra che gira di più racconta un’altra storia: una domanda a ChatGPT consumerebbe dieci volte l’elettricità di una vecchia ricerca su Google (nota 7) perchè non ci accontentiamo più dell’elenco dei risultati, vogliamo una risposta “masticata”, triturata, completa e fintamente completa.
Le due misure non stanno insieme: il consumo della singola richiesta è oggi il dato più ballerino di tutta la faccenda (nota 9).

Sul prezzo invece la direzione è netta: usare un sistema del livello di GPT-3.5 è arrivato a costare oltre 280 volte meno in meno di due anni precedenti (nota 10). Come questo calo arriva sul listino che paghi davvero l’ho già smontato nel pezzo su quanto costa l’intelligenza artificiale a token.

Il token e la birra: se vai ad un concerto oggi, avrai imparato a conoscere i Token. Vai prima alla cassa, compri i token, dei buoni e dopo con quei fogliolini, fiches di plastica o qualcosa di simile, fai il giro delle bancherelle e cerchi di capire cosa poter prendere se birra, pizza o tutti e due.
Ecco i Token nella AI funzionano più o meno così, prima li compri e poi li spendi.

Chi può permettersi il castello scrive le regole (addio Italia)

E qui arriva la parte che mi interessa davvero. Il costo per addestrare un modello di frontiera cresce di 3,5 volte l’anno dal 2020, la potenza di calcolo impiegata raddoppia ogni 5,2 mesi e un data center da un gigawatt costa circa 38 miliardi di dollari solo per tirarlo su; le sessioni di addestramento più grandi assorbono quanto una centrale elettrica di media taglia (nota 1).

Esempio: ogni anno il biglietto d’ingresso al cinema triplica e a ogni spettacolo qualcuno resta fuori dalla porta.

Il risultato si misura. Cinque grandi operatori di infrastruttura cloud controllano circa il 71% della capacità di calcolo AI del mondo (nota 1). Nel 2024 quasi il 90% dei modelli di rilievo è uscito dall’industria privata, contro il 60% dell’anno prima: 40 dagli Stati Uniti, 15 dalla Cina, tre dall’Europa (nota 10). Tre. Contali. Zero dall’Italia.

Chi paga decide le regole del castello: che cosa il modello può dire (le guardie che glielo impediscono sono il tema della puntata 4), in quali lingue funziona bene, quali culture stanno nei dati e quanto costa entrare.

Nessuna di queste decisioni passa da un parlamento: passa da un bilancio di una azienda privata e i bilanci capaci di reggerla si contano su due mani.

E per una PMI o una scuola di Firenze?

Te lo dico senza girarci intorno: un modello tuo da zero non lo costruirai mai. Un artigiano del Galluzzo o una scuola fiorentina non hanno decine di migliaia di schede né una centrale elettrica in cortile, nè un server dove allocare una Intelligenza Artificlae di terzi. Ma su questo ultimo aspetto aggiungo un “per ora”.
Chi ti propone di “creare la tua intelligenza artificiale” intende adattare un modello di qualcun altro. La domanda giusta da fargli è una sola: di chi è il modello sotto?

Dipendere da chi lo costruisce ha tre conseguenze pratiche.
Il fornitore può cambiare le carte quando vuole: un modello viene ritirato e il tuo assistente cambia carattere da un giorno all’altro (rimedio: tieni istruzioni e dati fuori dalla piattaforma, così li porti via con te).
Il prezzo lo decide chi ha pagato l’addestramento: il calo degli ultimi anni è una tendenza, non un contratto.
E la dipendenza non è tutto o niente: per i compiti ripetitivi esistono modelli scaricabili che girano su una macchina in ufficio, ma quella è la guida di un’altra volta.

Per applicare tutto questo a un’azienda vera si parte dalla pagina sull’intelligenza artificiale per le imprese di Firenze, per la parte formativa c’è il percorso dedicato alle scuole.

Alcune Domande frequenti prima della Conclusione

Un modello si addestra una volta e basta?

La fase pesante sì. Ma ogni versione nuova si riaddestra e di solito costa meno se è una miglioria della precedente (Opus 4.8 costa meno della Opus 4.6 ma costa molto di più quando è diventato Opus 5).

Se costa così tanto, perché alcuni modelli sono gratis?

Perché chi li ha pagati sceglie di regalarli, per strategia industriale. Meta lo scrive nero su bianco: avendo rilasciato i modelli apertamente, quel costo di addestramento chi li riusa non lo paga più (nota 2). Gratis da scaricare però non vuol dire gratis da far girare.

I consumi dell’AI sono un problema vero o gonfiato?

Vero sul totale, dove i numeri dell’Agenzia per l’energia sono solidi. Incerto sulla singola domanda: diffida di chiunque ti dia una cifra secca per “una richiesta a ChatGPT”.

Ti lascio con un’immagine e un dubbio

L’immagine è per la prossima puntata. Finora nel Castello hai visto utilizzare schede video, corrente elettrica e acqua.
Nella puntata 3 entrano in gioco le persone: ti porto a Nairobi, da uomini pagati meno di due dollari l’ora per insegnare a una macchina a fare il loro lavoro. Sono loro a dare al modello il tono, i modi, quella voce che ti sembra così umana. Chi sono e che giornate fanno lo vediamo lì.

Il dubbio invece è per oggi e non è facile. Hai appena visto che le regole di uno strumento che usi ogni giorno, per lavorare, per studiare, magari per farti consigliare, le scrivono cinque consigli di amministrazione dall’altra parte dell’oceano, in USA, o forse in Cina.
Nessuno che hai votato, nessuno a cui puoi telefonare. A te sta bene così? Non rispondere d’istinto: pensaci un momento e poi scrivimelo nei commenti, li leggo tutti.

Fonti e note dell’autore

1. Epoch AI, pagina Trends: 370 miliardi di dollari raccolti dai laboratori di frontiera; costo di addestramento per 3,5 l’anno dal 2020; calcolo raddoppiato ogni 5,2 mesi; circa 38 miliardi di dollari per un data center da 1 gigawatt; cinque hyperscaler (grandi operatori cloud) al 71% del calcolo AI mondiale.
2. Scheda modello ufficiale Llama 3.1, Meta: 30,84 milioni di ore-GPU per la versione da 405 miliardi di parametri, su hardware H100-80GB da 700 W; circa 15.000 miliardi di token da fonti pubbliche; il costo energetico non ricade su chi riusa i modelli rilasciati.
3. Calcolo nostro, l’unico del pezzo: 30.840.000 ore diviso le 8.766 ore di un anno fa 3.518 anni.
4. Le 8.930 tonnellate sono il dato “location-based”, calcolato sul mix elettrico reale della rete locale; lo zero è il dato “market-based”, perché Meta dichiara di coprire il 100% dei consumi con energia rinnovabile acquistata. Due contabilità legittime della stessa elettricità: la prima dice quanta CO2 è uscita dalle ciminiere, la seconda quanta rinnovabile è stata comprata.
5. IEA, rapporto Energy and AI: 415 TWh nel 2024 (circa 1,5% dell’elettricità mondiale); crescita di circa il 12% annuo dal 2017; proiezione a circa 945 TWh nel 2030.
6. Li et al., Making AI Less Thirsty: stima accademica esterna con metodologia dichiarata, non una misurazione degli operatori; gli autori scrivono che quell’informazione «è stata tenuta segreta» (qui e altrove le citazioni dall’inglese sono nostre traduzioni).
7. UNEP, Programma ONU per l’ambiente: la stima delle sei Danimarche d’acqua; i data center da 500.000 nel 2012 a 8 milioni; la citazione di Golestan Sally Radwan, Chief Digital Officer UNEP; il rapporto «dieci volte una ricerca su Google» è attribuito dall’UNEP all’Agenzia internazionale per l’energia.
8. Google Cloud, agosto 2025: dati riferiti a maggio 2025; Google stessa avverte che «i dati e le affermazioni non sono stati verificati da una terza parte indipendente».
9. Le due cifre, quella di Google e quella riportata dall’UNEP, non si conciliano senza sapere a quale modello e a quale anno si riferiscano: per questo le riporto entrambe senza sceglierne una.
10. Stanford HAI, AI Index 2025: costo d’uso di un sistema di livello GPT-3.5 calato di oltre 280 volte fra novembre 2022 e ottobre 2024; quasi il 90% dei modelli di rilievo del 2024 dall’industria privata (60% nel 2023); 40 modelli da istituzioni statunitensi, 15 dalla Cina, tre dall’Europa.

Blu7, azienda in corso di riconoscimento MIM per corsi in aula e online. Iscriviti a 7 Pillole Blu.