In breve
In tutto il mondo i governi finanziano un'IA "sovrana": capacità di calcolo, modelli e dati nazionali sotto il loro controllo. I sostenitori affermano che garantisce l'accesso, riflette i valori locali e potrebbe essere progettata per essere efficiente fin dall'inizio. I critici affermano che la piena autosufficienza è insostenibile sul piano dei costi, duplica gli sforzi e aggiunge data centre a reti elettriche già sotto pressione. Il risultato in termini di sostenibilità dipende meno da chi possiede l'IA che da come viene costruita, dimensionata e usata.
Punti chiave
- Un indice del 2026 ha contato 184 progetti di IA sovrana in 67 Paesi.
- Il Regno Unito, l'UE e la Svizzera sono tra quelli che investono in capacità di calcolo e modelli nazionali, su scale molto diverse.
- Gli argomenti a favore dell'IA sovrana o pubblica si basano su sicurezza, equità di accesso, responsabilità pubblica e coerenza con le leggi e i valori locali.
- Gli argomenti contrari si basano su costi, fattibilità, duplicazione di addestramenti ad alto consumo di energia e rischio di controllo politico.
- Modelli piccoli, locali e aperti offrono una via di mezzo che può servire insieme sovranità ed efficienza.
L'IA viene sempre più trattata come un'infrastruttura nazionale, al pari dell'energia o delle telecomunicazioni. Molti governi vogliono ora una parte della capacità di IA sotto il proprio controllo e spendono molto per ottenerla. Questo solleva una domanda che spesso sfugge al dibattito: l'IA sovrana è migliore o peggiore per l'ambiente? Questo articolo espone gli argomenti di entrambe le parti.
Che cos'è l'IA sovrana?
È una capacità di IA controllata da un Paese, o da un blocco di Paesi. Può significare capacità di calcolo propria (data centre e supercomputer), modelli propri, dati propri, competenze proprie, o una combinazione di questi.
L'idea si è diffusa rapidamente. Il Sovereign AI Index del Center for a New American Security ha contato 184 progetti di IA sovrana in 67 Paesi, con dati aggiornati a giugno 2026.
Alcuni esempi, su scale molto diverse:
| Chi | Che cosa |
|---|---|
| Regno Unito | Una Sovereign AI Unit con una dotazione fino a 500 milioni di sterline, avviata nel 2026, accanto a capacità di calcolo nazionali come il supercomputer Isambard-AI e alle AI Growth Zones designate |
| Unione europea | InvestAI, annunciata a febbraio 2025 per mobilitare 200 miliardi di euro per l'IA, compreso un fondo di 20 miliardi di euro per le "gigafactory" di IA; a fine 2026 la selezione dei siti delle gigafactory era ancora in corso |
| Svizzera | Apertus, un modello linguistico multilingue completamente aperto pubblicato a settembre 2025 da EPFL, ETH di Zurigo e Centro svizzero di calcolo scientifico, in versioni da 8 e 70 miliardi di parametri, con pesi, dati e codice pubblicati |
Quali sono gli argomenti a favore dell'IA sovrana o pubblica?
I sostenitori affermano che l'IA è troppo importante per dipendere interamente da poche aziende straniere. I loro argomenti principali:
- Sicurezza e resilienza. I servizi su cui contano governi, sistemi sanitari e reti elettriche non dovrebbero dipendere da un accesso che un altro Paese o un'altra azienda potrebbe limitare.
- Equità di accesso. Alcuni sostengono un'IA come servizio di pubblica utilità, come l'acqua o la ferrovia, perché l'accesso non dipenda dalla capacità di pagare. Il documento Public AI della Mozilla Foundation (2024) propone alternative pubbliche accanto all'IA privata, paragonandole al servizio radiotelevisivo pubblico e al trasporto pubblico.
- Leggi e valori. Un modello addestrato su dati che riflettono lingue, leggi e norme locali può servire meglio i cittadini. I governi che costruiscono su modelli aperti addestrati soprattutto su dati di altri Paesi devono chiedersi di chi siano i valori che quei modelli riflettono. Il governo britannico, per esempio, ha finanziato lo sviluppo di strumenti per i servizi pubblici basati su modelli aperti come Llama di Meta.
- Responsabilità pubblica. I modelli pubblici possono essere ispezionati, sottoposti a audit e governati in modo pubblico.
- Dati sensibili. Alcuni dati, come quelli dettagliati sulla rete elettrica o sulla salute, non possono essere inviati a fornitori esterni, quindi modelli locali efficienti sono l'unico modo per applicarvi l'IA.
Un sandpit (laboratorio di ricerca collaborativa) britannico sull'IA verde del 2026, con matematici, informatici e industria, ha discusso una versione di questa idea: un modello nazionale gestito dal governo come servizio di pubblica utilità, per l'equità di accesso, la sovranità e la sicurezza, con l'efficienza matematica come vantaggio competitivo.
Quali sono gli argomenti contrari?
I critici affermano che la piena autosufficienza è troppo costosa, lenta e, per la maggior parte dei Paesi, impossibile. I loro argomenti principali:
- Costi e fattibilità. Il rapporto 2026 del Tony Blair Institute sostiene che la piena autosufficienza è troppo costosa, troppo lenta e, per la maggior parte dei Paesi, semplicemente impossibile, e propone invece di intendere la sovranità come capacità di decidere sulle scelte chiave. Un rapporto Brookings del 2026 ha sostenuto che una sovranità sull'intera filiera dell'IA è strutturalmente irrealizzabile per quasi tutti i Paesi.
- Duplicazione. Addestrare da zero un modello di frontiera in ogni Paese ripete costi di energia, acqua e hardware già sostenuti altrove.
- Controllo politico. Un modello gestito dallo Stato fa temere un'influenza del governo su che cosa i cittadini possono chiedere e su che cosa viene loro detto.
- Limiti dei dati. Un governo democratico potrebbe non potere, o non volere, addestrare modelli su dati che le aziende private utilizzano.
- Infrastrutture e opinione pubblica. I nuovi data centre hanno bisogno di allacciamenti alla rete, acqua e autorizzazioni urbanistiche, e in molti luoghi incontrano opposizione locale.
- Puntare sull'architettura sbagliata. Un investimento nazionale in un grande modello centrale presuppone che questi modelli dominino ancora tra cinque o dieci anni, invece di modelli locali più piccoli in cui i dati restano all'utente.
Che cosa significa la sovranità per l'energia e le emissioni?
Dipende da che cosa si costruisce, dove e che cosa sostituisce. L'IA sovrana può andare in entrambe le direzioni:
- Peggio: se significa più data centre su reti dominate dai combustibili fossili, addestramenti duplicati e grandi modelli generalisti usati per compiti che potrebbero svolgere modelli piccoli.
- Meglio: se significa modelli specializzati e di dimensioni adeguate, data centre collocati dove l'energia pulita è in eccesso, riuso di modelli aperti invece di riaddestrarli da zero e norme pubbliche per misurazione e rendicontazione.
La localizzazione conta. L'Agenzia internazionale dell'energia osserva che la domanda dei data centre è concentrata in poche regioni e che i vincoli della rete sono un problema crescente. I luoghi con produzione rinnovabile in eccesso, che oggi a volte deve essere tagliata, sono candidati naturali. Un programma pubblico può inoltre imporre fin dall'inizio rendicontazione energetica ed efficienza, cosa più difficile da imporre a fornitori stranieri.
L'open source cambia il quadro?
Sì. I modelli aperti permettono ai Paesi di adattare invece di ricostruire. I modelli a pesi aperti di molti Paesi sono ormai ampiamente usati. L'ATOM Project ha riferito che a metà 2025 i modelli aperti cinesi hanno superato quelli statunitensi nei download cumulativi su Hugging Face.
Specializzare (fine-tuning) un modello aperto esistente per una lingua, un settore o un sistema giuridico richiede una piccola frazione dell'energia necessaria per addestrarne uno nuovo. L'Apertus svizzero mostra un'altra strada: un modello completamente aperto, costruito pubblicamente, che altri possono riusare. Entrambe le vie riducono la necessità che ogni Paese paghi l'intero costo dell'addestramento.
Esiste una via di mezzo?
Molti propongono sovranità sulle parti che contano e interdipendenza per il resto. In pratica:
- Controllare i dati e la messa in esercizio, anche se il modello di base proviene da altrove.
- Preferire modelli piccoli, locali e specializzati, che possono funzionare su infrastrutture nazionali o interne e mantenere i dati sensibili dove sono. Veda l'IA ai margini della rete.
- Condividere capacità di calcolo e modelli aperti con i Paesi alleati invece di duplicarli.
- Integrare fin dall'inizio efficienza, misurazione ed energia pulita nell'IA pubblica.
Alcuni si spingono oltre e si chiedono se un'inferenza distribuita, ripartita tra molti fornitori più piccoli, potrebbe impedire a una singola azienda o a un singolo governo di controllare l'uso dell'IA. È una questione di ricerca aperta, con i suoi compromessi in termini di efficienza.
Che cosa fare adesso
- Se contribuisce a definire programmi di IA pubblica, richieda fin dall'inizio misurazione e rendicontazione dell'energia: veda politiche per l'IA verde.
- Dove il caso d'uso lo consente, preferisca adattare modelli aperti piuttosto che addestrarne di nuovi.
- Collochi la capacità di calcolo dove è disponibile energia pulita: veda hosting e data centre.
- Per i dati sensibili, valuti l'esecuzione sul dispositivo e in locale: veda dispositivo o cloud?.
- Legga perché l'IA verde conta adesso per il contesto energetico.
Domande frequenti
Che cos'è l'IA sovrana?
È una capacità di IA controllata da un Paese, o da un gruppo di Paesi: capacità di calcolo, modelli, dati o competenze propri, in modo da non dipendere interamente da aziende o governi stranieri.
L'IA sovrana è più verde?
Non automaticamente. Un modello nazionale addestrato da zero duplica energia che altri hanno già speso. Può essere più verde se è più piccolo, specializzato, alimentato da energia pulita e sostituisce usi meno efficienti, ma questo va previsto fin dalla progettazione.
Che cos'è l'IA pubblica?
È l'idea che una parte dell'IA debba essere fornita come infrastruttura pubblica, come il servizio radiotelevisivo pubblico o il trasporto pubblico, accanto ai servizi privati, con accesso e responsabilità pubblici.
Fonti
- Sovereign AI Index, Center for a New American Security (2026)
- Sovereign AI Unit, UK Government, Department for Science, Innovation and Technology (2026)
- AI Opportunities Action Plan: one year on, UK Government (2026)
- EU launches InvestAI initiative to mobilise €200 billion of investment in artificial intelligence, European Commission (2025)
- Call for tenders: selection of AI gigafactory consortia, EuroHPC Joint Undertaking (2026)
- Apertus: a fully open, transparent, multilingual language model, EPFL, ETH Zurich and CSCS (2025)
- Public AI: making AI work for everyone, by everyone, Mozilla Foundation (2024)
- Sovereignty in the age of AI: strategic choices, structural dependencies, Tony Blair Institute for Global Change (2026)
- Is AI sovereignty possible? Balancing autonomy and interdependence, Brookings Institution (2026)
- UK's best AI engineers can apply now to build tech for public services in £1 million fellowship, UK Government (2025)
- The ATOM Project, ATOM Project (2026)
- Energy and AI, International Energy Agency (2025)
Correlati
Come scrivere una politica sulla IA verde
Una guida passo passo per scrivere la politica sulla IA verde di un'organizzazione, con uno schema su uso, modelli, misurazione, acquisti, dichiarazioni e revisione.
Hosting e data centre per un'IA verde
Come scegliere dove far girare l'IA: intensità carbonica della rete, PUE e WUE, dichiarazioni sulle rinnovabili, acqua e ubicazione, con domande per i fornitori.
Perché l'IA verde conta adesso
L'IA fa crescere rapidamente la domanda di elettricità dei data centre, mettendo sotto pressione le reti. I dati su scala, energia, costi e politiche nel 2026.
IA all'edge: più verde, o solo meno visibile?
L'IA sul dispositivo e all'edge può far risparmiare energia di rete e di data centre, ma distribuisce il calcolo su miliardi di dispositivi che nessuno misura.