L'Architettura del Potere Economico

La tesi in sintesi

La domanda decisiva dei prossimi quindici anni non è soltanto quale laboratorio produrrà l’intelligenza artificiale più capace. È chi possiederà le infrastrutture attraverso cui l’intelligenza delle macchine diventa produttiva, commerciale e politicamente rilevante. Primato tecnologico, capacità di trattenere il valore economico e influenza geopolitica sono collegati, ma non coincidono.

L’intuizione economica è semplice: quando una capacità diventa più facile da riprodurre, parte del valore che genera può spostarsi verso fattori complementari la cui offerta resta difficile da aumentare. Nell’intelligenza artificiale questi fattori comprendono la manifattura avanzata, la disponibilità di potenza elettrica, l’accesso sicuro ai dati, i canali di distribuzione verso i clienti, l’integrazione nei sistemi aziendali e le autorizzazioni regolamentari. La scarsità, però, non garantisce da sola rendimenti agli investitori: contano il prezzo pagato, i reinvestimenti necessari e i vincoli politici.

Sei lavori influenti aiutano a inquadrare la questione, pur senza sostenere un’unica previsione.

Bitcoin (2008) ha esplorato il trasferimento di valore digitale tra pari; Attention Is All You Need (2017) ha introdotto l’architettura Transformer; Situational Awareness (2024) ha prospettato rapidi progressi dell’IA e un forte fabbisogno di infrastrutture. AI 2027 (2025) ha descritto uno scenario di sviluppo accelerato dei sistemi autonomi, AI 2040: Plan A ha proposto un coordinamento internazionale e The Commanding Heights (2026) ha formulato una tesi sui punti di controllo durevoli dell’economia.

Questo paper sviluppa un’interpretazione autonoma a partire da materiali diversi.

Distingue le dimostrazioni tecniche dalle previsioni, le proposte su ciò che sarebbe auspicabile dalle osservazioni empiriche, e i settori interessanti dagli strumenti finanziari interessanti. Non cerca di prevedere una data precisa per l’AGI, ma di individuare i meccanismi che potrebbero riorganizzare l’allocazione del capitale e il potere degli Stati.

L’idea centrale, spiegata a un bambino di sette anni

Immagina una città in cui tutti ricevano all’improvviso un aiutante robot molto intelligente. All’inizio avere un robot ti rende speciale. Ma quando quasi tutti ne hanno uno, il robot da solo non è più ciò che ti rende potente.

I robot hanno comunque bisogno di elettricità, chip, edifici e connessioni a internet. Qualcuno deve anche decidere che cosa ogni robot è autorizzato a fare. Chi possiede queste risorse importanti potrebbe guadagnare ogni volta che i robot vengono utilizzati.

Pensa a un trenino giocattolo. Il robot intelligente è il treno. Ma senza binari, corrente e stazioni il treno non può andare da nessuna parte. Se possiedi l’unico ponte sicuro lungo il percorso, molti treni potrebbero doverlo attraversare.

Che cosa potrebbe succedere?

1. L’elettricità e le apparecchiature informatiche potrebbero diventare più preziose, perché serviranno a un numero maggiore di robot. Ma se se ne costruiscono troppe, il loro prezzo potrebbe scendere.
2. Alcune imprese potrebbero guadagnare aiutando i robot a lavorare insieme in sicurezza, proprio come i semafori aiutano le automobili a evitare gli incidenti.
3. I Paesi potrebbero competere per costruire le migliori reti informatiche e assicurarsi energia sufficiente. Potrebbero anche stabilire dove è consentito usare i robot più potenti.
4. Il denaro potrebbe circolare più facilmente attraverso sistemi di pagamento digitali. Ma anche questi sistemi hanno bisogno di regole, controlli di sicurezza e operatori affidabili.
5. Alcuni lavori potrebbero cambiare. Le persone potrebbero usare i robot per fare di più, mentre alcune attività potrebbero non richiedere più il lavoro umano. Nessuno sa esattamente quanti nuovi posti di lavoro nasceranno.

La lezione per chi investe

Non comprare un’azienda soltanto perché dice di occuparsi di «IA». Chiediti che cosa possiede di cui gli altri hanno davvero bisogno, se i clienti continueranno a pagare e se l’impresa guadagna più di quanto spende.

E ricorda: possedere un ponte è utile soltanto finché le persone hanno bisogno di attraversarlo. Qualcuno potrebbe costruire un altro percorso. Per questo concentrare tutto il proprio denaro su una sola idea può essere rischioso.

In una frase: i maggiori vincitori potrebbero non essere quelli che costruiscono i robot più intelligenti, ma quelli che forniscono ciò di cui i robot hanno bisogno per funzionare, anche se nessuno può sapere in anticipo chi vincerà.

Nota per il lettore: questa analogia semplifica l’argomento del paper. Non prevede che l’IA diventerà ovunque economica, né che i proprietari delle infrastrutture otterranno necessariamente rendimenti elevati.

I. L’era dell’intelligenza sempre più accessibile

Per gran parte dell’era digitale, le imprese hanno costruito il proprio vantaggio accumulando informazioni e sviluppando software per elaborarle. L’intelligenza artificiale può ridurre il costo di produzione di analisi, contenuti, codice e decisioni sempre più sofisticate. Questo non rende intercambiabili tutte le forme di intelligenza e non dimostra che le prestazioni dei modelli di frontiera finiranno per convergere completamente.

Il paper sui Transformer ha introdotto un’architettura più facilmente parallelizzabile per l’elaborazione di sequenze, nell’ambito dei compiti studiati dagli autori. Non ha previsto l’economia dei moderni data center, né dimostrato che i costi di inferenza debbano diminuire per sempre. Questi sviluppi successivi dipendono da hardware, ingegneria, concorrenza, domanda e adozione da parte delle organizzazioni.

Situational Awareness aggiunge un argomento diverso: i progressi algoritmici, gli investimenti nella capacità di calcolo e la ricerca assistita dall’IA potrebbero rafforzarsi a vicenda. AI 2027 esplora una sequenza più rapida e dirompente, ma si presenta esplicitamente come uno scenario, non come una previsione acquisita. Entrambi i lavori sono utili come prove di tenuta della pianificazione strategica proprio perché le loro ipotesi possono essere messe in discussione.

Per gli investitori ne deriva la necessità di separare tre domande: la tecnologia migliorerà? La spesa destinata a essa aumenterà? I proprietari di determinati asset otterranno rendimenti superiori al costo del capitale? Una risposta positiva alla prima domanda non risolve la seconda o la terza. Nei settori in rapida espansione, una concorrenza intensa e forti investimenti possono trasferire valore ai clienti anziché agli azionisti.

È plausibile anche un mondo diverso: l’intelligenza di frontiera rimane costosa e concentrata, mentre modelli meno costosi servono impieghi più circoscritti. In questo contesto, i laboratori più forti potrebbero conservare un notevole potere sui prezzi. Una tesi d’investimento credibile deve quindi reggere in più configurazioni del mercato dei modelli, senza considerare la loro trasformazione in un bene indifferenziato come un fatto già compiuto.

II. Il ritorno della scarsità fisica

Agli utenti l’IA appare immateriale, ma dipende da sistemi fisici. I chip avanzati richiedono processi complessi di fabbricazione e packaging; i data center richiedono terreni, collegamenti elettrici, raffreddamento, reti e competenze operative. Anche quando l’hardware è disponibile, la mancanza di un allacciamento alla rete elettrica può ritardarne l’impiego.

La risorsa scarsa rilevante spesso non è l’elettricità in astratto, ma la potenza effettivamente disponibile in un luogo e in un momento precisi. Un progetto che dispone di autorizzazioni, accesso alla rete, connettività resiliente e un cliente solvibile può avere un profilo economico diverso da un sito simile ancora da sviluppare. Il valore di questi elementi dipende dalla durata dei contratti, dal contesto regolamentare e dal costo necessario per ottenerli.

Il raffreddamento introduce un ulteriore vincolo. Il consumo di acqua varia in funzione del clima locale, delle soluzioni adottate e del modo in cui viene prodotta l’elettricità: per questo le affermazioni generiche sull’intensità idrica dell’IA possono essere fuorvianti. Lo stress idrico può comunque modificare l’economia e l’accettabilità sociale dei progetti in determinate regioni.

La filiera del capitale che ne deriva parte dai produttori di apparecchiature e dalle società di ingegneria e comprende produttori di energia, gestori delle reti, proprietari immobiliari e operatori di data center. È facile considerarli tutti vincitori. Ma così si confonde la crescita della domanda con la tenuta dei margini e si trascura la possibilità che l’aumento della capacità elimini i premi legati alla scarsità.

Gli investitori dovrebbero distinguere i colli di bottiglia temporanei dalle attività dotate di un vantaggio economico difendibile. Un produttore di trasformatori può avere un ampio portafoglio ordini senza possedere un potere permanente sui prezzi. Un’infrastruttura può essere strategicamente indispensabile, ma offrire un potenziale di rendimento limitato dalla regolamentazione: lo stesso Stato che la protegge può limitarne la redditività.

III. Dove potrebbero spostarsi le rendite

The Commanding Heights, pubblicato da Will Manidis e Joe Roberts nell’ottobre 2026, pone al centro della propria tesi il controllo di posizioni scarse. Non sostiene che l’intelligenza smetta di contare, ma che i benefici economici possano essere trattenuti da chi possiede passaggi difficili da aggirare verso clienti, capitale e risorse essenziali. È un’ipotesi rilevante, non una dimostrazione empirica dei futuri rendimenti azionari.

La distinzione tra creare valore e trattenerlo è fondamentale. Un fornitore di modelli può generare grandi aumenti di produttività che i clienti aziendali assorbono sotto forma di costi più bassi. Un distributore può incassare commissioni senza possedere la tecnologia sottostante, mentre il proprietario di un’infrastruttura può ottenere ricavi stabili ma un potenziale di crescita limitato, una volta considerati finanziamento e manutenzione.

Uno schema utile distingue l’economia dell’IA in produzione, distribuzione e autorizzazione. La produzione comprende chip, capacità di calcolo e modelli; la distribuzione comprende software, relazioni con i clienti e processi operativi integrati. L’autorizzazione comprende identità, applicazione delle regole, verificabilità, permessi di pagamento e capacità di stabilire se un’azione proposta dall’IA possa essere effettivamente eseguita.

Nella pratica questi livelli si sovrappongono e i loro confini sono contesi. I grandi operatori cloud possono essere presenti in tutti e tre; i fornitori di software aziendale possono integrare l’orchestrazione direttamente nelle applicazioni esistenti. La domanda strategica è se una determinata impresa controlli un punto di passaggio durevole o si limiti a rivendere una funzione che altri possono riprodurre.

Le opportunità più solide potrebbero trovarsi dove si incontrano costi di sostituzione, obblighi regolamentari e processi operativi affidabili. Eppure anche un software essenziale può essere sostituito da nuovi standard o dal consolidamento dei clienti. Nessuna architettura dovrebbe essere considerata un monopolio permanente prima di aver compreso gli effetti di interoperabilità, acquisti e controllo della relazione con il cliente.

IV. La geografia della capacità di calcolo

La capacità di calcolo sta diventando una componente della strategia industriale nazionale, perché l’IA avanzata dipende da filiere che attraversano i confini. Progettazione, fabbricazione, packaging avanzato, reti, energia e servizi cloud sono distribuiti geograficamente. Questo genera efficienza, ma anche vulnerabilità.

Gli Stati Uniti beneficiano di un ecosistema sviluppato di software, mercati dei capitali, ricerca e grandi imprese tecnologiche. La Cina dispone di una notevole capacità industriale e di un incentivo strategico a ridurre la dipendenza dalle tecnologie straniere. L’Europa unisce competenze industriali e influenza regolamentare a difficoltà persistenti nel finanziare la crescita di scala, sviluppare infrastrutture e integrare i mercati.

La questione geopolitica centrale non è una semplice classifica dei Paesi in base alle prestazioni dei modelli. È la resilienza di ciascun sistema nazionale di fronte a controlli sulle esportazioni, shock energetici, restrizioni tecnologiche e perturbazioni dei mercati finanziari. Un Paese può avere ricercatori eccellenti ma non disporre della capacità fisica o degli incentivi finanziari necessari per utilizzare i sistemi su vasta scala.

AI 2027 interpreta questa competizione attraverso uno scenario di rivalità tecnologica accelerata. AI 2040: Plan A considera una possibilità nettamente diversa: limiti negoziati, verifiche e cooperazione internazionale. Il confronto è utile perché mostra come le scelte politiche possano modificare sia il ritmo del progresso tecnico sia l’identità dei suoi beneficiari economici.

La massa continentale eurasiatica conta per energia, minerali, logistica e collegamenti industriali. Le economie dell’Asia centrale, compreso il Kazakistan, potrebbero cogliere opportunità collegando le proprie risorse alla domanda europea e asiatica. Ma le risorse, da sole, non equivalgono a un ecosistema dell’IA competitivo: restano decisivi affidabilità dell’energia, connettività, competenze, governance e accesso al capitale.

V. Moneta digitale e geopolitica del regolamento dei pagamenti

Il contributo originale di Bitcoin è stato un protocollo per trasferire valore elettronico senza affidarsi a un intermediario centrale fidato per impedire la doppia spesa. Non è una dimostrazione empirica che Bitcoin debba aumentare di valore, né che tutti i futuri pagamenti tra macchine lo utilizzeranno. Qui la sua rilevanza è architetturale: ha introdotto una strada per regolare scambi digitali al di fuori dei consueti sistemi intermediati.

Le stablecoin denominate in dollari seguono una logica diversa. Il loro funzionamento dipende in genere da emittenti identificabili, attività di riserva, infrastrutture operative e accordi giuridici. Mirano a offrire un’unità di conto relativamente stabile, anziché l’esposizione a un prezzo variabile tipica di Bitcoin.

The Commanding Heights collega le stablecoin in dollari alla possibilità di un rinnovato potere monetario. Se gli emittenti detengono titoli di Stato statunitensi a breve termine come riserve, una maggiore circolazione può creare domanda per questi strumenti. L’entità e la persistenza dell’effetto dipendono da regolamentazione, composizione delle riserve, tassi d’interesse e misura in cui questa attività sostituisce, anziché aggiungersi, alla domanda di dollari già esistente.

Gli agenti di IA potrebbero accrescere l’interesse per i pagamenti programmabili, ma il commercio automatizzato richiede più di un token. Servono l’identificazione del soggetto per conto del quale si agisce, limiti di spesa, controlli antifrode, diritti di revoca, procedure di contestazione e registri di verifica affidabili. Le reti di pagamento e i sistemi di autorizzazione potrebbero quindi diventare infrastrutture complementari.

Per un investitore, l’esposizione a Bitcoin, una partecipazione in un emittente di stablecoin e la proprietà di infrastrutture di pagamento sono proposte distinte. I fattori che ne determinano i rendimenti, le esposizioni regolamentari e i rischi di perdita differiscono in modo sostanziale. Trattarle come espressioni intercambiabili di un’unica tesi sulla moneta digitale nasconderebbe il rischio anziché diversificarlo.

VI. Il legame tra capitale e intelligenza

L’IA su scala industriale può richiedere molto capitale anche quando le applicazioni finali riducono il costo delle singole attività. Fabbriche di semiconduttori, data center e sistemi energetici devono essere finanziati molto prima che il loro utilizzo e la loro redditività diventino chiari. La rapidità del cambiamento tecnologico aggiunge un problema: gli asset possono perdere valore economico più velocemente di quanto ipotizzato dalle strutture che li finanziano.

Un boom degli investimenti può essere utile alla società e deludente sul piano finanziario. Se molti fornitori aumentano contemporaneamente la capacità, l’utilizzo o i prezzi possono scendere sotto le ipotesi su cui si fondavano gli investimenti. La stessa dinamica si è già verificata in altri cicli infrastrutturali e tecnologici, anche se oggi non è possibile confermare tempi ed entità di un’eventuale sovracapacità legata all’IA.

L’allocazione del capitale dovrebbe quindi partire dai meccanismi che generano cassa. Quanto investimento aggiuntivo serve per ogni unità di ricavo? Quale quota dei flussi di cassa viene assorbita dalla sostituzione dell’hardware, dagli adeguamenti della rete e dall’acquisizione di clienti? I contratti consentono di trasferire il rischio dei prezzi dell’energia? Chi sostiene il costo dell’obsolescenza tecnica?

Il private equity può avere opportunità diverse da quelle del venture capital. Invece di finanziare nuovi modelli di frontiera, può cercare aziende consolidate che possiedono processi specializzati, componenti industriali o relazioni con i clienti. L’IA può migliorare queste imprese, ma soltanto se costi di implementazione, obblighi di sicurezza e adozione da parte dei clienti consentono aumenti durevoli di margini o ricavi.

Questo cambia anche il modo di leggere il rapporto tra capitale e lavoro. L’IA può sostituire alcune attività cognitive e affiancarne altre; gli effetti su salari e occupazione varieranno da settore a settore e in base alle istituzioni. La proprietà degli asset produttivi potrebbe assumere più peso nella distribuzione del reddito, ma una crescita diffusa della produttività non implica un rialzo ininterrotto dei mercati azionari.

VII. Il livello del controllo

Quando le organizzazioni passano da sistemi di IA che raccomandano azioni a sistemi che le avviano, il diritto di agire diventa una fonte di valore distinta. Un agente può proporre un pagamento, la modifica di un contratto o una decisione di credito. La possibilità di eseguire quell’azione dipende da autorità, regole, obblighi giuridici e, talvolta, approvazione umana.

Un livello di orchestrazione dell’IA può coordinare agenti, accesso ai dati, processi operativi e monitoraggio. Governance e autorizzazione possono essere integrate in quel livello oppure affidate a sistemi di sicurezza e gestionali distinti. L’architettura non è ancora definita e sarebbe prematuro sostenere che emergerà inevitabilmente un unico sistema operativo.

Per una banca, la distinzione tra generare una raccomandazione ed eseguire una transazione è fondamentale. Lo stesso vale per le cartelle cliniche, gli acquisti pubblici e il controllo industriale. Sistemi capaci di dimostrare chi ha autorizzato un’azione, in base a quali regole e con quali evidenze potrebbero consentire una maggiore automazione senza rinunciare alla responsabilità.

L’opportunità commerciale è interessante in teoria, perché fiducia e integrazione possono creare costi di sostituzione. Ma il rischio competitivo è altrettanto concreto: operatori cloud, piattaforme di identità, fornitori di ERP e standard aperti potrebbero assorbire buona parte di queste funzioni. Gli investitori dovrebbero valutare se un prodotto controlli un punto davvero difendibile o sia soltanto uno strato di integrazione temporaneo.

La domanda più importante è istituzionale. Chi risponde quando interagiscono più sistemi autonomi, quando i permessi entrano in conflitto o quando un’azione attraversa diverse giurisdizioni? Le risposte dipenderanno dal diritto e dalla governance almeno quanto dalle capacità dei modelli.

VIII. Tre futuri, 2026–2041

Primo scenario: accelerazione rapida.

Le capacità dell’IA e il suo impiego migliorano rapidamente, stimolando forti investimenti in capacità di calcolo, energia e automazione. I benefici economici potrebbero essere notevoli, ma la costruzione di capacità eccessiva e la concentrazione della proprietà potrebbero anche aumentare l’instabilità finanziaria e politica.

Secondo scenario: industrializzazione graduale.

I modelli migliorano, mentre l’adozione nelle imprese è frenata da integrazione, sicurezza, competenze e inerzia istituzionale. In questo percorso, gli operatori consolidati con canali di distribuzione affidabili e flussi di cassa durevoli potrebbero trattenere una quota importante dei benefici.

Terzo scenario: frammentazione e moderazione coordinata.

Restrizioni alle esportazioni, incidenti di sicurezza, vincoli sulle risorse o accordi internazionali modificano il ritmo e la geografia dell’impiego dell’IA. Alcuni asset beneficiano della duplicazione regionale delle capacità, mentre altri perdono economie di scala o accesso ai mercati.

A questi scenari non vengono assegnate probabilità numeriche, perché i sei documenti di riferimento non giustificano stime affidabili. Inoltre, non si escludono a vicenda: regioni e settori diversi potrebbero seguire contemporaneamente percorsi differenti. Il loro valore consiste nel rendere visibili le ipotesi nascoste nelle decisioni d’investimento e di politica pubblica.

Una strategia robusta non dovrebbe richiedere che si realizzi la tempistica più aggressiva per l’AGI. Dovrebbe privilegiare solidità patrimoniale, protezioni contrattuali, diversificazione dei clienti e capacità di riallocare il capitale quando cambiano tecnologia o regolamentazione. La flessibilità strategica potrebbe valere più della massima esposizione a un’unica previsione.

IX. La prova dell’investimento

Un investitore che valuta asset legati all’IA dovrebbe chiedersi per prima cosa se l’impresa possiede una risorsa o una relazione difficile da sostituire anche quando l’intelligenza diventa meno costosa. Poi dovrebbe valutare se l’impresa sia in grado di trattenere il surplus economico che ne deriva. Il controllo ha valore soltanto se clienti, concorrenti e autorità consentono di ottenere rendimenti interessanti.

Il rendimento del capitale investito dovrebbe essere confrontato con il costo del capitale lungo l’intero ciclo. Il flusso di cassa libero dovrebbe essere misurato dopo i reinvestimenti necessari, non dedotto soltanto dalla crescita dei ricavi o dagli utili rettificati. La valutazione dovrebbe riflettere ipotesi plausibili su utilizzo, prezzi e deprezzamento tecnologico, non soltanto la narrativa di mercato più ottimistica.

La concentrazione richiede particolare attenzione. I portafogli di mercato ampiamente diversificati sono già esposti alle principali società tecnologiche e i fondi tematici possono aggiungere posizioni sovrapposte. Una strategia sull’IA diversificata soltanto in apparenza può nascondere una forte dipendenza dallo stesso ciclo dei semiconduttori, dagli stessi piani di investimento o dalle condizioni monetarie statunitensi.

La stessa disciplina vale per gli asset digitali. L’innovazione storica di un protocollo non ne determina il rendimento futuro e la crescita delle transazioni in stablecoin non si traduce automaticamente in valore per gli azionisti. Ogni posizione richiede una propria analisi dei flussi di cassa, dei profili giuridici e della liquidità.

Gli asset più promettenti potrebbero infine essere poco appariscenti. Apparecchiature per le reti elettriche, software industriale, infrastrutture di conformità e distribuzione specializzata possono occupare una posizione economica centrale senza trovarsi alla frontiera della ricerca sui modelli. La difficoltà sta nel riconoscere quali posizioni siano davvero durevoli prima che il mercato ne incorpori il valore nei prezzi.

X. L’imperativo strategico

Per i governi, la priorità è collegare la politica tecnologica alla capacità industriale. Talento, ricerca, infrastrutture energetiche, formazione del capitale e filiere sicure devono essere considerati sistemi che interagiscono. Regole prive di capacità di attuazione rischiano di frenare l’impiego nazionale senza incidere in modo sostanziale sul primato tecnologico globale.

Per l’Europa e l’Italia, una strada plausibile è la specializzazione selettiva, non l’imitazione di ogni laboratorio di frontiera. Automazione industriale, sistemi energetici, software aziendale, cybersicurezza e integrazione nei settori regolamentati offrono ambiti in cui le competenze esistenti possono contare. Il successo richiederebbe comunque un’esecuzione più rapida, un insieme di progetti finanziabili e una scala sufficiente.

Per i vertici aziendali, la domanda chiave è dove l’IA entra nella struttura delle responsabilità e delle autorizzazioni dell’organizzazione. I progetti pilota possono dimostrare aumenti di produttività, ma il valore per l’impresa dipende dal ridisegno dei processi, dalla qualità dei dati, dai permessi e da risultati misurabili. Il passaggio dall’assistenza all’esecuzione dovrebbe essere governato consapevolmente, non lasciato alle scelte dei singoli fornitori.

Per il private capital, la priorità è distinguere gli asset che partecipano soltanto a un mercato in rapida crescita da quelli capaci di generare e trattenere flussi di cassa attraverso più cicli tecnologici. Servono verifiche tecniche, comprensione operativa e analisi geopolitica all’interno dello stesso processo d’investimento. L’obiettivo non è prevedere ogni innovazione, ma possedere posizioni resilienti nei sistemi di cui le innovazioni devono servirsi.

Il paradosso centrale del periodo che si apre è che un’intelligenza sempre più accessibile potrebbe rendere più preziose alcune forme di scarsità. Ma la scarsità può spostarsi, dissolversi o essere sottoposta a regolamentazione. A vincere non saranno necessariamente coloro che annunciano la tecnologia più avanzata, ma quelli che sapranno unire capacità produttiva, solidità economica durevole e legittimità istituzionale.

Conclusione — Il potere dopo l’abbondanza

L’economia digitale si sta riorganizzando lungo due assi: la produzione e distribuzione dell’intelligenza, e il trasferimento e l’autorizzazione del valore. La loro convergenza potrebbe cambiare la geografia degli investimenti e gli strumenti del potere statale. Nessuno dei due esiti è predeterminato.

I sei lavori esaminati offrono prospettive utili ma diverse: fondamenti tecnici, scenari di sviluppo rapido, proposte di governance coordinata e una teoria dei punti di controllo economico. Non vanno ridotti a un’unica previsione. La sintesi più credibile è condizionale: se l’intelligenza diventerà più accessibile, le risorse complementari scarse e i diritti di controllo potrebbero trattenere una quota maggiore dei benefici.

La sfida decisiva per l’investimento non è quindi soltanto individuare la tecnologia che cresce più rapidamente. È riconoscere strutture proprietarie, diritti contrattuali e posizioni istituzionali capaci di trasformare il progresso tecnologico in flussi di cassa sostenibili. La sfida geopolitica decisiva è capire quali Stati riescano a mettere insieme le basi fisiche, finanziarie e regolamentari di quel progresso.

Le nuove posizioni dominanti dell’economia potrebbero essere meno visibili dei modelli che attirano l’attenzione pubblica. Potrebbero trovarsi negli allacciamenti alla rete elettrica, nella capacità industriale, nei permessi di pagamento, nei processi operativi integrati e nei sistemi di governance. Capire chi le controlla è una parte essenziale della comprensione della prossima economia globale.

Fonti e note metodologiche

• Satoshi Nakamoto, Bitcoin: A Peer-to-Peer Electronic Cash System (2008)
• Vaswani et al., Attention Is All You Need (NeurIPS, 2017)
• Leopold Aschenbrenner, Situational Awareness (2024)
• AI Futures Project, AI 2027 (2025)
• AI Futures Project, AI 2040: Plan A ed Economics of Plan A
• Will Manidis e Joe Roberts, The Commanding Heights (2026)

Metodo: questo saggio è una sintesi originale e non sostiene che le sei fonti concordino su un unico futuro. I primi due sono lavori tecnici; gli altri materiali comprendono scenari speculativi, proposte politiche e argomentazioni economiche. Le affermazioni sul futuro sono ipotesi, non previsioni verificate. Il testo non costituisce una raccomandazione d’investimento.