Il CEO di Coinbase Brian Armstrong scommette che il prossimo collo di bottiglia per l'intelligenza artificiale non sarà quanto siano intelligenti i modelli, ma quanta energia e hardware fisico sarà disponibile per eseguirli. In una serie di dichiarazioni questa settimana, Armstrong ha sostenuto che l'infrastruttura energetica e di calcolo, non i miglioramenti negli algoritmi, determineranno fino a che punto l'IA potrà espandersi. Con i finanziamenti venture per l'IA che hanno raggiunto i 242 miliardi di dollari nel solo primo trimestre del 2026, secondo lui il vero vincolo si sta già manifestando nell'espansione dei centri dati.
Dove si dirigono i costi
Armstrong prevede che entro 12-18 mesi, circa l'80% dei carichi di lavoro dell'IA si sposterà su modelli che costano fino al 99% in meno rispetto ai sistemi di punta attuali. Il restante 20% continuerà a utilizzare modelli di livello superiore per compiti critici come la ricerca scientifica. Ha paragonato questa suddivisione all'elettronica di consumo: la maggior parte delle persone che acquista un MacBook o un PC da gioco evita le specifiche massime. Secondo lui, la stessa logica si applicherà all'IA: la maggior parte dei compiti verrà eseguita su modelli più economici e sufficientemente performanti.
Coinbase sta già applicando questa idea. L'azienda instrada i prompt al modello più economico disponibile, consentendo di mantenere le spese per l'IA pressoché stabili nonostante la crescita esponenziale dell'utilizzo dei token. Alternative open source come DeepSeek V4, che offre prestazioni vicine ai migliori sistemi proprietari a circa un trentesimo del costo, rendono questa strategia fattibile.
I budget aziendali sono già sotto pressione
L'investitore Tommy Shaughnessy ha citato Uber come esempio di quanto velocemente le spese aziendali per l'IA possano superare le previsioni. Secondo Shaughnessy, Uber ha esaurito l'intero budget per l'IA del 2026 entro inizio aprile, in meno di quattro mesi dall'inizio dell'anno. Secondo Armstrong, questo tipo di superamento dei costi spingerà le aziende a cercare alternative più economiche piuttosto che inseguire i modelli più avanzati.
Con la riduzione dei costi per token, il collo di bottiglia si sposta a monte. Il vero ostacolo diventa l'energia e il silicio necessari per eseguire qualsiasi modello su larga scala. Armstrong descrive la domanda di intelligenza generata dall'IA come priva di un limite pratico. Tuttavia, l'infrastruttura fisica necessaria per fornire tale intelligenza si sta già rivelando insufficiente.
Perché Armstrong si oppone a una regolamentazione più stringente sull'IA
Armstrong si è anche espresso contro una regolamentazione più stringente sull'IA. Sostiene che i vincoli normativi non dovrebbero influenzare la traiettoria della tecnologia quando la principale sfida pratica è già la carenza di centrali elettriche e centri dati. Secondo lui, una sovraregolamentazione potrebbe rallentare la costruzione di questa infrastruttura proprio quando è più necessaria.
La capacità dei centri dati non riesce a tenere il passo
La capacità globale dei centri dati è già in ritardo rispetto alla domanda. Anche mentre i finanziamenti venture affluivano verso le startup di IA nel primo trimestre del 2026, il ritmo fisico delle costruzioni non ha recuperato il tempo perso. L'argomento centrale di Armstrong riassume tutto: il vero limite per l'IA non è la qualità dei modelli o persino i costi, ma l'energia grezza e l'infrastruttura di calcolo necessarie per elaborare trilioni di query.
La domanda senza risposta è quanto velocemente questa infrastruttura possa espandersi — e se le società di servizi pubblici, i regolatori e i produttori di chip riescano a tenere il passo con un settore che non mostra segni di rallentamento.
