Amazon AWS quasi esaurita fino al 2028: l’AI si prende il cloud

📌 In Sintesi

• Andy Jassy dichiara che la grande capacità computazionale AWS è già interamente impegnata per il 2026, in larga misura prenotata per il 2027 e parzialmente assegnata per il 2028.
• Amazon mantiene risorse disponibili per i servizi on-demand come EC2 e Bedrock: l’esaurimento riguarda soprattutto grandi blocchi di capacità richiesti da laboratori AI e imprese.
• Energia, data center e memoria diventano vincoli fisici dell’espansione cloud, con possibili conseguenze per l’accesso alle risorse e la pianificazione delle aziende.

Amazon Web Services ha già impegnato quasi tutta la grande capacità computazionale disponibile fino al 2027, con una parte significativa del 2028 prenotata dai clienti. È quanto dichiarato il 23 ottobre 2026 da Andy Jassy, amministratore delegato di Amazon, durante un’intervista dedicata alle infrastrutture necessarie alla crescita dell’intelligenza artificiale. Il gruppo continua a costruire nuovi data center e prevede investimenti per circa 220 miliardi di dollari nel 2026, ma la domanda delle aziende e dei laboratori AI cresce più rapidamente della capacità disponibile. Non significa che AWS abbia chiuso le prenotazioni per tutti i server cloud: Amazon mantiene risorse per i servizi on-demand, ma i grandi blocchi computazionali risultano già largamente assegnati con anni di anticipo.

AWS ha già venduto la grande capacità del 2027 e parte del 2028

Nell’intervista originale pubblicata da Andreessen Horowitz il 23 ottobre, Jassy ha spiegato che il 2026 è sostanzialmente esaurito in termini di grandi allocazioni di capacità, mentre il 2027 risulta già largamente prenotato e una parte rilevante del 2028 è stata assegnata ai clienti. L’amministratore delegato ha precisato che Amazon conserva comunque disponibilità per servizi a consumo come Amazon EC2 e per l’inferenza attraverso Amazon Bedrock, evitando di destinare ogni risorsa ai grandi contratti di lungo periodo. Il dato non rappresenta quindi una misura uniforme di tutte le regioni AWS, delle famiglie di istanze o dei servizi cloud: descrive soprattutto la difficoltà nel procurarsi grandi quantità di calcolo riservato per periodi prolungati. Per laboratori impegnati nell’addestramento di modelli AI e imprese che progettano infrastrutture dedicate, questo significa dover pianificare l’accesso a GPU e acceleratori molto prima dell’effettivo utilizzo. È un cambiamento importante rispetto al modello del cloud tradizionale, costruito sulla possibilità di aumentare rapidamente le risorse pagando soltanto quelle consumate. Il recente lancio di TorchNeuron per utilizzare PyTorch sui processori Amazon Trainium conferma che AWS sta cercando di utilizzare anche il proprio hardware per soddisfare una domanda che non può più dipendere soltanto dalle GPU Nvidia.

Leggi anche: AWS porta PyTorch su Trainium, in Cina le RTX 5090 diventano server AI

La scarsità non riguarda soltanto GPU e data center

Jassy ha individuato tre vincoli che rallentano l’espansione: capacità fisica dei data center, disponibilità elettrica e memoria. La costruzione di nuovi impianti richiede autorizzazioni, infrastrutture di raffreddamento e collegamenti alla rete che non possono essere realizzati con la stessa velocità con la quale viene firmato un contratto per addestrare o distribuire un modello. Sul fronte dei semiconduttori, invece, la competizione si sta spostando anche verso la destinazione della memoria disponibile: una parte crescente della produzione viene indirizzata verso la HBM, necessaria agli acceleratori AI, mentre il cloud tradizionale continua a utilizzare grandi quantità di DRAM. Amazon deve decidere come ripartire risorse limitate tra piattaforme AI e servizi informatici ordinari, senza compromettere gli impegni già assunti verso i clienti esistenti. La situazione spiega perché la pressione infrastrutturale continui anche in presenza di investimenti molto elevati. La capacità computazionale non coincide soltanto con il numero di chip acquistati, ma dipende dalla possibilità di alimentarli, raffreddarli e collegarli attraverso reti sufficientemente veloci. Il problema è già emerso nei progetti americani di data center rallentati da vincoli territoriali e infrastrutturali, mostrando che la crescita dell’AI sta trasformando la capacità cloud in una risorsa industriale da programmare su orizzonti pluriennali.

Le imprese rischiano di competere con i laboratori AI per le risorse

La conseguenza potenziale riguarda le aziende che utilizzano AWS per servizi web, database, applicazioni gestionali e sistemi di produzione. Quando grandi clienti prenotano anticipatamente capacità dedicata, i fornitori devono conservare risorse sufficienti per continuare a sostenere la domanda degli utilizzatori ordinari. Amazon dichiara di non voler penalizzare i clienti esistenti per destinare tutta la capacità ai laboratori AI, ma la tensione nella distribuzione delle infrastrutture rimane evidente. Le aziende che programmano nuovi carichi particolarmente esigenti potrebbero dover negoziare con maggiore anticipo le risorse, verificare la disponibilità nelle diverse regioni e valutare una distribuzione dei servizi su più piattaforme. Non esistono tuttavia dati pubblici sufficienti per affermare che il costo delle normali istanze EC2 aumenterà automaticamente oppure che gli utenti italiani non potranno più creare macchine virtuali. La dichiarazione di Jassy riguarda prenotazioni di grandi dimensioni e non costituisce un annuncio di aumenti tariffari. Per l’Europa il problema è comunque concreto, perché le imprese stanno trasferendo una parte crescente delle applicazioni AI sui cloud americani mentre aumentano le esigenze di continuità operativa, protezione dei dati e localizzazione delle infrastrutture. L’espansione AWS annunciata in Germania, con 4,8 miliardi destinati alla capacità cloud nell’area di Francoforte, mostra che anche il mercato europeo partecipa alla stessa corsa alla costruzione di risorse.

Continua con:

Amazon mette 1 miliardo sui territori: i data center AI cercano consenso

Il cloud promette elasticità, ma l’AI trasforma la capacità in un bene scarso

La dichiarazione di Jassy introduce una contraddizione strutturale nel modello economico del cloud. Per anni i grandi operatori hanno venduto alle imprese la possibilità di ottenere risorse informatiche rapidamente, senza costruire server proprietari e senza programmare investimenti hardware con largo anticipo. L’intelligenza artificiale sta modificando questo equilibrio: chi necessita di capacità computazionale su larga scala deve garantirsi oggi le infrastrutture che utilizzerà tra uno o due anni, trasformando parte del cloud in un mercato di risorse industriali prenotate. Amazon sostiene che la domanda continuerà a giustificare nuovi investimenti, ma la crescita delle prenotazioni non dimostra automaticamente che tutte le risorse saranno utilizzate con la stessa intensità né che ogni progetto AI produrrà ricavi sufficienti a sostenerne i costi. La società può inoltre modulare l’acquisto di server e networking in funzione della domanda effettiva, riducendo parte del rischio di costruire capacità inutilizzata. Per le imprese italiane il messaggio è operativo: chi dipende da istanze specializzate, acceleratori AI o grandi ambienti di inferenza dovrebbe verificare disponibilità, alternative e condizioni contrattuali prima di legare nuovi progetti a un’unica infrastruttura. La scarsità annunciata da Amazon non significa la fine del cloud elastico, ma dimostra che l’accesso al calcolo più richiesto non è più garantito semplicemente dalla disponibilità di denaro.