Tech Tour 2026: AI, consumi e densità computazionale spingono la nuova fase dei data center
In occasione di Tech Tour 2026 organizzato da HPE con l’ecosistema dei propri partner non può mancare una riflessione sui cambiamenti in atto nell’ambito delle architetture server, dei workload AI e dell’efficienza energetica. La parola ad AMD, convinta che il mercato stia entrando in una fase nella quale performance, scalabilità e capacità di elaborazione del dato diventano elementi sempre più centrali nella progettazione delle infrastrutture enterprise
La crescita dei workload AI sta riportando al centro temi che fino a pochi anni fa rimanevano confinati soprattutto al mondo degli hyperscaler e dell’high performance computing: densità computazionale, consumo energetico, capacità di elaborazione del dato e architetture server ottimizzate per gestire volumi sempre più elevati di informazioni.
L’intelligenza artificiale, insieme alla diffusione di cloud, edge computing e nuovi modelli applicativi, sta infatti accelerando una profonda evoluzione delle infrastrutture enterprise, spingendo aziende e provider a ripensare capacità elaborativa, scalabilità ed efficienza dei data center.
Sono temi emersi in occasione di Tech Tour 2026, promosso la scorsa settimana da Hewlett Packard Enterprise, che ha riunito a Houston e Miami un gruppo selezionato di partner, manager e operatori del suo ecosistema, nel corso del quale il confronto si è concentrato anche sull’evoluzione delle architetture AI-driven e delle piattaforme infrastrutturali di nuova generazione.
[Guarda e ascolta l’intervista esclusiva con Ilario Tricarico, Partner Business Development Manager Italy & Spain di AMD, live da Houston]
AI ed elaborazione del dato accelerano la domanda di infrastrutture
Secondo Ilario Tricarico, Partner Business Development Manager Italy & Spain di AMD, una delle caratteristiche più evidenti dell’attuale fase tecnologica riguarda la convergenza di workload e ambienti molto differenti tra loro, dall’intelligenza artificiale al cloud, fino all’edge computing e all’high performance computing.
“Stiamo osservando qualcosa di estremamente eterogeneo”.
Alla base di questa evoluzione c’è soprattutto il crescente peso del dato e della capacità di elaborarlo rapidamente, in quantità sempre maggiori e con livelli di efficienza sempre più elevati.
“Il dato e l’elaborazione del dato passano attraverso un ingrediente estremamente abilitante”.
Per Tricarico, è proprio questa pressione sui dati a spingere aziende e provider verso infrastrutture capaci di combinare scalabilità, performance ed efficienza energetica, adattandosi a carichi di lavoro AI sempre più intensivi e variabili nel tempo.
Cos’è un data center, come funziona e la mappa dei siti italiani
La svolta architetturale di AMD
Una parte importante dell’evoluzione di AMD viene collegata alle scelte strategiche avviate negli anni passati sotto la guida di Lisa Su.
Tricarico richiama in particolare due elementi: il modello fabless e il passaggio da architetture monolitiche a design basati su chiplet.
“Siamo passati da un processore monolitico a un processore composto da tanti piccoli processori”, spiega, raccontando come questa evoluzione architetturale ha permesso di aumentare densità computazionale, numero di core e velocità di sviluppo dei nuovi processori, contribuendo ad accelerare la capacità di risposta ai nuovi workload AI e HPC.
“Siamo passati da 32 core fino a una punta massima di 192 core”, continua il manager, spiegando come il modello chiplet rappresenti uno degli elementi centrali della competitività attuale dell’azienda, anche rispetto all’efficienza energetica e alla capacità di consolidamento infrastrutturale.
Più performance con meno server
Uno degli aspetti sui quali si sofferma Tricarico e che stanno emergendo con maggiore evidenza riguarda il rapporto tra crescita della capacità elaborativa ed efficienza complessiva dell’infrastruttura.
Secondo il manager, l’evoluzione delle nuove architetture processor-based permette oggi di concentrare quantità sempre maggiori di potenza computazionale all’interno di un numero inferiore di sistemi fisici.
“Questi processori sono così performanti che il numero di server si riduce drasticamente”.
È un passaggio è particolarmente rilevante perché modifica direttamente il modo in cui vengono progettati i data center: workload che fino a pochi anni fa richiedevano configurazioni dual socket o cluster più estesi possono oggi essere gestiti con infrastrutture più compatte, mantenendo livelli elevati di performance.
Questo approccio produce effetti anche sul fronte energetico e operativo, dal momento che una riduzione del numero di server installati comporta minori consumi, minore occupazione di spazio fisico e una gestione più efficiente delle risorse infrastrutturali.
L’attenzione si concentra così su piattaforme ad alta densità computazionale, pensate per sostenere workload AI sempre più intensivi senza aumentare proporzionalmente complessità e consumi del data center.
AI e GPU: il ruolo della memoria HBM
L’espansione dei workload AI sta avendo un impatto diretto anche sull’evoluzione delle GPU e delle architetture progettate per addestrare ed eseguire modelli di intelligenza artificiale sempre più complessi.
Secondo Tricarico, uno degli elementi chiave riguarda soprattutto la velocità con cui il sistema riesce a spostare ed elaborare enormi quantità di dati, un aspetto che incide direttamente sui tempi di training, inferenza e gestione dei workload AI. “Nel nostro caso il vantaggio competitivo passa anche dalla capacità di scambio dati”.
Ed è qui che assumono una particolare rilevanza tecnologie come HBM (High Bandwidth Memory), memorie ad altissima banda progettate per garantire flussi di dati estremamente elevati tra GPU, memoria e processori, riducendo i colli di bottiglia tipici dei workload AI ad alta intensità computazionale.
AMD punta in particolare sulla linea di GPU Instinct, sviluppata proprio per ambienti AI e high performance computing, dove la velocità di accesso ai dati rappresenta uno dei fattori più critici.
E Tricarico porta ad esempio le capacità di throughput raggiunte dalle nuove piattaforme, “la cui capacità di scambio dati arriva fino a 8 terabyte”.
L’evoluzione delle prossime generazioni, come la MI400, punta ulteriormente ad aumentare banda, parallelismo e capacità elaborativa, con l’obiettivo di sostenere workload AI enterprise sempre più grandi, distribuiti e intensivi dal punto di vista computazionale.
Tech Tour 2026: tra AI, cloud ibrido e sovranità del dato cambia il ruolo dei system integrator
La collaborazione con HPE sulle nuove architetture AI
L’evoluzione delle architetture AI coinvolge naturalmente anche il rapporto tra produttori di semiconduttori e vendor infrastrutturali, chiamati sempre più spesso a progettare piattaforme ottimizzate per workload ad alta intensità computazionale.
È in questo quadro che si inserisce la collaborazione tra AMD e Hewlett Packard Enterprise sul fronte delle nuove architetture server dedicate ad AI, high performance computing e gestione avanzata del dato.
Tricarico sottolinea in particolare il lavoro congiunto sullo sviluppo di piattaforme progettate per valorizzare le nuove generazioni di processori e GPU, adattando infrastruttura, densità computazionale e capacità elaborativa ai nuovi carichi di lavoro enterprise.
“Con HPE stiamo lavorando per costruire architetture in grado di sostenere questi nuovi carichi di lavoro”, e l’attenzione si concentra soprattutto sulla capacità di combinare performance, scalabilità ed efficienza energetica all’interno di data center che devono sostenere workload AI sempre più intensivi senza aumentare proporzionalmente consumi, spazio occupato e complessità infrastrutturale.
