Scritto da Pandora Rivista
10 minuti di lettura
Carlo Cavazzoni (Leonardo) è Chair dell’Industrial Advisory Board del Centro Nazionale ICSC.
Il suo percorso professionale si intreccia da molti anni con il mondo del supercalcolo. Come si è sviluppata questa esperienza?
Cavazzoni: Il mio rapporto con il supercalcolo dura ormai da circa trent’anni. Ho iniziato come utilizzatore, da fisico, poi sono passato allo sviluppo di codici scientifici, successivamente alla progettazione di architetture per il supercalcolo e oggi mi occupo di questi temi dal punto di vista industriale. Per certi aspetti mi considero ormai un decano del settore, perché il supercalcolo rappresenta un percorso continuo che attraversa tutta la mia carriera. All’interno di Leonardo esiste una storia importante legata a queste tecnologie e c’è stato addirittura un periodo in cui Finmeccanica produceva supercalcolatori. Non si trattava semplicemente di assemblare componenti all’interno di un’architettura esistente, ma di realizzare sistemi completi. Purtroppo, come accade spesso nel nostro Paese, molte iniziative tecnologiche particolarmente innovative non hanno avuto continuità. Le strategie aziendali cambiano, le priorità evolvono e quei progetti che in un determinato momento appaiono troppo avanzati finiscono per essere interrotti. Nel tempo ci sono stati diversi stop and go e una parte di quell’esperienza si è progressivamente dispersa. Quando sono arrivato in Leonardo ho dovuto in qualche modo recuperare quei fili che si erano interrotti e ricostruire una capacità strutturata nel supercalcolo all’interno di un’azienda dell’aerospazio e della difesa. In realtà qualcosa era rimasto: esistevano ancora competenze importanti e c’erano state esperienze significative anche in altre realtà italiane, come Eurotech, che per molti anni ha sviluppato supercalcolatori. Una delle sue macchine, installata anche al Cineca, è stata per un periodo il sistema più efficiente al mondo dal punto di vista energetico, arrivando al primo posto della classifica Green500. Anche quella rappresentava una grande opportunità per il Paese. Tuttavia, dal punto di vista industriale, non è stata valorizzata fino in fondo.
Quando abbiamo ripreso questo percorso, già nel 2020 la nostra idea era quella di realizzare un’infrastruttura pensata contemporaneamente per supercalcolo, Big Data e intelligenza artificiale. Questo è stato probabilmente l’aspetto più innovativo, in quanto la macchina è stata concepita fin dall’inizio per supportare lo sviluppo di applicazioni orientate all’analisi dei dati e all’intelligenza artificiale. Oggi può sembrare una scelta ovvia, ma nel 2020 non esistevano ancora ChatGPT né l’attuale ecosistema dell’intelligenza artificiale generativa. Si è trattato quindi di una scelta piuttosto visionaria. Anche all’interno dell’azienda, compresi molti esperti di intelligenza artificiale, non era ancora del tutto chiaro quanto la disponibilità di grandi capacità di calcolo sarebbe diventata determinante per l’evoluzione del settore. Si lavorava già sull’intelligenza artificiale, naturalmente, ma non era ancora evidente che per fare un salto di qualità sarebbero servite enormi quantità di potenza computazionale. Solo con l’arrivo dei modelli generativi e multimodali è diventato chiaro a tutti che senza una disponibilità significativa di GPU e di infrastrutture dedicate è molto difficile sviluppare sistemi di intelligenza artificiale avanzati. Oggi questa considerazione appare quasi scontata, ma pochi anni fa non lo era affatto.
Quando è nato il Centro Nazionale, le è stato affidato il coordinamento dell’Industrial Advisory Board. Quale ruolo ha avuto questo organismo e come si è sviluppata la collaborazione tra le imprese coinvolte?
Cavazzoni: Quando è partito il PNRR e si è iniziato a costruire il Centro Nazionale, è stato necessario capire quali fossero le aziende italiane maggiormente interessate a sviluppare percorsi di innovazione basati sul supercalcolo. In quel contesto mi è stato chiesto di mettere a disposizione l’esperienza maturata negli anni, sia dal punto di vista personale sia attraverso il lavoro svolto in Leonardo, per favorire la creazione di una sinergia tra i diversi soggetti industriali coinvolti. Non tutte le aziende partivano dallo stesso livello di esperienza o di competenza sul supercalcolo, sui Big Data e sull’intelligenza artificiale; quindi, era importante costruire un terreno comune. Da questo processo è nato il Board delle imprese, che riuniva le aziende interessate a partecipare alle attività del Centro Nazionale. Successivamente mi è stato affidato il ruolo di coordinatore e, all’interno del Board, abbiamo discusso e indirizzato molti dei progetti di innovazione che poi sono stati sviluppati nel corso delle attività. Se dovessi fare un bilancio, direi che la collaborazione tra le imprese è stata uno degli aspetti che hanno funzionato meglio. La principale attenzione, fin dall’inizio, è stata quella di non lasciare indietro nessuno. Le aziende coinvolte avevano livelli molto diversi di maturità rispetto a questi temi, alcune avevano già definito strategie avanzate sul supercalcolo e sull’intelligenza artificiale, altre stavano ancora costruendo le proprie competenze. Per questo abbiamo cercato di mantenere un approccio molto inclusivo, favorendo uno scambio continuo di idee, esperienze e competenze tra tutti i partecipanti. C’era la necessità di accompagnare realtà diverse lungo un percorso comune e, da questo punto di vista, credo che il risultato sia stato molto positivo, perché tra le aziende si è sviluppata una collaborazione autentica. Ci siamo confrontati spesso, ci siamo supportati reciprocamente e non ho mai dovuto gestire conflitti significativi o interessi realmente divergenti. Questo non era affatto scontato perché stiamo parlando di aziende importanti, molte delle quali quotate sui mercati finanziari e potenzialmente concorrenti in alcuni ambiti. Sarebbe stato legittimo aspettarsi tensioni o difficoltà di coordinamento e invece è accaduto il contrario. I progetti sono stati spesso sviluppati in collaborazione e ciascuna azienda ha contribuito mettendo a disposizione le proprie competenze specifiche.
Ogni realtà manteneva però il proprio focus applicativo: le aziende dell’energia erano interessate a determinati problemi, quelle dell’aerospazio ad altri, quelle della salute ad altri ancora. Tuttavia, andando in profondità, emergevano spesso tecnologie e algoritmi comuni ed è proprio su questi elementi trasversali che si sono create le collaborazioni più interessanti. Un esempio significativo è rappresentato dal quantum computing. Aziende attive nell’aerospazio, nell’energia e in altri settori lavoravano su casi d’uso apparentemente molto diversi, ma utilizzavano approcci algoritmici sorprendentemente simili. Questo ha reso possibile costruire progetti condivisi e individuare aree di collaborazione che inizialmente non erano così evidenti. Il Board, dunque, ha svolto soprattutto una funzione di raccordo con occasioni di confronto e costruzione di sinergie.
Nel bilancio di questa esperienza, quali sono state invece le principali criticità? Ci sono aspetti del modello organizzativo che, guardando al futuro, potrebbero essere migliorati?
Cavazzoni: Se devo individuare una vera criticità, non riguarda tanto il rapporto tra le imprese quanto la struttura complessiva del sistema. Fin dal kick-off del Centro ho parlato di quello che definisco il problema della “matrice densa”. Le aziende partecipano alle attività attraverso uno o pochi gruppi di ricerca e sviluppo dedicati alle tecnologie digitali. Dall’altra parte, però, gli Spoke riuniscono una pluralità di soggetti: università, enti di ricerca e numerosi gruppi di lavoro, ciascuno con i propri progetti, obiettivi e interessi. Questo significa che una singola azienda si trova spesso a interagire contemporaneamente con un numero molto elevato di interlocutori. Il risultato è una rete di relazioni estremamente fitta che richiede un notevole sforzo di coordinamento. Il rischio è quello della frammentazione, con le attività che finiscono per distribuirsi su molti progetti diversi, ciascuno con obiettivi necessariamente limitati. A mio avviso, per un Paese come l’Italia, che ha l’ambizione di costruire una capacità sovrana e competitiva nel supercalcolo, questo rappresenta un punto di attenzione. Personalmente credo che sarebbe utile concentrare maggiormente gli sforzi su un numero inferiore di progetti, ma con dimensioni e ambizioni più elevate. Quando le risorse vengono distribuite su molte iniziative diverse si corre il rischio di ottenere risultati interessanti ma poco trasformativi. Al contrario, pochi grandi progetti possono produrre un impatto molto più significativo.
Ovviamente comprendo anche la logica che ha portato alla struttura attuale. Il Centro Nazionale nasce con l’obiettivo di coinvolgere il maggior numero possibile di competenze e attori del sistema della ricerca italiana ed è una scelta che ha certamente dei vantaggi, ma se dovessi indicare una possibile evoluzione del modello, auspicherei una riduzione della frammentazione e una maggiore concentrazione delle risorse su programmi strategici di dimensioni maggiori. Le aziende, almeno per quanto mi riguarda, spingerebbero volentieri in questa direzione. La ricerca italiana dispone di competenze eccellenti; la sfida è riuscire a metterle a sistema attorno a obiettivi sufficientemente grandi da produrre un impatto significativo anche sul piano industriale e tecnologico.
Come sta evolvendo oggi il ruolo del supercalcolo e quali sono gli ambiti che, dal suo punto di vista, avranno il maggiore impatto nei prossimi anni?
Cavazzoni: Oggi l’evoluzione del supercalcolo è trainata soprattutto dall’intelligenza artificiale. Se guardiamo a ciò che sta accadendo a livello globale, la crescita è chiaramente orientata verso modelli sempre più sofisticati, accurati e capaci di affrontare problemi complessi. Continua a esistere una componente di calcolo scientifico tradizionale, ma la sua crescita è molto più contenuta. Mi riferisco a tutto il mondo delle simulazioni basate sui modelli fisici, cioè alla risoluzione di equazioni che descrivono fenomeni come la fluidodinamica, l’elettromagnetismo, la chimica o altri processi governati dalle leggi della fisica. Si tratta di attività che restano fondamentali, ma che oggi mostrano una crescita relativamente stabile. Al contrario, tutto ciò che riguarda l’utilizzo dell’HPC per l’intelligenza artificiale sta vivendo una fase di espansione esponenziale. La quasi totalità dei supercalcolatori acquistati oggi dalle aziende è progettata principalmente per sviluppare, addestrare o utilizzare modelli di intelligenza artificiale. E, almeno nel breve e medio termine, non vedo segnali di rallentamento.
Se dovessi immaginare il panorama tra cinque anni, prevederei una presenza ancora più pervasiva dell’intelligenza artificiale e una diffusione maggiore di infrastrutture computazionali dedicate a queste applicazioni. Il calcolo scientifico tradizionale continuerà a esistere, ma in termini di volumi economici e investimenti avrà un peso relativamente inferiore. La sfida principale è garantire alle imprese l’accesso a infrastrutture dotate delle risorse necessarie – in particolare GPU e acceleratori avanzati – per sviluppare e utilizzare applicazioni di intelligenza artificiale in un contesto sostenibile e possibilmente sovrano. È ciò che vedo accadere anche all’interno della mia azienda. In tutti gli ambiti applicativi cresce l’interesse verso l’intelligenza artificiale come strumento per ottimizzare i processi, semplificare le procedure, aumentare la produttività e migliorare l’efficienza operativa. Molte persone che non hanno mai avuto un rapporto diretto con il supercalcolo stanno comprendendo che queste tecnologie possono produrre benefici concreti nelle loro attività quotidiane. Di conseguenza cresce anche la domanda di infrastrutture in grado di supportarle.
Come si inseriscono in questo scenario le piccole e medie imprese?
Cavazzoni: Per le piccole e medie imprese il problema si presenta in termini diversi. Una PMI non dispone normalmente delle risorse necessarie per acquistare un supercalcolatore, né delle competenze per accedere autonomamente a infrastrutture come quelle del Cineca attraverso bandi, grant e procedure dedicate. Per questo motivo, è fondamentale valorizzare il ruolo dei soggetti intermedi già operativi sul territorio, come i Digital Innovation Hub, i Competence Center e le associazioni industriali, che svolgono una funzione essenziale di raccordo. È tuttavia necessario rafforzare ulteriormente il collegamento tra queste strutture, il Centro Nazionale e le grandi imprese. L’obiettivo deve essere quello di accompagnare le PMI nell’accesso alle infrastrutture di calcolo, eliminando il più possibile le complessità tecniche. Una piccola impresa non può permettersi di dedicare il proprio personale a comprendere nel dettaglio il funzionamento di un supercalcolatore, a scrivere proposte progettuali o a gestire procedure particolarmente articolate. Nella maggior parte dei casi dispone di uno o due data scientist che sono già completamente assorbiti dalle attività operative. Servono strumenti semplici, capaci di nascondere la complessità dell’infrastruttura sottostante, che è quello che fanno oggi i grandi operatori globali di servizi cloud: un utente accede a un portale, utilizza un servizio intuitivo e spesso non si rende nemmeno conto che dietro quell’interfaccia stanno lavorando enormi infrastrutture di supercalcolo. Il vantaggio è la semplicità, ma lo svantaggio è che dati, modelli e servizi finiscono inevitabilmente sotto il controllo di soggetti esterni al Paese.
La sfida è quindi costruire un’alternativa che mantenga la stessa facilità d’uso all’interno di un ecosistema nazionale ed europeo. Anche nelle grandi aziende stiamo affrontando un problema simile, perché molti gruppi di lavoro non vogliono conoscere i dettagli tecnici dell’HPC: vogliono semplicemente caricare i propri dati, avviare un’analisi e ottenere un risultato. Per rispondere a questo fenomeno stiamo sviluppando portali, dashboard e servizi preconfigurati che consentano agli utenti di concentrarsi sugli obiettivi senza doversi occupare della complessità tecnologica sottostante. Se non riusciremo a semplificare l’accesso a queste tecnologie, il rischio è che gran parte delle piccole e medie imprese continui ad affidarsi esclusivamente alle grandi piattaforme internazionali, rinunciando progressivamente al controllo sui propri dati e sulla propria capacità di innovazione.
Quali sono le principali direttrici di sviluppo futuro dal punto di vista infrastrutturale? E quale ruolo potranno avere le AI Factory?
Cavazzoni: Credo che oggi sia necessario fare un salto di prospettiva rispetto al modo in cui tradizionalmente abbiamo pensato il supercalcolo. Per molti anni queste infrastrutture sono state concepite in funzione di specifici casi d’uso o di particolari ambiti applicativi. Oggi, invece, l’intelligenza artificiale richiede un approccio più vicino a quello delle grandi infrastrutture di servizio. Mi spiego con un esempio: quando si costruisce un’autostrada non si decide in anticipo quali persone la utilizzeranno o quali merci viaggeranno su quella rete; si realizza un’infrastruttura che deve essere accessibile e utile al maggior numero possibile di utenti. Credo che le AI Factory debbano essere pensate in modo analogo. L’attenzione dovrebbe concentrarsi soprattutto sugli aspetti infrastrutturali, sulla sostenibilità economica e sulla capacità di garantire un accesso semplice e diffuso alle risorse di calcolo, più che sui singoli casi applicativi. Le applicazioni saranno molteplici – salute, energia, industria, pubblica amministrazione e così via – ma il punto centrale è costruire un’infrastruttura capace di abilitare tutte queste esperienze.
Dal punto di vista industriale, il successo di una AI Factory non dipenderà soltanto dalle prestazioni tecnologiche, ma dalla sua capacità di raggiungere il maggior numero possibile di utenti e di rendere sostenibile l’accesso alle risorse computazionali. Ancora una volta il modello di riferimento è quello adottato dai grandi operatori cloud: aziende come Amazon, Google o Microsoft non si concentrano su una specifica applicazione, ma costruiscono infrastrutture che rendono disponibili le capacità di calcolo a una platea molto ampia di soggetti. Le AI Factory dovranno andare in questa direzione, semplificando l’accesso alle tecnologie e rendendo le risorse computazionali facilmente utilizzabili da imprese, centri di ricerca e pubbliche amministrazioni.
Per quanto riguarda invece il quantum computing e l’evoluzione dei digital twin, quali sono le prospettive?
Cavazzoni: Il principale limite del quantum computing, oggi, è che non esiste ancora un’architettura dominante. Nel calcolo tradizionale si è affermato abbastanza rapidamente l’architettura di von Neumann, che costituisce la base di tutti i computer moderni. Le implementazioni possono essere diverse, ma il principio architetturale è sostanzialmente condiviso. Nel quantum computing convivono invece molte tecnologie differenti e non è ancora chiaro quale possa diventare quella prevalente nel lungo periodo. Per un’azienda questo rappresenta un elemento di forte incertezza, perché è difficile giustificare investimenti significativi quando esiste il rischio concreto che l’architettura scelta venga superata da un’altra nel giro di pochi anni. Considero il quantum computing estremamente interessante dal punto di vista della ricerca e della sperimentazione, continuiamo a sviluppare applicazioni e a esplorarne le potenzialità, ma credo che per qualche tempo gli investimenti più importanti resteranno soprattutto nelle mani dei centri di ricerca, che possono assumersi livelli di rischio superiori rispetto all’industria. Le aziende continueranno a osservare il settore, a sperimentare e a sviluppare competenze, ma difficilmente investiranno massicciamente in tecnologie che non hanno ancora raggiunto un sufficiente livello di maturità.
Sul tema dei digital twin, infine, credo che la direzione più interessante riguardi l’interazione tra esseri umani e sistemi intelligenti. Nella robotica industriale tradizionale, uomini e robot operano quasi sempre in spazi separati: i robot lavorano all’interno di aree dedicate e protette, mentre le persone restano all’esterno. In futuro immagino invece ambienti produttivi in cui agenti robotici e operatori umani condivideranno sempre più spesso gli stessi spazi di lavoro. Parliamo di robot capaci di assistere gli operatori, movimentare oggetti, svolgere attività di supporto logistico o collaborare direttamente con le persone nell’esecuzione di determinati compiti. In questi scenari diventa fondamentale comprendere e simulare l’interazione uomo-macchina. I digital twin dovranno quindi rappresentare non soltanto macchine, prodotti e processi industriali, ma anche il comportamento degli operatori e le dinamiche che si generano quando esseri umani e sistemi intelligenti condividono lo stesso ambiente. La sfida sarà garantire sicurezza, affidabilità ed efficacia operativa all’interno di contesti sempre più complessi. Questa è una delle evoluzioni più interessanti dei digital twin: passare dalla rappresentazione della singola macchina alla simulazione di interi ecosistemi produttivi in cui persone e sistemi intelligenti collaborano in modo continuo.
Una piattaforma culturale, una rivista e uno spazio di approfondimento per capire il presente.
Scopri di più
