L’intelligenza artificiale cresce a una velocità impressionante. Ogni nuovo modello richiede più potenza di calcolo, più memoria, più server ed inevitabilmente più energia. Secondo l’Agenzia Internazionale dell’Energia, il consumo elettrico globale dei data center potrebbe quasi raddoppiare entro il 2030, arrivando a circa 945 terawattora, poco meno del 3% della domanda elettrica mondiale. La crescita dei server accelerati, quelli più legati all’intelligenza artificiale, è stimata intorno al 30% all’anno.
Come può quindi continuare questa corsa senza trasformarsi in un enorme problema energetico? Una delle risposte più affascinanti arriva dalla luce.
Le reti neurali ottiche usano impulsi luminosi per elaborare informazioni. Al posto dei tradizionali circuiti elettronici, questi sistemi sfruttano il comportamento dei fotoni all’interno di componenti fotonici. In termini semplici, provano a far lavorare una macchina usando la luce.
L’idea sembra uscita da un romanzo di fantascienza, ma negli ultimi mesi è diventata ancora più concreta. Nel marzo 2026, Nature Communications ha pubblicato uno studio su acceleratori nanofotonici progettati con tecniche di inverse design. I ricercatori hanno realizzato piccoli acceleratori fotonici capaci di classificare immagini MNIST e MedNIST con accuratezze intorno all’89% e al 90%, dentro impronte fisiche minuscole, da 20 × 20 e 30 × 20 micrometri. Lo studio parla di una densità computazionale teorica di circa 400 milioni di parametri per millimetro quadrato. Sempre nel 2026 un altro lavoro, ancora su Nature Communications, ha mostrato un processore tensoriale fotonico integrato in una normale unità rack da 19 pollici, collegato a PyTorch tramite interfaccia elettronica ad alta velocità. Il sistema ha eseguito inferenza su MNIST e CIFAR-10 con accuratezze rispettivamente del 98,1% e del 72%. È un passaggio importante: la fotonica esce dal banco di laboratorio e comincia a entrare in forme più vicine all’infrastruttura reale. A giugno 2026 è arrivato un altro segnale interessante: un’architettura chiamata Photonic Mixture-of-Experts. Il concetto riprende una delle idee centrali dell’AI moderna, quella degli “esperti” attivati in parallelo, ma la porta su chip ottici. Invece di aumentare sempre la profondità della rete, il sistema sfrutta la larghezza e il parallelismo naturale della fotonica. Il prototipo integra tre reti esperte diffrattive collaborative e 18 kernel paralleli in un core computazionale di appena 0,067 millimetri quadrati.
La ricerca sta provando quindi a superare i limiti storici del calcolo ottico, soprattutto quelli legati alla precisione e all’integrazione con i sistemi digitali esistenti. La promessa è enorme, ma i problemi restano reali. L’elettronica digitale è una tecnologia matura e affidabile. La fotonica è velocissima e potenzialmente più efficiente, ma deve ancora dimostrare di poter reggere la complessità richiesta dai grandi modelli di intelligenza artificiale.
Nel frattempo, la strada industriale più vicina è quella dei collegamenti ottici dentro i data center. Oggi una parte enorme del consumo energetico dell’AI serve a muovere dati tra le diverse parti dell’infrastruttura. Più i modelli crescono, più il collo di bottiglia diventa il trasferimento dell’informazione. La luce può aiutare proprio qui, rendendo le connessioni più rapide ed efficienti. Per questo la fotonica è entrata nel cuore della strategia dei grandi produttori di chip. Marvell ha completato nel febbraio 2026 l’acquisizione di Celestial AI, società specializzata in optical interconnect e Photonic Fabric, una tecnologia pensata per collegamenti ad alta banda e bassa latenza nei grandi sistemi AI. NVIDIA, dal canto suo, spinge sui co-packaged optics: switch di rete in cui la fotonica al silicio viene integrata direttamente vicino ai chip di rete, invece di restare confinata nei tradizionali moduli ottici separati. L’azienda dichiara un’efficienza energetica fino a 5 volte superiore rispetto ai transceiver pluggable e presenta questa tecnologia come necessaria per arrivare alle future “AI factories” con centinaia di migliaia o milioni di GPU. Da una parte ci sono le reti neurali ottiche vere e proprie, che cercano di eseguire calcoli e processi di inferenza attraverso la luce. Dall’altra c’è la fotonica usata per collegare chip, memorie e server. La seconda strada è oggi più vicina al mercato, perché risponde a un problema immediato: spostare enormi quantità di dati consumando meno energia.
La rivoluzione si muove ancora tra laboratori e prime applicazioni industriali, ma il segnale è sempre più chiaro, l’intelligenza artificiale del futuro dovrà crescere cambiando anche il modo in cui calcola e comunica. La luce potrebbe diventare una delle chiavi di questa trasformazione.
Dopo aver illuminato le città e collegato il mondo attraverso le fibre ottiche, ora potrebbe contribuire a far apprendere le macchine. Forse una parte del futuro dell’intelligenza artificiale sarà fatta proprio così: più velocità, meno calore e meno spreco.
