Orbital vuole lanciare nel 2027 Orbital-1, un satellite con server GPU per inferenza AI, mentre il progetto a regime immagina fino a 10.000 data center spaziali da 100 kW ciascuno in orbita bassa. La startup di Los Angeles, sostenuta da a16z Speedrun, vuole spostare fuori dalla rete elettrica terrestre una parte dei carichi di inferenza, cioè la generazione di risposte da modelli già addestrati.
La notizia raccontata da IEEE Spectrum arriva mentre il problema energetico dell'AI è diventato infrastrutturale. Secondo l'International Energy Agency, i data center hanno consumato circa 415 TWh nel 2024 e potrebbero arrivare a 945 TWh nel 2030: più del consumo elettrico annuo attuale del Giappone. In questo contesto, i data center spaziali sono un tentativo radicale di rispondere a una domanda concreta: dove mettere il compute quando a terra energia, permessi, raffreddamento e rete diventano il collo di bottiglia?
Come funzionano i data center spaziali per l'inferenza AI
Il punto tecnico più importante è la distinzione tra training e inferenza. Il training di un grande modello richiede migliaia di GPU collegate tra loro con latenze bassissime, perché ogni fase dell'addestramento dipende dallo scambio continuo di gradienti, pesi e stati intermedi. È un sistema fortemente accoppiato: se una parte rallenta, rallenta tutto.
L'inferenza è diversa. Una richiesta utente può essere trattata come unità autonoma: arriva il prompt, il modello genera l'output, il risultato torna al cliente. Questo rende possibile distribuire il lavoro su nodi separati, anche se fisicamente lontani. Orbital punta su questa differenza: piccoli satelliti in orbita bassa, ciascuno con server NVIDIA, pannelli solari e radiatori.
“Inference is different. Each request is handled independently.” — Orbital, comunicato ufficiale del 14 aprile 2026
Il percorso immaginato è lineare solo sulla carta. La richiesta parte da un data center terrestre, passa a una ground station, viene trasmessa al satellite, instradata attraverso link ottici tra satelliti e processata da una GPU disponibile. Poi il risultato torna a terra. Per chatbot, agenti asincroni, raccomandazioni o analisi batch, qualche decina di millisecondi aggiuntiva può essere accettabile. Per trading ad alta frequenza, robotica remota o sistemi safety-critical, no.
Qui i termini contano. Un data center spaziale non è un cloud tradizionale portato in orbita con un razzo; è un nodo di calcolo vincolato da massa, radiazioni, finestre di comunicazione, dissipazione termica e impossibilità di manutenzione fisica. Per ripassare il lessico tra modello, token e inferenza, il riferimento naturale resta il Glossario AI di AI Focus News.
I limiti dei data center spaziali: calore, radiazioni e detriti
La parte più fragile del progetto è proprio quella che nei comunicati sembra più elegante: “energia solare gratis” e “raffreddamento nello spazio”. Il Sole non manda fatture, ma ogni watt assorbito da un server deve comunque essere dissipato. Nel vuoto non c'è aria da muovere con ventole e chiller: il calore deve uscire per irraggiamento, richiedendo superfici radianti grandi, leggere e robuste.
Le radiazioni sono l'altro problema. GPU e memoria possono subire bit flip, errori temporanei o danni cumulativi. La schermatura pesa, il peso costa, e il lancio resta una voce economica non banale. Orbital dice di voler testare hardening contro radiazioni e loop di raffreddamento ad ammoniaca nella missione del 2027. Fino a quel test, la parte commerciale resta un'ipotesi ingegneristica.
Poi c'è il tema orbitale. L'ESA Space Environment Report 2025 stima circa 40.000 oggetti tracciati in orbita, circa 11.000 payload attivi e oltre 1,2 milioni di frammenti più grandi di 1 centimetro. In orbita bassa, un frammento piccolo può essere distruttivo. Una costellazione di data center aggiungerebbe massa, traffico e complessità a un ambiente già congestionato.
“Earth's orbital environment is a finite resource.” — ESA Space Environment Report 2025
La domanda che nessun pitch deck può evitare è questa: se un data center terrestre è difficile da autorizzare e raffreddare, siamo sicuri che moltiplicare server non riparabili in orbita sia un modo più sostenibile di comprare compute?
Perché i data center spaziali cambiano la strategia AI
Chi segue il settore da vicino sa che la corsa all'AI non è più solo una corsa ai modelli. È una corsa a energia, supply chain, rete, chip, raffreddamento e contratti di capacità. In questa cornice, Orbital è meno strana di quanto sembri: è un sintomo della pressione che l'inferenza sta mettendo sull'infrastruttura digitale.
NVIDIA ha già letto il mercato in questa direzione. Nel marzo 2026 ha presentato Space-1 Vera Rubin Module, IGX Thor e Jetson Orin come piattaforme per compute spaziale, geospatial intelligence e autonomia orbitale. La società dichiara che Space-1 offre fino a 25 volte più compute AI dell'H100 per inferenza spaziale. Se il principale fornitore di GPU costruisce hardware per l'orbita, il tema non vive solo nelle slide di una startup.
“Space computing, the final frontier, has arrived.” — Jensen Huang, NVIDIA, 16 marzo 2026
La spinta economica arriva dai numeri dell'energia. L'IEA prevede che il consumo elettrico globale dei data center più che raddoppi entro il 2030, arrivando a circa 945 TWh. L'AI è il driver principale di questa crescita, soprattutto attraverso server accelerati. Se l'inferenza diventa il carico dominante — milioni di richieste, agenti persistenti, ricerca multimodale, copiloti aziendali — allora il costo marginale per token dipende anche da dove gira.
Per le applicazioni AI aziendali, il messaggio è pratico: i prossimi anni saranno segnati da architetture ibride. Alcuni carichi resteranno nei cloud hyperscaler, altri andranno su edge device, altri su data center alimentati da rinnovabili, nucleare, mare o, forse, orbita. La competenza strategica diventa mappare latenza, rischio, costo, privacy e disponibilità energetica per ogni workload.
Cosa cambia per aziende italiane, cloud e sovranità digitale
Per il mercato italiano, i data center spaziali non sono una soluzione da comprare domani. Sono un segnale da leggere oggi. L'Italia importa gran parte dell'infrastruttura cloud e AI che usa, mentre le imprese stanno accelerando sull'adozione. Secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2025 il mercato italiano dell'AI ha raggiunto 1,8 miliardi di euro, con una crescita del 50% rispetto al 2024. Il 46% del valore riguarda GenAI o progetti ibridi.
“Servono dati ben organizzati e fruibili, competenze tecniche diffuse, cultura aziendale aperta alla sperimentazione.” — Alessandro Piva, Politecnico di Milano
Questo è il punto per manager, CIO e professionisti italiani: l'infrastruttura AI non è neutra. Se un servizio gira in orbita, in Virginia, in Irlanda o in un data center lombardo, cambiano latenza, auditabilità, giurisdizione, resilienza e modello di rischio. Per i settori AI più regolati, dalla sanità alla finanza fino alla PA, la localizzazione del compute diventa una variabile di governance, non solo di performance.
La strategia italiana dovrebbe evitare due errori. Il primo è liquidare i data center spaziali come fantascienza. Il secondo è considerarli inevitabili. La lezione utile è intermedia: l'AI sta spingendo il compute verso qualunque luogo offra energia, raffreddamento e capacità disponibile. Le aziende italiane dovrebbero valutare fornitori non solo su costo e benchmark, ma su tracciabilità, continuità, compliance, portabilità dei workload e diritto di uscita.
Il finale non è nello spazio, ma nei numeri a terra: secondo ISTAT, nel 2025 solo il 16,4% delle imprese italiane con almeno 10 addetti usava almeno una tecnologia AI, pur essendo raddoppiata rispetto all'8,2% del 2024.