TECH
2026.03.30

🛰️ TECH — Settimana 30/03–05/04 2026

TL;DR

OpenAI chiude il più grande round privato della storia ($122B) mentre il codice sorgente di Claude Code finisce su npm per errore, esponendo l’infrastruttura di Anthropic. Intanto Google rilascia Gemma 4 con TurboQuant, segnalando che l’efficienza on-device sta diventando il nuovo campo di battaglia — e Oracle taglia 30.000 persone per finanziare data center AI, cristallizzando il trade-off lav…

🛰️ TECH — Settimana 30/03–05/04 2026

TL;DR: OpenAI chiude il più grande round privato della storia ($122B) mentre il codice sorgente di Claude Code finisce su npm per errore, esponendo l’infrastruttura di Anthropic. Intanto Google rilascia Gemma 4 con TurboQuant, segnalando che l’efficienza on-device sta diventando il nuovo campo di battaglia — e Oracle taglia 30.000 persone per finanziare data center AI, cristallizzando il trade-off lavoro-infrastruttura che definisce questa fase della corsa.

🔴 Segnale forte

La settimana in cui l’AI è diventata troppo grande per restare privata

Il 31 marzo OpenAI ha chiuso un round da $122 miliardi a una valutazione post-money di $852 miliardi — il più grande finanziamento privato mai registrato. Amazon ha impegnato $50 miliardi (di cui $35 miliardi condizionati a un’IPO o al raggiungimento di un milestone AGI entro dicembre 2028), NVIDIA $30 miliardi e SoftBank altri $30 miliardi. Con $25 miliardi di ricavi annualizzati e $2 miliardi al mese di revenue, ma perdite da $14 miliardi annui, la traiettoria finanziaria di OpenAI è un paradosso che solo un’IPO può risolvere. La maggior parte degli analisti prevede una quotazione tra fine 2026 e inizio 2027, con target fino a $1 trilione.

La dimensione geopolitica è nella struttura stessa del round: Amazon, NVIDIA e SoftBank non sono semplici investitori finanziari, sono nodi dell’infrastruttura compute globale. Questo round lega OpenAI ancora più profondamente alla supply chain americana dei semiconduttori e del cloud, in un momento in cui la competizione con la Cina sull’AI si gioca proprio sul controllo di queste risorse. Il fatto che $35 miliardi di Amazon siano condizionati a un “AGI milestone” segnala che i grandi player stanno iniziando a prezzare — letteralmente — la probabilità di un salto tecnologico discontinuo.

Lo stesso giorno, Anthropic ha accidentalmente pubblicato su npm l’intero codice sorgente di Claude Code — 512.000 righe, quasi 2.000 file — a causa di un errore di packaging. Il repository è stato mirrorato su GitHub e ha raggiunto 50.000 stelle in meno di due ore, il più veloce nella storia della piattaforma. Il codice ha rivelato dozzine di feature flag per capacità non ancora rilasciate, inclusa la possibilità per Claude di studiare le proprie sessioni per migliorarsi trasferendo apprendimenti tra conversazioni. Anthropic ha minimizzato, definendolo un “errore di packaging, non una violazione di sicurezza”, ma il danno competitivo è reale: i concorrenti hanno ora una blueprint dettagliata dell’architettura agentica che Anthropic ha speso miliardi per costruire. Peggio: tra le 00:21 e le 03:29 UTC del 31 marzo, chi ha installato o aggiornato Claude Code via npm potrebbe aver scaricato una versione trojanizzata con un RAT cross-platform — un attacco alla supply chain che trasforma un errore umano in un incidente di sicurezza serio.

Due facce della stessa medaglia: mentre OpenAI si prepara a diventare la prima azienda AI pubblica da trilione di dollari, il leak di Anthropic ricorda quanto fragile sia l’infrastruttura su cui queste valutazioni si reggono. In un settore dove il vantaggio competitivo risiede nel codice proprietario e nei dati di training, un singolo errore di configurazione npm può redistribuire anni di R&D.

Fonti:

📡 Altri fili

Oracle: tagliare umani per nutrire macchine

Oracle ha iniziato il più grande licenziamento della sua storia il 31 marzo: tra 20.000 e 30.000 dipendenti — circa il 18% della forza lavoro globale — eliminati per liberare $8-10 miliardi di cash flow destinati a data center AI. Il capex per il fiscal 2026 è proiettato a $50 miliardi (+40% anno su anno), con $156 miliardi di spesa infrastrutturale complessiva pianificata. Per finanziare tutto questo, Oracle ha accumulato $58 miliardi di nuovo debito in soli due mesi, inclusa un’offerta obbligazionaria da $50 miliardi a febbraio.

Questo è il trade-off dell’era AI nella sua forma più brutale: non si tratta di “AI che sostituisce i lavoratori” nel senso dell’automazione dei task, ma di aziende che smantellano la propria forza lavoro per accumulare il capitale necessario a competere nella corsa infrastrutturale. Oracle non sta automatizzando quei 30.000 posti — li sta sacrificando per comprare GPU. La domanda che nessun analista sta ponendo abbastanza forte: cosa succede se la domanda di AI compute non cresce come previsto e Oracle si ritrova con $156 miliardi di infrastruttura e un business core svuotato?

Fonti:

Gemma 4 e TurboQuant: Google gioca la carta dell’efficienza

Il 2 aprile Google ha rilasciato Gemma 4 — quattro modelli open-source (da 2B a 31B parametri effettivi) sotto licenza Apache 2.0, progettati per reasoning agentico, multimodalità nativa (video, immagini, audio) e deployment locale. Il modello da 31B è attualmente #3 nella classifica Arena AI, quello da 26B MoE al #6. Simultaneamente, Google ha pubblicato TurboQuant, un algoritmo di compressione della KV cache che riduce la memoria attiva del 63% senza degradazione percettibile della qualità — permettendo contesti da 128K token su hardware consumer.

La mossa è strategica a più livelli. Mentre OpenAI e Anthropic spingono verso modelli sempre più grandi e costosi (e la monetizzazione cloud che ne deriva), Google sta costruendo un ecosistema che funziona senza il cloud. È una scommessa sul fatto che il futuro dell’AI non è centralizzato in pochi data center, ma distribuito su miliardi di dispositivi. Per la geopolitica, modelli capaci di girare localmente senza connessione internet sono una risposta implicita alla frammentazione regolamentare: se l’AI gira on-device, la questione della sovranità sui dati si dissolve in parte.

Fonti:

Microsoft in Giappone: la sovranità dei dati come leva geopolitica

Microsoft ha annunciato un investimento da $10 miliardi in Giappone tra 2026 e 2029 — il più grande investimento estero in un singolo paese nella storia dell’azienda. I tre pilastri: infrastruttura AI in-country (in partnership con SoftBank e Sakura Internet), cooperazione in cybersecurity con le istituzioni giapponesi, e formazione di un milione di ingegneri entro il 2030. Sakura Internet, partner computazionale chiave, è salita del 20% intraday fino al circuit breaker.

La tempistica non è casuale. Il Giappone sta emergendo come snodo diplomatico cruciale nella governance AI, con il suo approccio “light-touch” che cerca di bilanciare innovazione e valori umano-centrici in un panorama regolamentare frammentato tra il modello risk-based europeo e l’approccio volontaristico americano. Per Microsoft, piantare $10 miliardi di infrastruttura AI in Giappone non è solo un’espansione commerciale — è un modo per ancorare Tokyo all’ecosistema cloud americano, in diretta competizione con la Cina per l’influenza tecnologica nel Pacifico.

Fonti:

$300 milioni per comprare il Congresso: l’AI entra nelle midterm

Innovation Council Action, il nuovo super PAC pro-AI con la benedizione di David Sacks (ex AI/crypto czar di Trump), ha annunciato un budget di $100 milioni per le midterm 2026 per sostenere candidati favorevoli alla deregolamentazione e ostacolare chi spinge per leggi restrittive. Ma non è solo: sommando Leading the Future ($50M, con Brockman, Lonsdale e Andreessen tra i donatori), il super PAC di Meta (~$65M) e altri gruppi, la spesa politica AI-aligned supera i $300 milioni — cifre da Big Pharma o Big Oil.

La posta in gioco è concreta: le midterm decideranno se il Congresso approverà una legge federale AI che preempti le normative statali (come i safety bill della California) o se il mosaico regolamentare continuerà a crescere. Innovation Council Action ha sviluppato uno scorecard che classifica i legislatori in base all’allineamento con l’agenda AI di Trump. Il messaggio è chiaro: l’industria AI non vuole solo influenzare la regolamentazione — vuole scegliere chi scrive le regole.

Fonti:

🧭 Pattern della settimana

Il paradosso scala-fragilità. Questa settimana cristallizza una tensione fondamentale: i numeri dell’AI crescono in modo esponenziale ($122B round, $852B valutazione, 97M installs MCP, $156B capex Oracle) ma i singoli punti di fallimento restano umani, piccoli, banali — un file di debug mal configurato su npm che espone 512.000 righe di codice proprietario. La scala dell’investimento e la fragilità dell’infrastruttura crescono insieme.

Lavoro come variabile di aggiustamento. Oracle che taglia 30.000 persone per comprare GPU e Microsoft che promette di formare un milione di ingegneri in Giappone sono due facce della stessa trasformazione. Il lavoro umano non viene automatizzato dall’AI — viene sacrificato per finanziare l’AI o riconfigurato per servirla. La transizione non è graduale; è un riallocamento brutale di capitale dal lavoro all’infrastruttura.

La biforcazione cloud vs. edge. Google con Gemma 4 e TurboQuant scommette sull’AI distribuita e on-device. OpenAI, Microsoft e Oracle scommettono su centralizzazione e cloud. Queste due visioni hanno implicazioni regolamentari opposte: l’AI centralizzata richiede governance dei data center e sovranità dei dati; l’AI on-device dissolve queste questioni ma ne crea altre (chi controlla cosa gira su miliardi di dispositivi?). Il fatto che MCP — il protocollo che collega AI agent a tool esterni — abbia raggiunto 97M di installazioni sotto governance Linux Foundation suggerisce che l’infrastruttura di connessione tra questi due mondi sta maturando rapidamente.

L’AI come forza politica diretta. $300 milioni in spesa politica per le midterm non sono lobbying tradizionale — sono la nascita di un nuovo blocco di potere politico-industriale. Quando un settore inizia a scegliere i legislatori invece di persuaderli, il confine tra regolatore e regolato si dissolve.

📌 Da tenere d’occhio