Google è oggi uno dei pochi colossi che progetta i propri acceleratori per l'IA, le TPU. Eppure, secondo le ricostruzioni circolate a giugno 2026, anche Mountain View deve razionare quella risorsa: l'azienda avrebbe imposto tetti d'uso a Meta sull'accesso alla capacità di calcolo necessaria a far girare e addestrare i modelli, segno che la domanda corre più veloce dell'offerta perfino per chi i chip se li fabbrica in casa.
Cos'è successo con Meta
Meta ha firmato un accordo pluriennale da diversi miliardi di dollari per affittare le TPU di Google e diversificare così la propria infrastruttura, che fino a ieri dipendeva soprattutto dalle GPU di Nvidia e, più di recente, da un imponente ordine di chip AMD. Ma l'accordo si scontra con un limite fisico: la capacità disponibile non basta a soddisfare tutte le richieste, e Google avrebbe comunicato a Meta — secondo quanto riportato — di non poter garantire l'intera quota di calcolo richiesta nei tempi sperati, frenando alcuni progetti del gruppo di Mark Zuckerberg.
Il paradosso: anche DeepMind è in coda
La frizione più rivelatrice riguarda l'interno. Bloomberg ha raccontato come i ricercatori di Google DeepMind si trovino in coda per le stesse TPU che l'azienda vende in volumi record a clienti come Anthropic e Meta. La scelta di commercializzare aggressivamente la capacità di calcolo — trasformando i chip che un tempo servivano il laboratorio di ricerca in ricavi cloud — ha creato un effetto collaterale: gli scienziati interni devono ridimensionare gli esperimenti, rinviare le esecuzioni dei modelli e, in un numero crescente di casi, lasciare l'azienda per startup dove la potenza di calcolo non è più una concessione manageriale.
Non è un problema astratto. Le tempistiche dei prodotti di punta ne risentono direttamente: lo slittamento del lancio di Gemini 3.5 Pro, fatto scivolare a luglio, si inserisce in questo quadro di risorse contese tra ricerca interna e clienti paganti.
Perché tutti vogliono le TPU di Google
Il valore delle TPU è cresciuto in parallelo all'esplosione dei costi delle GPU Nvidia e ai loro tempi di consegna. Le aziende cercano alternative per non dipendere da un unico fornitore, e Google si è ritrovata in una posizione invidiabile: vendere acceleratori competitivi a chi vuole diversificare. Anthropic, per esempio, ha ampliato la partnership con Google e Broadcom per assicurarsi più gigawatt di capacità di nuova generazione, un impegno pluriennale che blocca per anni quote enormi di produzione.
Cosa significa per il mercato
La vicenda fotografa il vero collo di bottiglia dell'IA nel 2026: non gli algoritmi, ma silicio, energia e tempo di fabbrica. Chi controlla la capacità di calcolo detta le condizioni. Per Google si tratta di un equilibrio delicato — monetizzare le TPU senza affamare la propria ricerca, che resta il motore dei modelli Gemini. Per gli acquirenti come Meta, il messaggio è chiaro: anche firmare un contratto multimiliardario non garantisce di avere i chip quando servono.
Il risultato è una corsa parallela su due binari: da un lato la diversificazione dei fornitori (Nvidia, AMD, Google, gli acceleratori interni di ciascuno), dall'altro la costruzione di nuovi data center a ritmo forsennato. Finché la fabbrica non recupererà sulla domanda, il razionamento — silenzioso o dichiarato — resterà parte del gioco, anche per i giganti.
