Una nuova guida all’implementazione, basata su ricerche di Vertiv e STL Partners, aiuta le organizzazioni a identificare i propri archetipi di AI e a stabilire dove collocare l’infrastruttura di supporto
Un approccio basato sui carichi di lavoro collega i requisiti aziendali a modelli infrastrutturali e design di riferimento dimensionati correttamente, contribuendo a ridurre i rischi di implementazione
Milano [15 ottobre 2026] — Vertiv Holdings Co. (NYSE: VRT), leader globale nelle infrastrutture digitali critiche, e Deloitte Center for Integrated Research hanno annunciato oggi una collaborazione volta ad aiutare le aziende ad affrontare una delle principali sfide nel passaggio dell’intelligenza artificiale dalla fase sperimentale alla produzione: determinare dove eseguire i workload AI e verificare se l’infrastruttura fisica disponibile sia in grado di supportarli.
La nuova guida Designing Infrastructure for Enterprise AI, sviluppata da Vertiv e STL Partners, società di ricerca specializzata nelle infrastrutture digitali, fornisce ai responsabili aziendali, IT e delle strutture un framework basato sui carichi di lavoro per prendere queste decisioni prima di investire in un piano infrastrutturale. Partendo dall’obiettivo di business e dal workload AI previsto, le organizzazioni possono valutare la sede di implementazione, i requisiti infrastrutturali e la preparazione delle strutture, per poi associare ciascun carico di lavoro a un modello di infrastruttura fisica e a un design di riferimento appropriati, utili per la pianificazione successiva e la validazione tecnica.
La ricerca evidenzia un aspetto cruciale mentre le aziende portano i worload AI in ambienti di produzione continuativa: il livello di preparazione dell’infrastruttura può determinare dove tali workload possano essere implementati e con quale rapidità possano entrare in produzione. Disponibilità di energia, raffreddamento, connettività e capacità operative sono fattori che stabiliscono se un carico di lavoro possa essere supportato all’interno di una struttura esistente o richieda un diverso modello di implementazione.
La guida traduce queste considerazioni in un processo articolato in quattro fasi: (1) definire il risultato di business desiderato e il carico di lavoro AI, (2) valutare scala, prestazioni e requisiti operativi del workload, (3) determinare la sede di implementazione più appropriata e (4) abbinare workload e sede a un modello di infrastruttura fisica e a un design di riferimento.
“La prossima fase dell’AI aziendale sarà determinata non solo dai modelli e dalla capacità di calcolo, ma anche dalla possibilità per le organizzazioni di fornire l’alimentazione elettrica, il raffreddamento, la connettività e l’ambiente operativo richiesti da ciascun carico di lavoro,” ha dichiarato Giordano Albertazzi, CEO di Vertiv. “Partendo dal workload, le aziende possono prendere decisioni infrastrutturali in una fase più precoce, identificare prima i vincoli e costruire un percorso più credibile per trasformare le ambizioni legate all’AI in realtà produttive.”
“Gli aspetti economici e i requisiti operativi dell’AI cambiano quando i carichi di lavoro passano alla produzione,” ha affermato Nicholas Merizzi, principal, Silicon2Service U.S. Lead, Deloitte Consulting LLP. “Le organizzazioni devono considerare insieme valore di business, governance, responsabilità operative e infrastruttura. Affrontare questi temi fin dalle prime fasi di pianificazione consente ai decisori di disporre di basi più solide per stabilire dove eseguire i workload AI e come supportarli nel tempo.”
Il processo riconosce che l’AI aziendale è costituita da un portafoglio di carichi di lavoro e non da una singola decisione infrastrutturale. I workload esplorativi possono rimanere nel cloud, mentre quelli continuativi o mission-critical possono essere più adatti a infrastrutture ibride o a capacità gestite direttamente dall’azienda. I carichi di lavoro che richiedono tempi di risposta più rapidi, maggiore controllo, prossimità ai dati o specifiche prestazioni dei modelli possono invece necessitare di ambienti edge o di altri contesti controllati.
Questo approccio specifico per workload consente a cloud pubblici, colocation, infrastrutture di proprietà dell’impresa, ambienti ibridi e infrastrutture edge di svolgere ciascuno un ruolo appropriato. Piuttosto che sostenere in modo generico il cloud o scoraggiarne l’utilizzo, la guida propone un metodo coerente per individuare l’ambiente operativo più adatto a ciascun workload AI.
La ricerca classifica i workload AI aziendali in sei archetipi, che coprono lo sviluppo dei modelli, il retraining e quattro categorie di utilizzo in produzione. Questi archetipi aiutano le organizzazioni a identificare workload con requisiti prestazionali, operativi e infrastrutturali simili, creando una base più coerente per la pianificazione. Ogni workload può quindi essere associato a uno dei quattro modelli di infrastruttura fisica: Edge AI Cluster, Small AI Cluster, Large AI Cluster e High-Density AI Cluster.
I quattro modelli costituiscono un punto di partenza per decisioni riguardanti alimentazione elettrica, raffreddamento, sistemi di controllo, connettività, resilienza, supporto operativo e crescita futura. I relativi design di riferimento possono poi essere adattati sulla base della valutazione del sito, dei requisiti del workload e delle analisi ingegneristiche di dettaglio.
La preparazione delle strutture è un elemento critico per tutti e quattro i modelli. La guida aiuta le aziende a valutare se una determinata sede disponga di alimentazione, raffreddamento, connettività, capacità operative e spazio per la crescita sufficienti. Effettuare questa valutazione nelle prime fasi può contribuire a individuare vincoli infrastrutturali prima che diventino ostacoli all’implementazione.
La guida completa, Designing Infrastructure for Enterprise AI, illustra nel dettaglio i sei archetipi di workload, i quattro modelli di infrastruttura fisica e una roadmap in quattro fasi per la pianificazione, l’implementazione e l’evoluzione dell’infrastruttura AI aziendale. È disponibile su Vertiv.com.
Informazioni su Vertiv
Vertiv (NYSE: VRT) combina hardware, software, analisi e servizi continui per consentire alle applicazioni vitali dei suoi clienti di funzionare senza interruzioni, con prestazioni ottimali e in linea con l'evoluzione delle esigenze aziendali. Vertiv affronta le sfide più importanti per i data center, le reti di comunicazione e le strutture industriali e commerciali con un portfolio di soluzioni e servizi per l'infrastruttura IT, l'alimentazione e il raffreddamento che copre dal cloud all’edge della rete. Con sede a Westerville, Ohio, USA, Vertiv opera in oltre 130 Paesi. Per ulteriori informazioni e per restare aggiornati sulle ultime novità, visita Vertiv.com
Dichiarazioni previsionali
Questo comunicato contiene dichiarazioni previsionali ai sensi del Private Securities Litigation Reform Act del 1995, della Sezione 27 del Securities Act e della Sezione 21E del Securities Exchange Act. Tali dichiarazioni rappresentano solo previsioni. Gli eventi o i risultati reali possono differire significativamente da quelli espressi nelle dichiarazioni previsionali contenute nel presente documento. Si rimanda alla documentazione depositata da Vertiv presso la Securities and Exchange Commission (SEC), compreso l’ultimo rapporto annuale sul modulo 10-K e i successivi rapporti trimestrali sul modulo 10-Q, per una discussione di questi e altri importanti fattori di rischio. Vertiv non si assume alcun obbligo, e declina espressamente ogni obbligo, di aggiornare o modificare le dichiarazioni previsionali, sia a seguito di nuove informazioni, eventi futuri o altro.
Contatto per i Media
Rosy Auricchio
Tel: + 39 335 8283393
Email: rauricchio@grandangolo.it