Al FII Institute, Ling Ge ha detto una cosa che in molti pensano ma pochi mettono nero su bianco: le aziende di intelligenza artificiale che conteranno davvero saranno quelle capaci di risolvere problemi reali, non quelle che producono dimostrazioni. E tra i problemi reali elenca due obiettivi precisi — la fusione nucleare e il quantum computing — entrambi campi in cui l’AI applicata alla scienza potrebbe fare la differenza concreta tra il “quasi ci siamo” degli ultimi decenni e un vero salto in avanti.
Il contesto in cui arriva questa presa di posizione non è casuale. Il FII Institute, fondazione globale no-profit con sede a Riyadh, riunisce ogni anno capi di stato, investitori e ricercatori per confrontarsi sulle sfide più urgenti dell’umanità. L’edizione 2025 — la nona — ha avuto come filo conduttore il tema “La chiave per la prosperità”, e uno dei nodi ricorrenti nei pannelli è stato proprio il rapporto tra intelligenza artificiale e scoperta scientifica. Ling Ge ha indicato l’Europa come un territorio con un vantaggio strutturale: il continente conta circa 500 premi Nobel, una densità di competenze scientifiche che nessun’altra regione del mondo può vantare allo stesso modo. Il punto, però, è trasformare quel patrimonio in produzione tecnologica applicata.
Sul fronte della fusione, il quadro internazionale dà ragione all’ottimismo. Il Dipartimento dell’Energia americano ha investito in modo sistematico nell’uso di tecniche di machine learning e intelligenza artificiale per il controllo in tempo reale dei plasmi nei reattori a fusione. I risultati pubblici confermano che l’integrazione tra AI e controllo adattivo produce plasmi ad alte prestazioni riducendo le instabilità al bordo — uno dei problemi tecnici più ostici nel percorso verso un reattore commerciale. Il World Economic Forum, citando dati dell’IAEA, stima che la produzione da fusione potrebbe passare da 2 TWh nel 2035 a 375 TWh nel 2050, con un potenziale contributo al PIL globale misurabile in migliaia di miliardi di dollari. Non è fantascienza: è il risultato di una traiettoria già in moto.
Il quantum computing entra nella stessa equazione da una direzione diversa. Le simulazioni necessarie per progettare gli esperimenti di confinamento inerziale richiedono centinaia di milioni di ore di CPU sui supercomputer più potenti del mondo. Gli algoritmi quantistici, applicati al calcolo della diffusione di radiazione non lineare e ad altri fenomeni critici per la fusione, potrebbero ridurre quei tempi in modo significativo. La relazione tra i due campi è bidirezionale: l’AI accelera la fusione, e la fusione — come sorgente energetica potenzialmente illimitata — risolverebbe il collo di bottiglia energetico che oggi frena lo sviluppo dei sistemi AI più esigenti. Sam Altman, CEO di OpenAI, ha dichiarato pubblicamente che costruire i sistemi AI del futuro non è possibile senza una svolta nella produzione di energia da fusione.
Il punto di Ling Ge è più sottile di una semplice previsione tecnologica. È una critica implicita a larga parte dell’industria AI degli ultimi anni, cresciuta su applicazioni orizzontali — assistenti virtuali, generazione di contenuti, ottimizzazione dei processi aziendali — mentre i problemi fisici più difficili sono rimasti ai margini. Se la tesi regge, il prossimo ciclo di investimenti nel settore premierà chi costruisce strumenti capaci di interagire con la realtà fisica complessa: simulazioni di plasma, dinamica molecolare, progettazione di materiali per ambienti ad alta radiazione. L’Europa, con la sua densità di laureati e ricercatori in fisica, chimica e matematica, ha tutte le risorse per guidare questa fase. Manca ancora, come spesso accade, la capacità di convogliare capitali privati su obiettivi scientifici a lungo orizzonte temporale. Ma la direzione indicata dal FII — unire investimento globale e ricerca scientifica di frontiera — è esattamente quella che potrebbe colmare quel divario.
