In breve
Il contratto più grande nella storia di Akamai è una scommessa: gli agenti AI avranno bisogno di enormi quantità di calcolo del tutto ordinario. Quest’anno Anthropic si è assicurata soprattutto capacità GPU e acceleratori. Questo accordo è diverso: compra capacità CPU distribuita, quella su cui girano chiamate agli strumenti, esecuzione di codice, navigazione e orchestrazione attorno a un modello, non il modello stesso.
Per chi sviluppa su LLM la lezione è pratica. Costi e colli di bottiglia di un agente non sono solo token. Sandbox, worker, code e chiamate API aggiungono un carico CPU che cresce a ogni passo dell’agente. Pianificate questo livello come qualsiasi sistema di produzione, all’interno della vostra architettura cloud e DevOps, e non come un ripensamento dopo la scelta del modello.
Che cosa hanno concordato Anthropic e Akamai?
Akamai ha annunciato l’accordo dopo la chiusura dei mercati giovedì 24 settembre e ha depositato il comunicato presso la SEC. Anthropic si impegna a spendere 11,6 miliardi di dollari in sette anni nei servizi cloud di Akamai per sostenere la crescita dei carichi CPU su larga scala. Il CEO Tom Leighton ha dichiarato che Anthropic ha scelto le capacità di Akamai per costruire e gestire infrastruttura AI su larga scala. Venerdì il titolo Akamai è salito a doppia cifra, per poi restituire parte del guadagno.
La struttura è insolita. Anthropic ottiene un warrant fino a circa il 5% di Akamai, che matura in misura crescente man mano che Anthropic acquista. Così il successo del fornitore è legato alla spesa del cliente, e Akamai ha la sicurezza per comprare subito componenti e memoria in un mercato in cui entrambi scarseggiano. The Decoder inserisce l’intesa in una serie di accordi di calcolo firmati da Anthropic in meno di un anno, accanto a quelli con Amazon, Google, Microsoft e AMD per acceleratori e capacità cloud.
Perché un laboratorio di AI ha bisogno di così tante CPU?
Addestramento e inferenza girano su GPU e altri acceleratori. Gli agenti aggiungono un secondo livello di lavoro. Un singolo compito può richiedere decine di passaggi: chiamare API, eseguire codice generato in una sandbox, scaricare e analizzare pagine, leggere file, verificare i risultati e decidere il passo successivo. È calcolo general purpose classico. Bloomberg osserva che le reti di CPU sono in genere più adatte ai compiti coordinati richiesti dall’AI agentica.
Akamai porta un’infrastruttura molto distribuita, nata per la distribuzione di contenuti e l’edge computing. Eseguire gli agenti vicino agli utenti e ai sistemi che chiamano riduce la latenza di ogni passaggio, e i piccoli ritardi si moltiplicano lungo un’esecuzione lunga. Nessuna delle due aziende ha pubblicato dettagli tecnici su come verrà usata la capacità: le architetture specifiche vanno quindi considerate aspettative, non fatti annunciati.
Che cosa significa per le aziende italiane?
Primo: il costo di un agente non è solo il costo dei token. Molti business case sugli agenti si basano soltanto sul prezzo per token. In produzione sandbox, sessioni browser, worker in background e retry possono pesare molto sulla bolletta, e scalano con il numero di passaggi, non con il numero di utenti. Misurate tempo CPU e memoria per ogni compito dell’agente fin dal primo progetto pilota, così i numeri che portate al management saranno reali.
Secondo: la capacità è ancora contesa. Un laboratorio che ha già accordi con i cloud più grandi continua a firmare contratti pluriennali per averne di più. L’offerta scarsa arriva a valle sotto forma di rate limit, lacune regionali e prezzi che cambiano. Se il vostro prodotto dipende dai modelli Claude di Anthropic o da qualsiasi singolo fornitore, progettate per la limitazione: code, backoff, modelli di fallback e degrado controllato.
Terzo: mantenete portabile il livello di esecuzione. Il fornitore del modello può essere fissato da qualità o contratto, ma il codice che esegue strumenti, sandbox e orchestrazione può vivere su qualsiasi cloud o all’edge. Worker containerizzati e infrastructure as code permettono di spostare questo livello per costo, latenza o residenza dei dati, aspetto importante per i carichi europei soggetti al GDPR e, per il settore finanziario, alle regole DORA sul rischio di concentrazione dei fornitori terzi.
Che cosa fare adesso?
- Misurate la parte esterna al modello. Tracciate CPU, memoria e tempo di esecuzione per ogni passaggio dell’agente, oltre ai token.
- Fissate limiti per agente. Limitate concorrenza, passaggi per compito e spesa per esecuzione, così che un singolo loop fuori controllo non saturi i worker.
- Isolate l’esecuzione. Eseguite il codice generato e la navigazione in sandbox a vita breve, con accesso a rete e file molto ristretto.
- Prevedete la limitazione. Aggiungete code, retry con backoff e un percorso verso un modello di fallback per quando un fornitore vi limita.
- Restate portabili. Impacchettate i worker in container e definite l’infrastruttura come codice, per cambiare region o cloud senza riscrivere nulla – anche verso un provider qualificato ACN se lavorate con la PA.
Domande frequenti
Che cosa hanno annunciato Anthropic e Akamai?
Il 24 settembre 2026 Akamai ha comunicato un accordo di sette anni con cui Anthropic si impegna a spendere 11,6 miliardi di dollari in servizi cloud Akamai, focalizzati sui carichi CPU su larga scala. L’impegno può crescere di circa 9 miliardi, fino a circa 20 miliardi di dollari. Akamai ha inoltre concesso ad Anthropic un warrant fino a circa il 5% delle proprie azioni ordinarie a 111,33 dollari per azione.
Perché un laboratorio di AI compra CPU invece di GPU?
Le GPU eseguono addestramento e inferenza dei modelli, ma l’AI agentica genera anche molto calcolo general purpose attorno al modello: esecuzione di strumenti e codice, sandbox, navigazione web, orchestrazione, gestione dei dati e chiamate API. Questo lavoro gira su CPU. Secondo Bloomberg, le reti di CPU sono in genere più adatte ai compiti coordinati richiesti dagli agenti.
Quando sarà disponibile la capacità Akamai?
Akamai ha dichiarato che l’accordo non incide sulla guidance dei ricavi 2026. Prevede circa 5,5 miliardi di dollari di investimenti legati all’impegno e aggiunge circa 1,7 miliardi al capex 2026 per acquistare in anticipo componenti e memoria. Secondo TechCrunch, i ricavi dell’accordo dovrebbero partire nella seconda metà del 2027.
Cambia qualcosa nell’uso delle API di Claude?
Non direttamente, né subito. L’accordo aggiunge capacità dietro i servizi di Anthropic; oggi non cambia termini delle API, prezzi o residenza dei dati. È però un segnale da considerare: i carichi degli agenti sono pesanti sia su GPU sia su CPU e i fornitori stanno ancora assicurandosi capacità. Progettate quindi per rate limit, modelli di fallback e controllo dei costi.
Cosa devono pianificare le aziende italiane?
Mettere a budget e dimensionare la parte degli agenti esterna al modello, non solo i token: misurare il tempo CPU di strumenti, sandbox e orchestrazione, mantenere questo livello portabile e fissare limiti di costo e concorrenza per agente. I dati personali trattati dagli agenti restano soggetti al GDPR e alla vigilanza del Garante privacy; banche e intermediari finanziari devono inoltre censire ogni nuovo fornitore ICT critico nel registro delle informazioni previsto da DORA.
Fonti
Akamai Technologies — Form 8-K, Exhibit 99.1 (comunicato stampa (SEC))
Bloomberg — Anthropic Strikes $12 Billion Deal With Akamai for AI Computing
TechCrunch — Anthropic to pay Akamai $11.6 billion over seven years in cloud deal
CNBC — Shares of Akamai surge after deal with Anthropic
The Decoder — Anthropic signs $11.6 billion cloud deal with Akamai