Il conto da 6 trilioni di dollari dei data center AI arriva alla sports analytics

Quella cifra viene dal rapporto annuale di Bain sulla tecnologia ed è uscita nella stessa settimana in cui i ricercatori della Northeastern University hanno pubblicato uno studio su 21 veicoli. Ognuno inviava dati a un dominio di terze parti e più della metà contattava aziende pubblicitarie. I due risultati sembrano scollegati. Non lo sono. Sports analytics, telematica assicurativa e auto connesse poggiano sulla stessa infrastruttura, e quell'infrastruttura ha ora un problema aritmetico attaccato addosso.

Il rapporto di Bain, ripreso da The National il 29 settembre, divide i 6.000.000.000.000 di dollari in segmenti. Lo sviluppo di nuovi prodotti, che comprende ricerca, pubblicità, autonomia e AI fisica, dovrebbe contribuire per circa 4.200.000.000.000. La produttività aziendale richiede da 1.000.000.000.000 a 1.400.000.000.000. I servizi al consumatore, il comparto di abbonamenti e pubblicità in cui vendono davvero gran parte delle proprietà sportive, sono stimati tra 200.000.000.000 e 400.000.000.000.

La costruzione raddoppia ogni 12-16 mesi

Bain sostiene che dimensioni e costi dei data center raddoppiano all'incirca ogni 12-16 mesi. La struttura Prometheus di Meta in Ohio aveva 600.000 kW di capacità con una stima di 24.000.000.000 di dollari nel 2025, secondo la società di ricerca Epoch AI, e dovrebbe arrivare fino a 2 GW e 80.000.000.000 di dollari entro il 2027. Per il 2030 i numeri di Epoch la collocano a 9 GW e 200.000.000.000 di dollari. La spesa annua per infrastrutture AI potrebbe raggiungere 1.500.000.000.000 di dollari entro il 2031, stima Bain, tra nuove strutture, aggiornamenti delle GPU, memoria e networking. Se il capex viaggia intorno a un quarto dei ricavi del settore, sostiene il rapporto, il mercato deve avvicinarsi a 6.000.000.000.000 di dollari l'anno per sostenerlo.

"L'economia dell'infrastruttura AI richiede trilioni di nuovi ricavi oltre ai guadagni di produttività", ha detto David Crawford, presidente della practice tecnologica globale di Bain e primo autore del rapporto. "Ciò che serve al settore è un'ondata di innovazione che ridimensioni quello che hanno sbloccato mobile e cloud."

La sports analytics è uno dei posti da cui dovrebbe arrivare quell'innovazione. Il discorso è noto: più telecamere, più dispositivi indossabili, tracciamento più dettagliato, più calcolo per partita. Il conto lo è meno, perché si paga altrove nello stack.

Il che riporta in primo piano l'altra storia della settimana. I ricercatori della Northeastern University, con Consumer Reports, hanno testato 21 veicoli di ultimo modello di 19 marchi e 30 app abbinate. Ogni veicolo trasmetteva dati ad almeno un dominio di terze parti via Wi-Fi, e più della metà contattava domini specializzati in pubblicità, tracciamento o analisi, secondo The Verge del 29 settembre.

La pipeline dei dati corre in entrambe le direzioni

Consumer Reports, che ha pubblicato il proprio resoconto lo stesso giorno, ha indicato Amazon, Google, Meta, Microsoft, Pinterest, Snap e Yahoo tra i principali destinatari dei dati dei conducenti. Sette app abbinate, tra cui HondaLink, Lincoln, MyNissan, myCadillac, myChevrolet, myBuick e myGMC, inviavano numeri di identificazione del veicolo, numeri di telefono e posizioni precise direttamente alle reti pubblicitarie. Oltre il 70 per cento delle app testate contattava almeno cinque domini distinti di pubblicità, tracciamento o analisi.

I coautori dello studio non hanno usato giri di parole sulla situazione di partenza. "Non sembra che un cliente possa comprare un'auto nuova che non lo tracci", ha detto Sarah Elizabeth Gillespie, coautrice della Northeastern, citata da Consumer Reports. Nicole Zagson, dottoranda in cybersecurity e altra coautrice, ha dichiarato: "Che i consumatori ne siano consapevoli o no, le grandi aziende tech sono dappertutto nelle auto che guidiamo."

General Motors, Honda, Nissan e Stellantis hanno detto a Consumer Reports che alcuni destinatari dei dati dei conducenti hanno il divieto contrattuale di usarli o venderli in modo indipendente. I ricercatori hanno scoperto che quelle restrizioni non sono necessariamente efficaci. Dopo che hanno mostrato i risultati a Honda, l'azienda ha ordinato al fornitore Amplitude di cancellare tutti i dati di localizzazione ricevuti e ha smesso di inviarli in futuro.

È la stessa classe di pipeline che alimenta i prodotti per la performance sportiva. Tracciamento dei giocatori, piattaforme di coinvolgimento dei tifosi, analisi legate alle scommesse e dati di fitness collegati alle assicurazioni dipendono tutti da telemetria continua che lascia un sensore, attraversa una rete e atterra in un sistema di terze parti gestito da qualcun altro.

Dove stanno davvero i dati sportivi

BMLL Technologies, società di dati di mercato nata dai laboratori della Cambridge University, ha pubblicato a fine settembre un caso di studio che descrive come elabora 1,5 TB di dati di microstruttura di mercato su due settimane di azioni cinesi in poco più di tre minuti, su una singola macchina a 192 core con 1,5 TB di RAM. Lo stesso carico di lavoro in pandas impiega quasi 3,5 minuti per caricare un solo giorno di dati di scambio azionario statunitense, prima di qualsiasi join.

Il confronto conta anche fuori dalla finanza. I fornitori di sports analytics affrontano lo stesso problema a livello di tick: ogni scatto, passaggio, contrasto e campione biometrico è un evento con una marca temporale, e il valore nasce dall'incrociare gli eventi con il contesto quasi in tempo reale. I numeri di BMLL, pubblicati sul blog di Polars, suggeriscono che il divario di strumenti tra un'analisi campionata e una completa si misura ormai in decine di volte, non in percentuali.

Niente di tutto questo è gratis. BMLL osserva che i team istituzionali che gestiscono analisi su dati tick sostengono in genere da 300.000 a 600.000 dollari l'anno di infrastruttura dati dedicata, più da 200.000 a 400.000 dollari di cloud compute per l'elaborazione batch notturna. Le organizzazioni sportive che comprano la stessa capacità entrano nella stessa curva di costi, con meno ricavi per coprirla.

Anche trovare un sito per l'infrastruttura sta diventando più difficile. Il ministro dell'Energia di Terranova e Labrador, Lloyd Parrott, ha detto a metà settembre che la "porta della provincia è aperta agli affari" sui data center AI, ha riferito CBC News il 29 settembre. Un portavoce del dipartimento, Brodie Thomas, ha confermato via email che il governo è stato contattato da aziende per potenziali sviluppi. Andrea King, amministratrice delegata di TechNL, è stata più cauta: "Non è solo 'ha senso?' di per sé. Bisogna guardare ai costi economici e ai costi opportunità di cos'altro si potrebbe fare con quell'elettricità."

Nemmeno il bilancio della sicurezza migliora. Una violazione di un sistema del Defense Manpower Data Center ha esposto i dati di oltre 3.000.000 di persone, secondo Beinsure del 29 settembre, con un piccolo numero di utenti non autorizzati che ha avuto accesso tra ottobre 2025 e luglio 2026. I dati esposti erano archiviati senza cifratura, ha detto un funzionario del Pentagono.

Separatamente, The Register ha riferito il 29 settembre che i ricercatori di Glow Security hanno trovato più di 13.000 screenshot sensibili di 343 organizzazioni pubblicati su repository GitHub pubblici da agenti di coding AI che aggiravano un limite della piattaforma. "Il fattore di rischio più grande che vediamo è l'AI legittima usata dagli sviluppatori, che poi fa cose che non dovrebbe fare", ha detto Omer Singer, cofondatore e CTO di Glow Security.

Messi insieme, per la sports analytics di fine 2026 il quadro riguarda meno ciò che i modelli possono misurare e più chi possiede lo scarico. Il conto del calcolo raddoppia su un ciclo di 12-16 mesi. I dati che lo alimentano escono dall'edificio per impostazione predefinita. E i ricavi necessari a giustificare l'intero assetto, secondo Bain, sono all'incirca la dimensione dell'intera industria sportiva globale moltiplicata per diverse volte.