Cos'è un computer per l'AI in locale
Un computer per l'AI in locale è una macchina con abbastanza memoria veloce da far girare un modello di intelligenza artificiale (un LLM, come Qwen, DeepSeek o Gemma) direttamente in ufficio, senza mandare i dati a un servizio in cloud e senza pagare un abbonamento a token o a utente. Non è un PC qualsiasi con un buon processore: quello che decide se un modello gira, e a che velocità, è quanta memoria ha la macchina e quanto è veloce quella memoria.
Per una PMI italiana l'interesse è concreto: i documenti di uno studio di commercialisti, di avvocati o di un poliambulatorio non escono dall'azienda, e il costo diventa un acquisto una tantum invece di una spesa mensile. Il problema è che nel 2026 questi computer costano più che mai, e la ragione è proprio l'intelligenza artificiale.
In questa guida trovi come funziona un modello sul tuo computer, le tre famiglie di macchine sul mercato (mini PC con memoria unificata, NVIDIA DGX Spark e Mac), quanto costano davvero e perché, prima di comprare, conviene guardare cosa sta preparando la Cina.
Come funziona un modello AI sul tuo computer
Per scegliere bene serve capire dove vive il modello mentre lavora. I passaggi sono quattro, e l'ultimo è quello che quasi tutti sottovalutano.
1. Il modello è un file sul disco
Quando scarichi un modello scarichi i suoi pesi: una enorme tabella di numeri salvata in un file sul disco (SSD). La dimensione dipende da quanti parametri ha il modello e da quanti byte usa per ognuno. Un modello da 27 miliardi di parametri in precisione piena (16 bit, cioè 2 byte per parametro) pesa circa 54 GB; quantizzato a 4 bit (mezzo byte per parametro) scende intorno ai 14-17 GB, con una perdita di qualità di solito accettabile.
2. Nel PC classico: dalla RAM alla VRAM della scheda video
Per lavorare il modello non può restare sul disco: va caricato in memoria. In un PC tradizionale passa prima dalla RAM, la memoria dove girano sistema operativo e programmi, e poi nella VRAM, la memoria della scheda video, molto più veloce e molto più cara. È la scheda video (GPU) che calcola le risposte, quindi il modello deve stare tutto nella VRAM: se pesa 17 GB e la scheda ne ha 16, non entra, o gira lentissimo appoggiandosi alla RAM.
3. Nei mini PC e nei Mac: la memoria unificata
Le macchine più recenti funzionano diversamente. Non c'è una scheda video separata: il processore contiene al suo interno anche la parte grafica e un acceleratore per l'AI, e tutti condividono un'unica memoria unificata. Il modello si carica lì una volta sola e il chip lo esegue senza spostarlo. È lo schema dei mini PC con processori AMD Ryzen AI, della NVIDIA DGX Spark e dei Mac con chip Apple. Il vantaggio è che con 64, 128 o più GB di memoria unificata puoi far girare modelli che su un PC classico richiederebbero più schede video.
4. Contesto e utenti: perché la memoria non basta mai
Il peso del modello è solo la base. Ogni conversazione occupa altra memoria per il contesto, cioè tutto il testo che il modello deve tenere a mente: le tue domande, le risposte, i documenti che gli fai leggere. Più è lungo il contesto e più utenti lo usano insieme, più memoria serve. Un modello che con un contesto minimo sta in 11 GB può arrivare a richiederne più del doppio se gli fai leggere un PDF di decine di pagine, e moltiplicare il fabbisogno se lo usano più persone contemporaneamente.
Prima di comprare, fai il calcolo con uno strumento come il calcolatore di VRAM di APXML: scegli il modello, la quantizzazione, la lunghezza del contesto e il numero di utenti, e vedi quanta memoria serve. Attenzione al valore predefinito di 1.024 token di contesto: è troppo poco per un uso reale, dove anche un documento di dieci pagine lo supera.
Per un modello AI in locale la velocità dipende soprattutto dalla banda della memoria: la NVIDIA DGX Spark dichiara 273 GB/s, il processore AMD Ryzen AI Max+ 395 dei mini PC 256 GB/s, mentre il Mac Studio con M3 Ultra arrivava già a 819 GB/s. Fonte: LocalAI Master, DGX Spark vs Strix Halo vs Mac Studio, 2026.
Mini PC, DGX Spark o Mac: quale computer per l'AI in locale per una PMI
Oggi le strade sono tre, più una quarta che quasi sempre conviene evitare. Ecco come si confrontano.
| Macchina | Prezzo indicativo (ottobre 2026) | Punti di forza | Limiti | Uso giusto |
|---|---|---|---|---|
| Mini PC con AMD Ryzen AI | da 779 € (32 GB, in offerta) a oltre 2.000 € (64-128 GB) | Il prezzo più basso, consumi contenuti (l'AI X1 Pro-470 ha un alimentatore da 135 W), memoria unificata | Più lenti degli altri due, si scaldano sotto carico | Archivio documentale e assistente interno con modelli fino a 30 miliardi di parametri |
| NVIDIA DGX Spark | da 4.999 $ (versione 64 GB) | Chip NVIDIA Grace Blackwell, ecosistema CUDA, due unità si collegano tra loro | Costa molto più di un mini PC; la versione da 64 GB ha metà memoria della 128 GB | Sviluppo di agenti, programmazione assistita, modelli fino a 100 miliardi di parametri |
| Mac Studio | da 3.049 € (M5 Max) e da 6.699 € (M5 Ultra) | La memoria più veloce, silenzioso, consuma poco, acceso tutto il giorno | La memoria in più si paga carissima | Modelli grandi a buona velocità, uso intensivo quotidiano |
| PC assemblato con più schede video | spesso 10.000-15.000 € per avere 128 GB di VRAM | Veloce sui modelli che entrano nelle schede | Costo, consumi elevati, rumore, complessità | Solo casi particolari, con modelli piccoli su una o due schede |
Fonti dei prezzi: Minisforum, AI X1 Pro-470, 2026; NVIDIA, DGX Spark 64GB, 2026; Melamorsicata, prezzi italiani del Mac Studio M5, 2026.
I mini PC con memoria unificata
Sono la porta d'ingresso. Il Minisforum AI X1 Pro-470, con processore AMD Ryzen AI 9 HX470 e un acceleratore per l'AI da 86 TOPS, parte da 779 € in offerta con 32 GB e 1 TB di disco; nella fascia alta, macchine come il GMKtec EVO-X2 montano il Ryzen AI Max+ 395 con 64 o 128 GB. Il prezzo cresce quasi solo con la memoria. Vanno bene per far girare un modello da 20-30 miliardi di parametri come archivio documentale interno: i dati restano in ufficio e la velocità è sufficiente per un uso quotidiano. Su modelli più grandi rallentano: nei test pubblicati, il modello gpt-oss-120b gira intorno ai 45 token al secondo sul Ryzen AI Max+ 395, contro circa 60 sulla DGX Spark. Fonte: LocalAI Master, DGX Spark vs Strix Halo vs Mac Studio, 2026.
NVIDIA DGX Spark
È il piccolo supercomputer di NVIDIA, con il chip GB10 Grace Blackwell. Il 2 ottobre 2026 NVIDIA ha annunciato una versione con 64 GB di memoria unificata a partire da 4.999 dollari, in vendita dal 23 ottobre, che regge modelli fino a 100 miliardi di parametri; collegando due unità si arriva a 200 miliardi. Fonte: NVIDIA, DGX Spark 64GB, 2026. È la scelta giusta per chi sviluppa agenti e lavora già con gli strumenti NVIDIA. Va però guardata con occhio critico: rispetto alla versione da 128 GB, la memoria è dimezzata a fronte di un prezzo che resta alto.
I Mac con chip Apple
Sono i più costosi, ma sulla velocità sono i migliori: la loro memoria unificata ha una banda molto più alta, e i modelli girano sensibilmente più veloci a parità di dimensione. In più consumano poco, scaldano meno e restano silenziosi, quindi si possono lasciare accesi tutto il giorno. Il prezzo della memoria, però, è altissimo: in Italia il Mac Studio con M5 Ultra parte da 6.699 euro, e la configurazione con 256 GB di memoria e 4 TB di disco costa 14.179 euro. Fonte: Melamorsicata, Mac Studio M5 Ultra prezzo Italia, 2026. Il supporto software ormai c'è: con il framework MLX di Apple i modelli più diffusi girano bene.
Perché il PC assemblato con più schede video quasi mai conviene
L'idea sembra furba: comprare quattro schede video da 32 GB e sommare 128 GB di VRAM. I conti però non tornano. Alle schede vanno aggiunti la RAM (per un sistema bilanciato se ne consiglia spesso il doppio della VRAM), una scheda madre che regga quattro GPU, un alimentatore adeguato e il raffreddamento: si arriva facilmente a 10.000-15.000 euro per ottenere la stessa quantità di memoria che un mini PC offre a una frazione del prezzo. E c'è il costo nascosto: quattro schede video accese assorbono centinaia di watt ciascuna, ogni ora, in bolletta. Ha senso solo per modelli piccoli su una o due schede, o per chi ha già l'hardware.
Come l'AI sta trasformando i prezzi dei computer nel 2026
Se ti sembra che tutto costi più di un anno fa, non è un'impressione. RAM, VRAM e dischi SSD sono tutte memorie, e tutte servono per far girare un modello: i modelli più grandi occupano centinaia di gigabyte o più. I produttori di memorie hanno spostato la capacità produttiva verso i data center che addestrano e fanno funzionare i modelli di OpenAI, Anthropic e Google, dove i margini sono più alti, e per i computer delle persone e delle aziende ne resta meno.
Il risultato si vede nei prezzi: secondo TrendForce i prezzi a contratto della DRAM tradizionale erano attesi in crescita del 58-63% nel solo secondo trimestre 2026, e per il quarto trimestre sono previsti un altro +10-15%, con le memorie flash (quelle degli SSD) a +15-20%. Fonte: TrendForce, 31 marzo 2026 e TrendForce, 30 settembre 2026. Per questo nelle configurazioni dei mini PC e dei Mac la differenza di prezzo la fa quasi solo la memoria.
La risposta della Cina: Xiaomi AI Cube
Il 24 agosto 2026 Xiaomi ha mostrato l'AI Cube, un mini PC per l'AI in locale costruito con tre chip progettati in casa (Xring O3, O100 e D100). Secondo l'azienda gira modelli da 120 miliardi di parametri consumando circa 150 W, il chip D100 supporta fino a 160 GB di memoria unificata e modelli fino a 200 miliardi di parametri, e l'O100 arriva a 1,22 TB/s di banda. Fonte: Gizmochina, Xiaomi AI Cube, 2026.
Attenzione però: per ora è un prototipo. Non ci sono un prezzo né una data di uscita, e i chip O100 e D100 sono previsti sul mercato nel 2027. È il segnale che la concorrenza sull'hardware per l'AI in locale si sta aprendo, e che i prezzi di oggi potrebbero non durare. Non è un prodotto che si può comprare.
Quanto costa l'AI in locale
Riassumendo i prezzi di ottobre 2026, i range realistici per una PMI sono questi:
- Da circa 800 a oltre 2.000 euro: un mini PC con memoria unificata, sufficiente per un assistente interno o un archivio documentale con un modello da 20-30 miliardi di parametri;
- Intorno ai 5.000 dollari: una NVIDIA DGX Spark da 64 GB, per sviluppo e modelli fino a 100 miliardi di parametri;
- Da 3.000 a oltre 14.000 euro: un Mac Studio, a seconda del chip e soprattutto della memoria;
- 10.000-15.000 euro e oltre: un PC assemblato con più schede video, più la bolletta.
Il confronto va fatto con quello che spendi oggi. Se in azienda paghi abbonamenti ai servizi di AI per qualche decina di euro al mese a persona, un computer da diverse migliaia di euro si ripaga in anni, non in mesi, e nel frattempo l'hardware invecchia, si può guastare e va sostituito. Abbiamo parlato di come tenere sotto controllo questa spesa in quanto costa l'AI in azienda e come ridurre i costi.
C'è poi una terza strada, spesso la più sensata nel 2026: affittare un server con GPU in un data center europeo, a ore o a mese. I dati restano nell'Unione europea, il trattamento si inquadra nel GDPR con un normale accordo con il fornitore, non hai un investimento iniziale e puoi cambiare macchina quando escono modelli o chip nuovi.
Come iniziare: i 3 passi per una PMI italiana
1. Parti dal caso d'uso, non dalla macchina
Cosa deve fare il modello? Rispondere sui documenti interni di uno studio professionale è molto diverso da scrivere codice o servire dieci colleghi insieme. Questi computer servono a usare i modelli (inferenza), non ad addestrarli: per l'addestramento di modelli linguistici sono troppo lenti, salvo modelli molto piccoli.
2. Misura la memoria che ti serve
Scegli il modello, la quantizzazione, il contesto (almeno 32.000-64.000 token se deve leggere documenti) e il numero di persone che lo useranno, e calcola la memoria con un calcolatore di VRAM. Aggiungi un margine per il sistema operativo e gli altri programmi: nella memoria unificata non tutto è disponibile per il modello.
3. Prova prima di comprare
Prima di spendere migliaia di euro, fai girare lo stesso modello per qualche settimana su un server affittato in Europa. Capirai se la qualità ti basta, che velocità ti serve davvero e quanta memoria usi. Se dopo la prova l'uso è stabile e intenso, l'acquisto ha senso; se no, hai risparmiato. E con i prezzi della memoria di oggi e i chip cinesi in arrivo, aspettare qualche mese prima di comprare è una scelta ragionevole.
Come Ogaia costruisce infrastrutture AI per le PMI
In Ogaia | Soluzioni AI & Customer generation per Aziende Italiane partiamo dal problema, non dall'hardware: ti aiutiamo a capire se per la tua azienda ha senso un modello in locale, un server in un data center europeo o un servizio in cloud con le giuste garanzie, e sopra quella scelta costruiamo gli agenti AI e le automazioni che lavorano davvero nei tuoi processi, dalla gestione dei documenti alla risposta ai contatti.
Il risultato è un sistema dimensionato su quello che ti serve oggi, senza spendere per potenza che non usi e senza dati che escono dall'Europa quando non devono. Se vuoi capire quale strada è giusta per te, prenota una call gratuita di 45 minuti: uscirai con una mappa chiara dei tuoi colli di bottiglia, indipendentemente da quello che decidi di fare dopo.