L'IA costa sempre di più: AWS aumenta il prezzo per riservare risorse di calcolo a chi fa fine tuning di modelli
di Alberto Falchi pubblicata il 02 Luglio 2026, alle 15:46 nel canale IA business
Il servizio Blocchi di capacità Amazon EC2 per ML permette di riservare risorse di calcolo sui server di AWS: il prezzo è aumentato del 20%. Si tratta del secondo aumento nel 2026. Il primo, di circa il 15%, è stato a gennaio
La domanda per chip di IA, RAM ed SSD ha fatto salire vertiginosamente i prezzi delle componenti e dei computer in generale. E anche i servizi iniziano a costare sempre di più. Nel caso di AWS, l'azienda ha aggiornato a partire dal 1° luglio i prezzi per riservare Blocchi di capacità Amazon EC2 per ML, necessari per eseguire carichi di lavoro di IA e machine learning. Un aumento non trascurabile, dato che ora il costo è cresciuto del 20%.
AWS aumenta i prezzi per alcuni carichi di lavoro IA
Il servizio con Blocchi di capacità Amazon EC2 per ML permette di prenotare e riservare la quantità di capacità di accelerazione necessaria per eseguire i carichi di lavoro di machine learning. Il prezzo di Blocchi di capacità EC2 include una tariffa di prenotazione e una per il sistema operativo. Come indicato sul sito dell'azienda, "A partire dal 1° luglio 2026, le tariffe orarie per acceleratore saranno: P6-B300 a 14,04 USD (tutte le regioni AWS disponibili tranne le regioni AWS GovCloud), P6-B200 a 12,355 USD (tutte le regioni disponibili tranne le regioni AWS GovCloud), P5 a 5,191 USD (tutte le regioni statunitensi disponibili), P5 a 4,72 USD (tutte le regioni non statunitensi disponibili), P5e a 5,97 USD (tutte le regioni disponibili), P5en a 6,865 USD (tutte le regioni statunitensi disponibili), P5en a 6,241 USD (tutte le regioni non statunitensi disponibili) e P4de a 2,214 USD (tutte le regioni statunitensi disponibili). Tutti gli altri prezzi rimarranno invariati".
Non è la prima volta: già a gennaio 2026 AWS aveva aumentato i prezzi del 15% circa.
I prezzi di altri servizi di IA, invece, rimangono invariati. Va sottolineato che Blocchi di capacità Amazon EC2 per ML non è un'opzione necessaria per chiunque esegua carichi di lavoro di IA. Anzi. Servono ad assicurarsi la disponibilità di risorse hardware enormi per carichi di lavoro intensivi ed immediati (come l'addestramento e il fine-tuning di modelli AI) evitando code e senza dover effettuare impegni a lungo termine, e sono utilizzati principalmente da chi sviluppa modelli di IA per fare il fine tuning dei modelli stessi.
Nonostante gli altri servizi non abbiano subito aumenti, è evidente che il successo dell'IA sta mettendo sotto pressione i produttori di hardware, sia di chip sia di memoria, che stanno faticando a tenere il passo con l'enorme richiesta. Portando, di conseguenza, a costi sempre più elevati per gli utenti.
Recensione HONOR Magic V6: spessore record e super batteria. È lui il fold da battere?
Redmi Pad 2 9.7: ampio display, economico e peso contenuto, ma qualche limite nelle prestazioni
Peugeot Polygon Concept: ecco il futuro delle utilitarie_160.jpg)
La serie Galaxy S26 sta andando molto bene: tagliato un nuovo record in Corea del Sud
Il prossimo mid-range di Xiaomi avrà una batteria da 9.000 mAh
Apple Watch SE 3 scende a 229€: prezzo in picchiata per lo smartwatch perfetto per chi ha l'iPhone
9 Commenti
Gli autori dei commenti, e non la redazione, sono responsabili dei contenuti da loro inseriti - infoIo lo avevo detto e stradetto,usano la tecnica degli spacciatori.
Il prossimo passo è renderla obbligatoria,se è vero che vogliono trasformare gli smartphone in oggetti senza un vero sistema operativo e app,con IA limitata e funzioni decenti solo con la connessione al datacenter IA,il cerchio si chiuderà e giù a pagare abbonamenti.....
Quelli che la provano gratis sono gli utenti non professionali, servono a creare hype attorno al prodotto, ma non sono un target. Le aziende che la usano seriamente per lavoro hanno sempre pagato, chi più chi meno.
Il fine tuning dei modelli comunque non ha nulla a che vedere con quello che il 99,9% delle persone e delle aziende fanno con l'AI, cioè l'inferenza.
Il prossimo passo è renderla obbligatoria,se è vero che vogliono trasformare gli smartphone in oggetti senza un vero sistema operativo e app,con IA limitata e funzioni decenti solo con la connessione al datacenter IA,il cerchio si chiuderà e giù a pagare abbonamenti.....
a parte poche persone che ancora non vedono il problema ormai anche esperti ed istituzioni hanno capito che c'è un grosso problema per tutti noi con le IA..
qualche giorno fa c'era un articolo su ANSA che parlava dell'eccessiva dipendenza da IA e dei pericoli ad essi connessi.. ci eravamo arrivati anni fa anche noi ma adesso se ne accorgono (quasi) tutti
E quindi che fai? Hai smesso di usarla?
Cosa ti fa pensare che anche gli altri non si pongano gli stessi problemi valutando di volta in volta le soluzioni più praticabili?
La tecnologia è tutta un trade-off, pensare di essere gli unici svegli sulla piazza di solito rivela l'opposto.
Cosa ti fa pensare che anche gli altri non si pongano gli stessi problemi valutando di volta in volta le soluzioni più praticabili?
La tecnologia è tutta un trade-off, pensare di essere gli unici svegli sulla piazza di solito rivela l'opposto.
la sfrutto finche posso.. ma questo non è che sia piacevole perchè fa capire quanto più precario di prima sia il nostro sistema europeo e quando sarà facile in futuro farci chiudere
soluzioni più praticabili ?.. svendere alla Cina e diventare una loro colonia immagino.. ma a parte questo (che già l'UE sta facendo) non ne vedo altre visto che il treno lo abbiamo perso 40 anni fa..
Il fine tuning dei modelli comunque non ha nulla a che vedere con quello che il 99,9% delle persone e delle aziende fanno con l'AI, cioè l'inferenza.
In realtà anche molte aziende fanno fine tuning, altrimenti i modelli generici col cavolo che li integri in workflow specifici.
Basta definire quante sono "molte". Il fine tuning è costosissimo e non porta il modello a ciò che interessa la maggioranza delle aziende, cioè la conoscenza documentale. Per questa cosa la maggioranza delle aziende fa una RAG, che è molto più leggera e molto più precisa quando si tratta di rispondere a domande sulla conoscenza interna, tipo "quanti contratti citavano il cemento nel 2025?". Eventualmente anche un continued pre-training se lavori in un ambito molto specifico con una terminologia che i modelli già addestrati non conoscono bene, ma probabilmente ha senso se stai usando un modello locale piccolo, perché un modello di frontiera è difficile che abbia un ambito che non conosce, però è possibile, dato che il continued pre-training non richiede quantomeno un grande sforzo umano, solo computazionale.
Il fine tuning invece è "roba da ricchi", richiede tante risorse, tante persone dedicate, tanto tempo per farlo, e se i tuoi documenti intanto crescono nel tempo diventa assolutamente ingestibile.
Il fine tuning invece è "roba da ricchi", richiede tante risorse, tante persone dedicate, tanto tempo per farlo, e se i tuoi documenti intanto crescono nel tempo diventa assolutamente ingestibile.
Ma non è vero, ci sono strumenti tipo Llora in cui addestri il 3% dei parametri di una rete e hai risultati ottimi in molti casi. E poi anche la RAG non è che la fai a razzo di cane eh, devi averne di conoscenze anche lì per implementarla in un workflow aziendale serio, non è che butti roba dentro a caso.
Devi effettuare il login per poter commentare
Se non sei ancora registrato, puoi farlo attraverso questo form.
Se sei già registrato e loggato nel sito, puoi inserire il tuo commento.
Si tenga presente quanto letto nel regolamento, nel rispetto del "quieto vivere".