Tesla si prepara a muovere un passo inatteso nell’infrastruttura per l’intelligenza artificiale. La società ha depositato negli Stati Uniti una domanda di marchio per Megapod, nome associato a un sistema hardware modulare pensato per carichi di lavoro AI. Il dato più rilevante è che la registrazione non descrive un singolo componente, ma un insieme completo e autonomo: server, hardware per l’elaborazione AI, networking, distribuzione elettrica e raffreddamento.
La domanda, identificata dal numero seriale 99893717 presso lo USPTO, è stata presentata come intent-to-use, cioè per un prodotto non ancora lanciato sul mercato. La formulazione è più dettagliata del consueto per un deposito di marchio e indica sistemi modulari per data center AI, piattaforme integrate vendute come unità singola e software scaricabile per monitorare, gestire e ottimizzare queste installazioni.
In termini industriali, l’idea è quella di un building block chiavi in mano per data center AI: non una batteria, non un chip isolato, ma una struttura che integra calcolo, alimentazione, rete e raffreddamento. È una traiettoria coerente con la domanda crescente di infrastrutture per training e inferenza, ma porta Tesla in un territorio dove il vantaggio competitivo non è scontato e dove la capacità di esecuzione conta almeno quanto il marchio.
Il riferimento competitivo è già molto forte. Nvidia presidia oggi il mercato con soluzioni rack-scale come GB200 NVL72, un sistema raffreddato a liquido con 72 GPU Blackwell e 36 CPU Grace, progettato per comportarsi come una grande unità di calcolo. La linea DGX SuperPOD permette poi di aggregare questi rack in cluster che superano le 9.000 GPU. Anche Dell e Supermicro propongono sistemi basati sulla stessa piattaforma, segno che l’ecosistema è già strutturato attorno all’hardware Nvidia.
Per Tesla il nodo è evidente: l’azienda non dispone di un’attività consolidata nella vendita di hardware di calcolo a terzi. Il suo cluster AI interno, Cortex alla Gigafactory Texas, utilizza circa 67.000 GPU equivalenti Nvidia H100. Questo la colloca, almeno oggi, più come cliente dell’ecosistema Nvidia che come alternativa credibile nel mercato merchant dei sistemi AI.
Anche la storia recente dell’hardware AI proprietario resta complessa. Tesla ha chiuso Dojo nell’agosto 2025, dopo l’uscita di parte del team, con Elon Musk che ha definito il progetto Dojo 2 un “vicolo cieco evolutivo”. L’azienda ha poi spostato l’attenzione sui chip AI5 e AI6, ma il primo è arrivato al tape-out con quasi due anni di ritardo e il secondo avrebbe subito uno slittamento di circa sei mesi, con la produzione di massa spinta verso la fine del 2027.
C’è inoltre una questione di nome. Nel settore del raffreddamento a immersione, Submer vende già un prodotto chiamato MegaPod, un data center prefabbricato da 40 piedi con capacità fino a 800 kW e PUE pari a 1,03. Il marchio Tesla è depositato in una classe diversa, legata all’hardware informatico, ma il terreno non appare privo di possibili frizioni. A questo si aggiunge un marchio MEGAPOD registrato da Mitsubishi Electric Power Products nella classe 009 e indicato come ancora attivo.
La parte più credibile della strategia, per ora, riguarda l’energia più che il calcolo. Tesla ha già un’attività concreta nelle batterie, nell’elettronica di potenza e nella gestione termica. Un Megapod costruito attorno a enclosure, alimentazione e raffreddamento per siti AI sarebbe quindi adiacente a competenze reali. Un sistema che provasse invece a competere direttamente con server progettati da Tesla contro l’ecosistema Nvidia richiederebbe una prova industriale che al momento non esiste.
Il contesto finanziario rende il deposito ancora più interessante. Mentre l’ondata delle infrastrutture AI ha rivalutato molte grandi società tecnologiche statunitensi, TSLA non ne ha beneficiato nello stesso modo ed è indicata tra le peggiori performance del gruppo nel 2026, con un calo superiore al 20% da inizio anno. Megapod potrebbe dunque essere letto come un tentativo di collegare Tesla al ciclo degli investimenti AI. Ma, al momento, resta un nome in un registro: la differenza la farà l’eventuale prodotto, e soprattutto il perimetro reale tra energia, raffreddamento e calcolo.