L’hardware ha smesso di scalare, il software no: la scommessa di DataBrush contro i grandi gestionali

In una nuova intervista pubblicata sul canale B2B Labs di Tom’s Hardware, Davide Canali, Luca De Martini e Alessandro Margara di DataBrush spiegano che il software enterprise oggi paga il conto di trent’anni di crescita facile dell’hardware, e raccontano come una startup nata dal Politecnico di Milano provi a riscrivere le regole partendo dalla ricerca degli ultimi dieci anni invece che dalle basi tecnologiche dei grandi gestionali.

DataBrush è una spin-off ufficiale del Politecnico di Milano del 2025, con sede operativa all’incubatore ComoNExT di Lomazzo (Como), uno dei poli di innovazione certificati dal MIMIT. Il suo prodotto principale è Renoir, framework open source per l’analisi dati il cui acronimo dice già la postura tecnica: Reactive Network of Operators In Rust. Davide Canali è ingegnere con dottorato di ricerca e ruolo operativo nella conduzione della startup, Luca De Martini guida lo sviluppo tecnico del framework e Alessandro Margara è professore associato al DEIB del Politecnico di Milano, dove studia da anni event stream processing e sistemi distribuiti: il bagaglio accademico che fa da spina dorsale al progetto.

La conversazione su B2B Labs parte da una crisi di efficienza che le imprese vedono ogni mese in bolletta cloud. Per decenni i grandi vendor di software gestionale si sono potuti permettere applicazioni pesanti perché ogni 18 mesi l’hardware raddoppiava la potenza disponibile. Quella corsa si è esaurita: l’industria dei chip non scala più al ritmo della domanda di calcolo, come Nvidia ha messo nero su bianco proponendo la “legge di Huang” al posto di quella di Moore. La domanda di analisi dati, intanto, continua a crescere.

L’hardware è contro il muro, il software ancora no

Il cliente finale paga il conto sotto forma di costi cloud che esplodono e workload che migrano avanti e indietro tra public cloud e on-premise. I listini cloud sono attesi in rialzo del 5-10% entro fine 2026, mentre la spinta a governance FinOps e a forme di repatriation è ormai una voce permanente nei consigli di amministrazione. Conta quanto compute serve per fare qualcosa che, scritto meglio, ne richiederebbe la metà o un decimo.

Margara, Canali e De Martini formulano una tesi durissima da realizzare: i grandi gestionali sono intrappolati nella propria base tecnologica. SAP, Oracle, Microsoft e Salesforce hanno stack costruiti decenni fa, su scelte di linguaggi, runtime e architetture che oggi nessuno rifarebbe. Sostituirli significa riscrivere milioni di righe di codice e centinaia di integrazioni cliente. Una startup che parte oggi non ha quella zavorra, e può attingere a ricerche di efficienza degli ultimi cinque-dieci anni che il mainstream non ha ancora industrializzato.

Tre filoni arrivano a maturità nello stesso momento e si compongono bene. Rust come linguaggio di sistema elimina intere classi di bug e di overhead: lo stesso motivo per cui Microsoft ha deciso di riscrivere parte del proprio codebase in Rust entro il 2030. Il paradigma dataflow streaming permette di trattare dato in movimento e dato fermo con la stessa astrazione. Il modello di operatori reattivi, infine, poggia su una lunga produzione accademica del gruppo del Politecnico di Milano.

Astrazione e Rust, la scommessa di Renoir contro i grandi gestionali

Renoir sintetizza questi tre filoni in un prodotto. Sul piano tecnico, il framework converte ogni job in un grafo di operatori raggruppati in blocchi che processano i dati senza ripartizionarli inutilmente, una scelta architetturale documentata in un paper pubblicato su Future Generation Computer Systems nel 2024. Sul piano della developer experience, espone un’interfaccia di programmazione vicina a quella di Apache Flink, lo standard di fatto dello stream processing, ma con caratteristiche prestazionali che la stessa documentazione descrive come “significativamente migliori”.

Nella conversazione su B2B Labs, gli intervistati insistono su un concetto che rischia di passare in secondo piano davanti alla parola Rust: l’astrazione è la vera leva industriale. Senza un livello di astrazione adeguato, lo sviluppatore deve gestire allocazioni, serializzazione, parallelismo e tolleranza ai guasti a mano. Codice così efficiente costa così tanto da scrivere e mantenere che nessuna azienda lo realizza, e si torna a piattaforme pesanti vendute chiavi in mano. È la stessa dinamica che decenni fa ha trasformato i database relazionali in commodity: SQL ha nascosto la complessità del motore di esecuzione, e il software gestionale ha potuto smettere di occuparsene.

Renoir punta a ricostruire lo stesso patto per l’analisi dati in streaming, dove oggi convivono Spark, Flink, Kafka Streams e una collezione di motori specializzati che richiedono profili tecnici molto verticali. Il framework ha già vinto un premio prestazionale alla conferenza DEBS 2022 dell’ACM per throughput e latenza, e in alcuni benchmark interni di DataBrush raggiunge o supera implementazioni custom in linguaggi a basso livello. Al cliente enterprise promette meno hardware per gli stessi carichi e meno tempo di sviluppo per costruire le pipeline.

Open source come pre-requisito anti lock-in

Renoir nasce open source, ospitato sul repository deib-polimi/renoir di GitHub, e DataBrush costruisce il proprio modello di business attorno a licenze d’uso, integrazione, supporto tecnico e personalizzazione. La scelta risponde a una pressione tattica del mercato: chi valuta un nuovo stack di dati ha imparato sulla propria pelle quanto costi essere bloccati dentro un fornitore proprietario. La traiettoria di VMware sotto Broadcom ha trasformato il rischio lock-in da problema teorico a voce di bilancio, e ha riportato Proxmox e OpenStack al centro delle scelte infrastrutturali dei service provider europei.

Sull’analisi dati la dinamica si ripete. Una piattaforma open source con licenza permissiva permette al cliente di portarsi via il framework, di forkarlo, di ricompilarlo su hardware diverso e di rinegoziare il contratto con il fornitore commerciale ogni volta che le condizioni cambiano. Chi sceglie oggi un’infrastruttura analitica destinata a vivere dieci anni trova qui una garanzia molto più solida di qualsiasi clausola contrattuale. Nello stesso senso vanno le riflessioni che da mesi attraversano l’industria europea sul cloud sovrano e sulla resilienza dello stack software.

Cosa cambia per chi sceglie un fornitore enterprise

Il caso DataBrush conta meno per il prodotto specifico e più per il segnale di contesto. L’efficienza torna a essere un criterio di selezione del software, non un dettaglio implementativo. Per anni le gare si sono concentrate su funzionalità, integrazioni, compliance e supporto, dando per scontato che le risorse computazionali fossero un fattore secondario gestibile a colpi di scaling cloud. La bolletta dei token degli LLM e i conti di chiusura dei progetti AI hanno reso evidente che quel modello sta lasciando il posto a un’altra logica: contare il consumo, valutare il throughput per euro, scegliere stack che facciano lo stesso lavoro con meno macchine.

Una startup italiana che parte dal Politecnico di Milano e si installa in un incubatore lombardo gioca una partita di nicchia ma significativa. Non sostituirà SAP nel breve, e nessuno glielo chiede. Può però diventare il backend analitico di prodotti di terze parti, di vendor verticali, di system integrator che hanno bisogno di muovere dati in tempo reale senza far esplodere i costi. È la traiettoria classica dei framework open source che attraversano il valico tra accademia e industria: prima rete di adottatori specializzati, poi penetrazione orizzontale.

Le grandi piattaforme enterprise vivono di rendita su un patto implicito con il cliente: funzionalità ampie in cambio di costi opachi e architetture pesanti, sostenibile finché l’hardware copriva l’inefficienza. Quel patto si sta rompendo, e la pressione sui costi non viene più solo dai CFO ma dalla fisica dei chip. Chi oggi vende software enterprise dovrà spiegare cosa fa per ridurre il consumo computazionale per unità di valore prodotto, non per crescerlo in linea con la propria roadmap di licenze.

Conviene guardare con attenzione ai nuovi entranti che fanno dell’efficienza un argomento di vendita verificabile: benchmark riproducibili, codice ispezionabile, costo per query come metrica contrattuale. Conviene anche chiedere ai fornitori storici un piano credibile di rinnovamento dello stack tecnologico, perché la pressione sui margini hardware è strutturale e non passerà con un trimestre di IA generativa in più. Renoir è uno dei segnali in arrivo da quel fronte, e non sarà l’ultimo.