EP37 - Unicorn Files - CAST AI: L'unicorno che insegna alle aziende a usarne meno il cluod

Ridurre la spesa cloud del 50% senza trasformare il team SRE in una task force notturna: è la promessa — verificata sul campo — di CAST AI, una delle scale-up più interessanti dell’ecosistema cloud-native.In questa puntata entriamo sotto il cofano della piattaforma che automatizza autoscaling, rightsizing e gestione delle istanze Spot su Kubernetes, e analizziamo perché, nel 2026, CAST AI ha fatto un salto di categoria lanciando OMNI Compute, un marketplace multi-cloud per l’accesso alle GPU.📌 Di cosa parliamoPerché gli autoscaler nativi dei cloud hyperscaler sono spesso conservativi per design (e costosi).L’idea chiave di CAST AI: non ottimizzare VM o nodi, ma usare un agente nel cluster che decide continuamente quale istanza usare, a che prezzo e con quale rischio operativo.Come funziona l’orchestrazione Spot con fallback automatico su On-Demand, senza rompere gli SLO.I numeri pubblici: oltre 2.100 organizzazioni clienti, una Serie C da $108M (aprile 2025) e una valutazione oltre $1 miliardo a gennaio 2026.I risparmi reali: ~50% sulla spesa Kubernetes, con picchi superiori in workload R&D e ambienti non-prod.🚀 Dal cost-killing alla GPU economyLa seconda parte della puntata è dedicata a OMNI Compute, il passo strategico con cui CAST AI prova a risolvere uno dei colli di bottiglia dell’AI moderna: la scarsità e frammentazione delle GPU.L’idea è ambiziosa: rendere la capacità GPU fungibile tra cloud diversi, instradando training e inferenza dove c’è disponibilità e convenienza, senza costringere i team a riscrivere codice o cambiare stack. Un cambio di GTM che sposta CAST AI:da strumento FinOps,a layer infrastrutturale per l’AI workload-aware.📊 Perché è interessante (anche se non usi CAST AI)Mostra perché il semplice monitoring dei costi non basta: il vero risparmio arriva solo con automazione closed-loop.Offre un playbook replicabile per land-and-expand sui cluster Kubernetes.Anticipa come potrebbe evolvere il mercato: cloud come pool di capacità, non come vendor lock-in.⚠️ Rischi e attenzioneParliamo anche di limiti e trade-off: dipendenze dai permessi cluster, gestione della telemetria, temi di data residency UE, e le sfide regolatorie legate alle GPU (licensing, export, compliance).🎯 Per chi è questa puntataPlatform engineer, SRE, FinOps, CTO e team AI che vogliono capire:come ridurre davvero il cloud bill,e perché la prossima battaglia non sarà solo sul costo… ma sull’accesso alla capacità computazionale.