Per decenni il mondo digitale è sembrato quasi privo di peso fisico. File, immagini, applicazioni e servizi online hanno progressivamente abbandonato supporti materiali e infrastrutture visibili, creando l’impressione di un’economia immateriale. Ogni richiesta inviata a un assistente basato sull’intelligenza artificiale, ogni immagine generata da un modello neurale, ogni documento elaborato nel cloud sembra nascere in uno spazio astratto fatto di algoritmi e dati.
Dietro questa apparente leggerezza esiste però una macchina industriale che richiede energia, territorio, acqua e componenti elettronici. Il simbolo più evidente di questa trasformazione sono i data center, strutture progettate per ospitare migliaia di server che elaborano, archiviano e trasferiscono quantità crescenti di informazioni.
Nel 2024 i data center mondiali hanno consumato circa 415 terawattora (TWh) di elettricità, secondo le stime dell’International Energy Agency (IEA). Il valore rappresenta circa l’1,5% della domanda globale di elettricità, una quota che in termini assoluti è paragonabile al consumo annuale di interi Paesi industrializzati. Secondo lo scenario elaborato dalla stessa agenzia, entro il 2030 il consumo potrebbe superare 900 TWh, sostenuto principalmente dall’espansione dell’intelligenza artificiale generativa e dall’aumento della capacità computazionale richiesta dai nuovi modelli.
Il numero da solo, tuttavia, non racconta ancora il fenomeno. La questione centrale non è soltanto quanta energia utilizzano i data center, ma perché la loro domanda elettrica sta crescendo a una velocità superiore rispetto alla tradizionale espansione dei servizi digitali.
Dai server tradizionali alle GPU: il salto energetico dell’IA
La maggior parte dei servizi informatici utilizzati negli ultimi vent’anni si è basata su processori general purpose, progettati per svolgere un’ampia varietà di operazioni. La crescita dell’intelligenza artificiale ha introdotto un paradigma differente: l’addestramento e l’esecuzione dei modelli neurali richiedono enormi quantità di calcoli paralleli, una caratteristica per cui le GPU (Graphics Processing Unit) si sono dimostrate particolarmente efficienti.
Un singolo sistema di calcolo destinato all’intelligenza artificiale può contenere migliaia di acceleratori specializzati. Le infrastrutture sviluppate per i modelli più avanzati non sono più composte semplicemente da server collegati in rete, ma da veri e propri supercomputer distribuiti.
La differenza emerge osservando la densità energetica dei rack, cioè gli armadi che contengono i server. Un rack tradizionale di un data center può richiedere tra pochi e alcune decine di kilowatt di potenza. Le infrastrutture progettate per l’intelligenza artificiale possono superare i 100 kW per rack, con configurazioni future che puntano verso densità ancora maggiori. Questo cambiamento obbliga i gestori dei data center a ripensare raffreddamento, distribuzione elettrica e progettazione degli edifici.
L’intelligenza artificiale non ha quindi semplicemente aggiunto nuovi server alla rete globale: ha modificato la natura stessa dell’infrastruttura informatica.
Il costo energetico dell’addestramento dei modelli linguistici
L’addestramento di un grande modello linguistico richiede settimane o mesi di elaborazione continua su migliaia di acceleratori. Durante questa fase il sistema deve analizzare enormi quantità di dati e modificare miliardi di parametri matematici fino a raggiungere un comportamento utile.
Le stime sul consumo energetico variano in base all’architettura, all’efficienza dell’hardware e alla quantità di dati utilizzati. Studi condotti da ricercatori indipendenti hanno stimato che l’addestramento di modelli di frontiera può richiedere diversi gigawattora di energia elettrica. Il consumo non deriva soltanto dai chip: una parte significativa è legata ai sistemi ausiliari, come raffreddamento, alimentazione e infrastruttura di rete.
Il parametro utilizzato dagli operatori per misurare questa efficienza è il PUE (Power Usage Effectiveness), un indicatore che confronta l’energia totale assorbita dal data center con quella utilizzata direttamente dai sistemi informatici.
Un PUE pari a 1 indica un’infrastruttura estremamente efficiente, nella quale quasi tutta l’elettricità alimenta i server. I grandi operatori cloud hanno progressivamente ridotto questo valore attraverso sistemi di raffreddamento avanzati, ottimizzazione degli edifici e gestione dinamica dei carichi. Tuttavia, anche con una migliore efficienza infrastrutturale, la crescita della potenza di calcolo può compensare ampiamente i miglioramenti ottenuti. È il cosiddetto effetto rimbalzo: ogni singolo calcolo diventa più efficiente, ma il numero complessivo dei calcoli aumenta più rapidamente.
La nuova geografia dell’energia digitale
La crescita dell’intelligenza artificiale sta modificando anche la distribuzione geografica dei consumi elettrici. I data center tendono a concentrarsi in aree dove sono disponibili connessioni ad alta capacità, energia affidabile e condizioni favorevoli per il raffreddamento. Negli Stati Uniti, la concentrazione di infrastrutture digitali in stati vcome la Virginia settentrionale ha trasformato il settore dei data center in una componente rilevante della domanda elettrica locale. In alcune aree il consumo dei centri dati rappresenta già una quota significativa del carico della rete.
La stessa dinamica si osserva in Europa. La Commissione europea ha identificato il consumo energetico dei data center come un elemento da monitorare nella transizione digitale, soprattutto considerando la crescita prevista dei servizi basati sull’intelligenza artificiale. La disponibilità di elettricità sta diventando quindi un fattore competitivo per l’industria tecnologica. Per costruire nuovi impianti non basta più avere spazio fisico e connessioni in fibra: serve accesso a una rete elettrica capace di fornire grandi quantità di energia in modo stabile.
Il rapporto tra IA e fonti rinnovabili
Molti grandi operatori tecnologici hanno annunciato programmi per aumentare l’utilizzo di energia rinnovabile nei propri data center. Aziende come Google, Microsoft e Amazon hanno sottoscritto accordi per l’acquisto di energia da impianti solari ed eolici o per sviluppare nuovi progetti energetici.
Il dato da considerare, però, non è soltanto la quantità di energia rinnovabile acquistata, ma la disponibilità effettiva di elettricità nel momento in cui serve. I data center operano continuamente, 24 ore su 24, mentre molte fonti rinnovabili producono energia in modo variabile.
Per questo motivo il dibattito tecnico si sta spostando dalla semplice quantità di energia rinnovabile installata alla capacità delle reti di bilanciare produzione e consumo attraverso accumulo, gestione della domanda e nuove infrastrutture di trasmissione. L’intelligenza artificiale non richiede soltanto più energia: richiede un sistema energetico più flessibile.
L’acqua nascosta dietro il calcolo
L’equazione energetica dei data center comprende anche un altro elemento spesso meno considerato: l’acqua. Molti data center utilizzano sistemi di raffreddamento che possono richiedere acqua per dissipare il calore prodotto dai server. Il consumo varia enormemente in base alla tecnologia utilizzata, al clima della zona e alla progettazione dell’impianto.
Uno studio pubblicato dai ricercatori dell’Università della California Riverside ha stimato che l’utilizzo di modelli linguistici di grandi dimensioni può avere un’impronta idrica associata al raffreddamento dei data center e alla produzione dell’elettricità necessaria. Le stime dipendono fortemente dal luogo in cui avviene il calcolo, perché il mix energetico e le tecnologie di raffreddamento influenzano il risultato finale.
Anche in questo caso il numero assoluto deve essere interpretato nel contesto: non esiste un consumo uniforme per ogni richiesta effettuata a un sistema di IA, perché il costo dipende dal modello utilizzato, dall’efficienza del centro dati e dalla provenienza dell’energia.
Il numero che definisce la prossima fase digitale
I 415 TWh consumati oggi dai data center rappresentano soltanto una fotografia temporanea. Il valore più importante è la traiettoria: la crescita dell’intelligenza artificiale sta trasformando il calcolo in una delle principali nuove forme di domanda energetica globale.
Per oltre un secolo l’elettricità ha alimentato industrie fisiche: fabbriche, trasporti, illuminazione, infrastrutture urbane. La nuova fase digitale aggiunge un consumatore diverso: macchine progettate per produrre conoscenza artificiale attraverso miliardi di operazioni matematiche.
Il futuro dell’intelligenza artificiale non dipenderà soltanto dalla qualità degli algoritmi o dalla quantità di dati disponibili. Dipenderà anche dalla capacità di costruire infrastrutture energetiche in grado di sostenere una domanda computazionale in rapida crescita.
Il numero da ricordare non è soltanto 415 TWh. È la trasformazione che quel numero rappresenta: il passaggio da un’economia digitale percepita come immateriale a una nuova industria fisica fondata sull’energia.