- INFO POINT
- Di Aurelio Coppi
- Dietro una risposta c’è una fabbrica
- Quasi mille TWh
- Non tutte le domande pesano uguale
- Il paradosso dell’efficienza
- La rete è il vero collo
- Il problema è locale
- Anche l’Europa accelera
- Da dove arriva l’elettricità?
- L’AI beve acqua
- Risparmiare acqua può costare energia
- Il calore può tornare utile
- Possono aiutare la rete?
- L’AI può risparmiare energia
- La fame può essere governata
Data center, reti e acqua: l’intelligenza artificiale cresce, ma il suo appetito energetico diventa fisico
L’intelligenza artificiale sembra immateriale. Scriviamo una domanda, attendiamo qualche secondo e sullo schermo appare una risposta. Dietro quel gesto esistono però edifici grandi come fabbriche, migliaia di processori, trasformatori, batterie, sistemi di raffreddamento e linee elettriche. L’AI sta trasformando il calcolo in una nuova industria energivora e la velocità con cui cresce comincia a scontrarsi con i tempi molto più lenti delle infrastrutture.
Il nuovo rapporto Powering Artificial Intelligence, pubblicato dall’Agenzia internazionale dell’energia il 14 ottobre 2026, fotografa questo incontro tra mondo digitale e mondo fisico. I data center rappresentano ancora una quota limitata dei consumi elettrici mondiali, ma la loro domanda aumenta rapidamente e soprattutto si concentra in pochi luoghi. Il problema, quindi, non è soltanto quanta energia utilizzerà l’AI. È capire dove troveremo quella potenza, quando servirà e chi costruirà le reti necessarie per portargliela.
Dietro una risposta c’è una fabbrica
Un data center è una grande infrastruttura industriale del calcolo. Al suo interno file di rack ospitano server, sistemi di memoria, apparati di rete e acceleratori specializzati come le GPU utilizzate per addestrare e far funzionare i modelli di intelligenza artificiale. Nei data center moderni i server possono rappresentare mediamente circa il 60% del consumo elettrico, mentre il resto serve a raffreddamento, distribuzione dell’energia, sistemi di continuità e altre apparecchiature. Con l’AI la densità energetica sta però aumentando rapidamente. Secondo l’IEA, tra il 2020 e il 2025 la potenza concentrata nei server dedicati all’intelligenza artificiale è cresciuta di circa undici volte e potrebbe quadruplicare ancora entro il 2027. Un singolo rack avanzato, grande più o meno come un frigorifero, potrebbe allora raggiungere una domanda di picco paragonabile a quella di 65 abitazioni. Il cloud, insomma, ha bisogno di trasformatori molto reali.
Quasi mille TWh
Nel 2025 i data center mondiali hanno consumato circa 485 TWh di elettricità. La previsione centrale dell’IEA li porta a circa 950 TWh nel 2030, quasi il doppio in cinque anni e circa il 3% della domanda elettrica globale prevista. I soli centri focalizzati sull’intelligenza artificiale potrebbero triplicare i propri consumi nello stesso periodo. Nel 2025 la domanda elettrica complessiva dei data center è già aumentata del 17%, mentre quella delle strutture maggiormente dedicate all’AI è cresciuta di circa il 50%. Sono numeri grandi, ma vanno interpretati correttamente: persino nel 2030 la maggior parte dell’elettricità mondiale continuerà a essere consumata altrove. Il problema particolare dei data center è la velocità e la concentrazione della nuova domanda. Una fabbrica tradizionale può richiedere decine di megawatt; alcuni nuovi campus digitali puntano verso centinaia di megawatt o addirittura gigawatt concentrati nello stesso punto della rete.
Non tutte le domande pesano uguale
Calcolare quanta energia consuma “una domanda all’AI” è molto più difficile di quanto suggeriscano molte stime circolate negli ultimi anni. Il consumo cambia con modello, hardware, lunghezza dell’input e della risposta, numero di operazioni interne e livello di utilizzo dei server. L’IEA rileva inoltre che l’efficienza energetica per singola attività è migliorata a una velocità eccezionale: negli ultimi anni l’energia richiesta da uno stesso tipo di compito sarebbe diminuita di almeno un ordine di grandezza ogni anno. Una semplice richiesta testuale può quindi consumare relativamente poco. Ma contemporaneamente stanno crescendo applicazioni molto più intensive, come generazione video, modelli di ragionamento e agenti AI capaci di eseguire lunghe sequenze di operazioni. Questi compiti possono utilizzare centinaia o migliaia di volte più energia di una semplice generazione di testo. Chiedere “quanto consuma un prompt?” rischia quindi di assomigliare a chiedere quanto carburante consuma “un viaggio”, senza sapere distanza e veicolo.
Il paradosso dell’efficienza
Processori migliori, modelli più piccoli e software ottimizzato possono ridurre drasticamente l’energia necessaria per ogni operazione. Ma questo non garantisce che il consumo complessivo diminuisca. È una versione moderna del paradosso di Jevons: quando un servizio diventa più efficiente e meno costoso può essere utilizzato così tanto di più da far crescere comunque il consumo totale. È esattamente la tensione che l’IEA osserva nell’AI. Ogni generazione di hardware produce più calcoli per watt, mentre il numero di utenti, modelli e applicazioni aumenta ancora più velocemente. Inoltre una maggiore efficienza rende economicamente possibili funzioni che prima sarebbero state troppo costose. L’AI può quindi diventare contemporaneamente molto più efficiente e molto più energivora. Non c’è contraddizione: il primo dato riguarda il singolo calcolo, il secondo la quantità di calcoli che decidiamo di effettuare.
La rete è il vero collo
Costruire un data center può richiedere due o tre anni. Realizzare nuove linee elettriche, sottostazioni, trasformatori e centrali può richiederne molti di più. È qui che la crescita digitale incontra uno dei suoi limiti fisici. Il rapporto IEA del 2026 mostra che numerosi gestori di rete stanno ricevendo richieste di connessione la cui potenza complessiva supera persino i picchi di domanda attuali dei territori interessati. Non tutte diventeranno progetti reali: alcune richieste sono speculative o duplicate, perché gli sviluppatori prenotano capacità in più località. Ma il gestore deve comunque capire quanta infrastruttura costruire. Sovrastimare significa rischiare reti inutilizzate; sottostimare può bloccare nuovi impianti. La questione è diventata tanto rilevante che quasi il 40% delle politiche mondiali censite dall’IEA sull’integrazione dei data center è stato introdotto soltanto negli ultimi dodici mesi.
Il problema è locale
A livello planetario, il 3% della domanda elettrica può apparire gestibile. A livello locale, un data center da centinaia di megawatt può cambiare completamente il bilancio di una rete. È questa differenza di scala che rende ingannevoli molte discussioni. Un veicolo elettrico aggiunge pochi kilowatt di domanda distribuiti tra milioni di punti. Un grande centro AI concentra invece potenze industriali nello stesso luogo e richiede una continuità di alimentazione estremamente elevata. L’IEA sottolinea che negli Stati Uniti i data center potrebbero rappresentare quasi metà dell’aumento della domanda elettrica fino al 2030. Situazioni analoghe stanno emergendo in alcuni hub europei e asiatici. La disponibilità di una connessione elettrica è diventata quindi uno dei fattori che determinano dove viene costruita l’intelligenza artificiale. La geografia digitale comincia a seguire la geografia dell’energia.
Anche l’Europa accelera
L’Unione europea vuole aumentare rapidamente la propria capacità di calcolo per ridurre la dipendenza tecnologica dall’estero e punta a triplicare la capacità dei data center nei prossimi anni. Nel 2024 queste infrastrutture hanno consumato nell’UE circa 68 TWh di elettricità; le proiezioni indicano circa 114-115 TWh entro il 2030, oltre il 3% della domanda elettrica europea.
La Commissione ha quindi iniziato a costruire un sistema comune di valutazione che considera efficienza energetica, consumo d’acqua, utilizzo di energia a basse emissioni, recupero del calore e flessibilità verso la rete. Dal settembre 2026 è inoltre aperto il percorso verso possibili standard minimi di prestazione. La sfida europea è evidente: aumentare contemporaneamente sovranità digitale e decarbonizzazione significa far crescere il calcolo senza costringere il sistema elettrico a inseguirlo con nuove fonti fossili.
Da dove arriva l’elettricità?
Un processore non distingue un elettrone prodotto dal Sole da uno prodotto dal carbone. L’impronta climatica dell’AI dipende quindi in larga parte dal sistema elettrico al quale è collegata. Nel 2024, secondo l’IEA, il carbone forniva ancora circa il 30% dell’elettricità utilizzata globalmente dai data center, le rinnovabili circa il 27%, il gas naturale il 26% e il nucleare il 15%. Nei prossimi anni quasi metà dell’aumento della domanda potrebbe essere coperto dalle rinnovabili, ma gas e carbone continueranno a contribuire, soprattutto dove la crescita dei data center procede più rapidamente delle reti e della nuova generazione pulita. I centri dati sono oggi associati a circa 150 milioni di tonnellate di CO2 dovute al consumo elettrico; nello scenario centrale IEA potrebbero arrivare a circa 350 milioni nel 2035. Anche allora rappresenterebbero però una quota relativamente limitata delle emissioni energetiche globali. Il problema non è che l’AI diventerà da sola il nuovo petrolio, ma che una nuova domanda molto rapida può rallentare la decarbonizzazione locale se arriva prima dell’offerta pulita.
L’AI beve acqua
L’elettricità non è l’unica risorsa. I processori trasformano quasi tutta l’energia che ricevono in calore e quel calore deve essere rimosso. Alcuni sistemi utilizzano raffreddamento ad aria, altri circuiti liquidi o torri evaporative che consumano acqua. A questo consumo diretto si aggiunge quello indiretto utilizzato per produrre l’elettricità. È per questo che dichiarazioni come “una domanda all’AI consuma un bicchiere d’acqua” sono poco affidabili se isolate dal contesto. Una ricerca del Lawrence Berkeley National Laboratory ha trovato differenze superiori a 10.000 volte nel consumo d’acqua associato ai diversi carichi di lavoro, combinando efficienza dei server, sistema di raffreddamento, clima locale e mix elettrico. Non esiste quindi un'unica impronta idrica dell’AI. Un dato è però significativo: secondo l’IEA circa il 40% della capacità dei data center dedicati all’AI identificata nel mondo si trova in aree caratterizzate da stress idrico elevato o molto elevato
Risparmiare acqua può costare energia
Anche le soluzioni presentano compromessi. Un sistema evaporativo può essere molto efficiente dal punto di vista elettrico, ma consumare più acqua; un raffreddamento completamente a secco può risparmiare acqua richiedendo maggiore energia. L’IEA invita quindi a evitare indicatori isolati: minimizzare soltanto i litri utilizzati può aumentare i kWh, mentre ridurre al massimo i kWh può aumentare il consumo idrico. Conta anche il luogo. Usare acqua in una regione molto piovosa non ha lo stesso significato che farlo durante una siccità in un bacino già sovrasfruttato. La ricerca di Berkeley mostra inoltre che una parte importante dell’impronta idrica avviene a monte, nelle centrali che producono elettricità. Rendere sostenibile un data center significa quindi ottimizzare insieme energia, acqua, localizzazione e tecnologia di raffreddamento. La metrica perfetta non esiste.
Il calore può tornare utile
Quasi tutta l’elettricità utilizzata dai server finisce infine sotto forma di calore a bassa temperatura. Normalmente viene disperso nell’ambiente, ma in alcune condizioni può essere recuperato. Se il data center si trova vicino a una rete di teleriscaldamento, serre, impianti industriali o edifici con domanda termica costante, pompe di calore possono innalzarne la temperatura e trasformare uno scarto in una risorsa. L’Europa considera proprio il recupero del calore uno degli indicatori con cui valutare i nuovi centri dati. La soluzione non è però universale: trasportare calore su grandi distanze è inefficiente e la possibilità di riutilizzarlo dipende dalla temperatura disponibile e dalla presenza di utilizzatori vicini. Anche qui ritorna quindi il tema della localizzazione: un data center progettato come oggetto isolato può semplicemente consumare energia; inserito in un sistema urbano o industriale può invece diventare parte di una rete energetica più ampia.
Possono aiutare la rete?
Un grande centro di calcolo potrebbe diventare qualcosa di diverso da un consumatore passivo. Batterie, gruppi di continuità e alcuni carichi informatici possono teoricamente essere gestiti in modo flessibile: aumentare il consumo quando c’è abbondanza di energia rinnovabile e ridurlo durante le ore critiche. Secondo l’IEA, connessioni elettriche flessibili potrebbero liberare globalmente 750-900 GW di capacità di rete altrimenti inutilizzabile durante gran parte dell’anno. Ma spostare il calcolo non è sempre semplice. Un servizio digitale deve rispondere quando l’utente lo richiede e la capacità AI ha un valore economico elevatissimo. Spegnere server costosi per aiutare la rete può quindi essere molto meno conveniente che modulare una pompa industriale o una batteria. Esistono però attività differibili, come parte dell’addestramento dei modelli, che potrebbero seguire maggiormente la disponibilità energetica. La futura infrastruttura AI potrebbe imparare non soltanto quanto calcolare, ma quando farlo.
L’AI può risparmiare energia
C’è infine l’altro lato dell’equazione. L’intelligenza artificiale consuma energia, ma può anche aiutare a risparmiarla. Algoritmi di previsione possono gestire meglio reti elettriche, domanda, produzione e manutenzione. Sistemi di controllo possono ottimizzare edifici e processi industriali, individuare guasti o ridurre sprechi. L’IEA stima che applicazioni AI già documentate potrebbero contribuire a risparmiare entro il 2035 più di 13 EJ di energia, circa il 3% dell’attuale consumo finale mondiale, se riuscissero a diffondersi su larga scala. Nelle industrie energivore l’ottimizzazione potrebbe ridurre i costi energetici di alcuni punti percentuali. Ma anche questo potenziale non è automatico: servono sensori, dati, competenze digitali e infrastrutture sulle quali far funzionare gli algoritmi. L’AI può quindi contemporaneamente aumentare la domanda elettrica del settore digitale e ridurre quella di altri settori. Stabilire il suo bilancio netto richiederà molto più di contare i server.
La fame può essere governata
La domanda decisiva non è quindi se l’intelligenza artificiale “consumi troppo”. Qualsiasi tecnologia utilizzata da miliardi di persone consuma risorse. La domanda è quale valore otteniamo per ogni kWh, per ogni litro d’acqua e per ogni infrastruttura costruita, e chi sostiene i costi necessari per renderli disponibili.
In pochi anni l’AI ha trasformato la capacità di calcolo da questione quasi invisibile a problema di pianificazione energetica. Governi e gestori devono ora decidere dove collocare centri dati, quali progetti collegare per primi, chi finanzia le nuove reti e quali standard imporre su acqua ed efficienza. Allo stesso tempo le aziende tecnologiche devono scegliere se inseguire soltanto più potenza o rendere il calcolo sufficientemente flessibile da convivere con il sistema energetico.
La vera novità potrebbe essere proprio questa. Per molto tempo abbiamo immaginato Internet come un luogo senza peso. L’intelligenza artificiale sta mostrando il contrario: il digitale ha bisogno di terra, rame, acqua, trasformatori e centrali elettriche.
L’AI può sembrare una mente. Ma, per funzionare, ha un corpo. E quel corpo ha fame.
