Tag: Energia

  • Il peggio deve ancora arrivare

    Il peggio deve ancora arrivare

    Il prossimo collo di bottiglia dell’intelligenza artificiale potrebbe non essere un chip. Potrebbe essere l’acqua necessaria per tenere accesi data center e centrali nucleari ed elettriche.

    Quello che sta succedendo in queste settimane non è un incidente isolato. Centrali nucleari spente o fortemente ridotte lungo il Danubio (Cernavoda in Romania, Paks in Ungheria), reattori fermati in Francia sulla Mosa e sulla Mosella, riduzione di potenza a Krško sul Sava. Motivo ricorrente: livelli e portate dei fiumi troppo bassi per garantire il raffreddamento in sicurezza e nel rispetto dei limiti ambientali. Non è un problema di sicurezza nucleare in senso stretto, ma di disponibilità fisica dell’acqua. 

    Lo stesso fiume e gli stessi corsi d’acqua che per decenni hanno reso possibile una produzione baseload stabile e a basse emissioni diventano un collo di bottiglia quando la siccità prolungata e le ondate di calore si combinano.

    Il contesto geopolitico non aiuta

    Questa vulnerabilità climatica si inserisce in un quadro energetico già stressato dai conflitti. 
    La guerra in Ucraina ha interrotto o ridotto drasticamente le forniture russe di gas e di alcuni prodotti raffinati. Nel 2026 la crisi nello Stretto di Hormuz (conseguenza del conflitto USA-Israele-Iran) ha creato uno shock ancora più ampio su petrolio e LNG, con effetti a catena su prezzi, scorte europee e stabilità delle reti elettriche. L’Europa arriva all’estate e all’autunno con magazzini di gas più bassi del necessario e con una dipendenza residua da fonti volatili. 

    Risultato: una rete che deve contemporaneamente gestire picchi di domanda estivi (condizionamento), riduzioni di produzione idroelettrica e nucleare per motivi idrici, e tensioni sulle forniture fossili.

    Data center e IA: la domanda che non si ferma

    Su questo quadro già fragile si innesta la crescita esponenziale dei data center e dell’intelligenza artificiale. 
    Secondo stime ONU e analisi recenti, i data center globali consumavano già nel 2025 centinaia di terawattora di elettricità (più di interi paesi) e miliardi di litri d’acqua, sia direttamente per il raffreddamento sia indirettamente attraverso la generazione elettrica che li alimenta. Le proiezioni al 2030 parlano di un raddoppio o più, con l’IA che rappresenta una quota crescente di quella domanda. 

    Molti nuovi impianti stanno sorgendo proprio in zone già soggette a stress idrico. Il raffreddamento evaporativo è efficiente energeticamente ma assetato; le alternative a circuito chiuso o ad aria riducono il consumo d’acqua ma aumentano quello elettrico. In entrambi i casi, il sistema diventa più sensibile proprio nei momenti in cui l’acqua e l’energia sono scarseggianti. 

    La convergenza dei rischi

    Mettete insieme i pezzi: 
    – Nucleare (e in parte idroelettrico) vulnerabile a siccità e temperature elevate. 
    – Fossili destabilizzati da conflitti e interruzioni di supply chain. 
    – Domanda di data center e AI che cresce a ritmi che i piani energetici nazionali faticano a seguire.

    Non stiamo parlando di uno “scenario da catastrofisti”, ma di una collisione di trend già in corso. Se una regione perde contemporaneamente capacità nucleare per motivi idrici e capacità termica per problemi di combustibile o prezzi, mentre i data center continuano a richiedere potenza costante e acqua per il raffreddamento, i margini di sicurezza del sistema si assottigliano. E le tensioni locali sull’uso dell’acqua (agricoltura, potabile, industria, energia, data center) diventano politiche e sociali, non solo tecniche. 

    Cosa implica tutto ciò

    Serve una riflessione meno ideologica e più sistemica. 
    L’energia low-carbon non è immune agli effetti del clima. La digitalizzazione e l’IA non sono “immateriali”: hanno un’impronta fisica enorme su elettricità e acqua. I conflitti non sono solo notizie geopolitiche: ridisegnano in tempo reale la disponibilità e il prezzo delle fonti. 

    Pianificazione integrata di energia, acqua e digitale; siting più attento dei data center; investimenti in raffreddamento a basso impatto idrico e in capacità flessibile; accelerazione delle rinnovabili con storage e di soluzioni nucleari meno dipendenti dai fiumi (dove sensato e fattibile). Non esistono scorciatoie, ma esistono scelte che riducono o aumentano l’esposizione a questi rischi multipli. 

    Ignorare la convergenza tra crisi idrica, shock geopolitici e boom della domanda digitale sarebbe miope. Prenderla sul serio è semplicemente realismo.

  • Eni e Khazna puntano a 1 GW di data center per l’IA in Italia

    Eni e Khazna puntano a 1 GW di data center per l’IA in Italia

    La Commissione europea ha dato il via libera alla joint venture tra Eni e Khazna Data Center Holdings per sviluppare e gestire in Italia infrastrutture digitali con una capacità IT complessiva prevista fino a 1 Gigawatt.

    Il primo progetto è l’AI Data Center Campus di Ferrera Erbognone, in Lombardia, progettato per raggiungere 500 MW e supportare carichi di lavoro di high-performance computing e intelligenza artificiale.

    Eni dovrebbe alimentare il campus con la propria “Blue Power”, elettricità prodotta da una nuova centrale a gas naturale ad alta efficienza e associata a sistemi di cattura della CO₂, destinata all’hub CCS di Ravenna. L’operazione mette in evidenza uno dei vincoli strategici della corsa all’IA: garantire grandi quantità di energia affidabile e competitiva ai data center hyperscale.

    Per Eni, la partnership con Khazna rappresenta inoltre un’espansione del proprio ruolo nella filiera dell’AI, collegando infrastrutture energetiche, decarbonizzazione e capacità di calcolo.


    Link alla fonte:
    https://www.msn.com/it-it/money/generale/eni-khazna-l-energia-italiana-accende-i-data-center-dell-ia/ar-AA29NCws?ocid=nl_article_link

  • Google ammette che la crescita dell’AI mette sotto pressione gli obiettivi climatici

    Google ammette che la crescita dell’AI mette sotto pressione gli obiettivi climatici

    Nel suo Environmental Report 2025, Google riconosce che la rapida espansione dell’intelligenza artificiale e dei data center necessari a supportare servizi come Gemini, Search, YouTube e Google Cloud sta facendo aumentare in modo significativo il consumo di energia.

    L’azienda segnala un incremento del 37% della domanda elettrica nel 2025 e un aumento complessivo del 18% delle emissioni di gas serra, dovuto soprattutto alla produzione dell’hardware per l’AI, pur evidenziando miglioramenti nell’efficienza energetica e un maggiore ricorso alle fonti rinnovabili.

    Google sostiene inoltre che le proprie soluzioni di intelligenza artificiale abbiano contribuito a evitare milioni di tonnellate di emissioni di CO₂ per clienti e organizzazioni, ma ammette che il raggiungimento degli obiettivi di neutralità climatica entro il 2030 è oggi più complesso.

    Il report mette in luce una delle principali sfide del settore tecnologico: conciliare la rapida crescita dell’AI con la sostenibilità ambientale e la decarbonizzazione delle infrastrutture digitali.


    Link alla fonte:
    https://www.hwupgrade.it/news/web/google-ammette-il-problema-la-corsa-all-ia-sta-complicando-gli-obiettivi-climatici_155750.html

  • L’AI ha ancora fame. E non si accontenta

    Il collo di bottiglia che nessuno vuole ammettere: la potenza di calcolo cresce più veloce dell’infrastruttura che dovrebbe sostenerla. Dati, tensioni e qualche previsione inquietante per il 2026-2028.


    Il paradosso della macchina che “si mangia l’elettricità”

    C’è qualcosa di quasi poetico — o forse tragicomico, dipende da quanto avete investito in GPU — nel fatto che la tecnologia più chiacchierata del decennio stia per sbattere la testa contro un problema vecchissimo: la corrente elettrica. Non parliamo di un limite teorico, di uno di quei colli di bottiglia che esistono solo nelle slide delle conferenze. Parliamo di un problema fisico, strutturale, documentato da IEA, Goldman Sachs, Morgan Stanley, Lawrence Berkeley National Lab e praticamente chiunque abbia voglia di fare i conti sul serio.

    La domanda di compute — la potenza di calcolo necessaria ad addestrare, eseguire e scalare i modelli di intelligenza artificiale — cresce a un ritmo che le infrastrutture esistenti faticano a seguire. Non è che il mondo non stia investendo: sta investendo cifre che fino a cinque anni fa erano fantascienza. Il problema è che la domanda cresce ancora più in fretta. E quando domanda e offerta si separano così tanto, succedono cose sgradevoli: prezzi alle stelle, liste d’attesa, outage, limitazioni operative. Tutto quello che stiamo già vedendo.

    Capire cosa sta succedendo davvero non è un esercizio accademico. Per chiunque gestisca un’azienda, pianifichi una strategia tecnologica o stia semplicemente cercando di capire perché certi servizi AI ogni tanto scompaiono come fantasmi, questo è il contesto dentro cui si muove tutto il resto.


    Le leggi che hanno guidato il progresso (e i loro limiti)

    Per capire il problema, bisogna partire da dove nasce. Negli ultimi anni, il progresso dei grandi modelli linguistici è stato guidato da un principio sorprendentemente semplice: più risorse metti, migliori risultati ottieni. Le scaling laws di Kaplan (OpenAI, 2020) e di Chinchilla (DeepMind, 2022) hanno dimostrato che le prestazioni dei modelli migliorano in modo prevedibile aumentando parametri, dati di addestramento e compute totale — misurato in FLOP, operazioni in virgola mobile per chi non ha ancora imparato l’acronimo.

    Il problema è che questo principio, per quanto elegante, ha un costo crescente. Addestrare un modello frontier oggi richiede cluster di decine — a volte centinaia — di migliaia di GPU di fascia alta. E la domanda di queste GPU non sta rallentando: sta accelerando. Nel 2026, la capacità Hopper e Blackwell di Nvidia è spesso semplicemente esaurita. I provider cloud segnalano “massive capacity crunch” con tempi di attesa lunghi e prezzi in forte rialzo: il noleggio delle GPU Blackwell è salito del 48% in pochi mesi. Nvidia ha venduto l’intera produzione Blackwell fino a metà 2026. Jensen Huang definisce la domanda “sky high”. Gli ordini visibili parlano di centinaia di miliardi di dollari. Aziende come Anthropic hanno subito interruzioni frequenti con uptime sceso sotto il 99%.

    La carenza non riguarda solo il silicio. Costruire un data center richiede anni: permessi, reti elettriche, sistemi di raffreddamento, manodopera specializzata. La densità di potenza dei server AI sta accelerando — rack che consumano decine di kilowatt invece di pochi — e l’infrastruttura esistente non era progettata per questo.


    Il vero collo di bottiglia: elettricità

    Se le GPU sono la parte visibile del problema, l’energia elettrica è quella strutturale. I data center AI consumano enormemente più energia di quelli tradizionali. I numeri, quando li metti in fila, fanno una certa impressione.

    Nel 2024, il consumo globale dei data center ha raggiunto circa 415 TWh — circa l’1,5% dell’elettricità mondiale. Le proiezioni IEA per il 2030 indicano quasi 945 TWh, il doppio, con una crescita annua del 15%, quattro volte più veloce del resto dell’economia. I server accelerati per AI crescono al 30% annuo.

    Negli Stati Uniti — che da soli rappresentano il 45% del consumo globale dei data center — la situazione è ancora più marcata. Dal 4,4% dell’elettricità nazionale nel 2023, si potrebbe arrivare a un range tra il 6,7% e il 12% entro il 2028. Goldman Sachs prevede un aumento della domanda di potenza dei data center del 160-165% dal 2023 al 2030, equivalente ad aggiungere al pianeta un nuovo paese tra i dieci maggiori consumatori energetici. Anthropic stima che solo il settore AI statunitense potrebbe richiedere 50 GW di nuova capacità entro il 2028: circa il doppio del picco di consumo di New York City.

    Per dare un’idea concreta: xAI Colossus, il supercomputer di Elon Musk con 100.000 chip, richiede già 150 MW da solo. Morgan Stanley prevede 74 GW di domanda data center USA nel 2028, con un possibile shortfall di 49 GW per carenza di infrastrutture di rete. La potenza disponibile fino al 2026-2027 è già “spoken for” — prenotata, assegnata, non disponibile.


    Le strozzature invisibili (ma ugualmente dolorose)

    L’energia non è l’unico punto critico. La memoria HBM (High-Bandwidth Memory), componente essenziale delle GPU per AI, è esaurita in tutta la produzione near-term. I produttori stanno ridistribuendo capacità da altri settori — automotive, consumer electronics — verso l’AI, creando una cascata di shortage su CPU, SSD e HDD. Un settore che si ottimizza trascina con sé problemi in tutti gli altri.

    Sul piano geografico, la competizione è globale: USA, Europa e Asia si contendono le stesse risorse, gli stessi chip, gli stessi materiali. I vincoli burocratici e la congestione della rete elettrica rallentano ulteriormente anche chi avrebbe le risorse per investire. I lead time per un data center significativo sono di due-cinque anni. In un settore che si muove su cicli di sei mesi, è un’eternità.


    Il 2026-2028 come banco di prova

    Il mismatch tra domanda e offerta è reale e rischia di produrre effetti concreti: rallentamento nell’addestramento dei nuovi modelli frontier, aumento dei costi di inferenza, outage e limitazioni per gli utenti enterprise. Alcune aziende stanno già spostando workload o riducendo i limiti di token nelle ore di punta. Non è disfunzione: è gestione di una carenza strutturale.

    Esistono mitigazioni. Gli algoritmi migliorano l’efficienza computazionale, le architetture test-time compute e i modelli più piccoli e specializzati riducono il fabbisogno lordo. Sul fronte energetico, investimenti massicci puntano su nucleare modulare (SMR), gas, rinnovabili con storage e data center collegati direttamente alle centrali. Nvidia sta sviluppando l’architettura Rubin per la prossima generazione di GPU. Qualcosa si muove, ma si muove lento rispetto alla domanda.

    Alcuni analisti parlano di possibile bullwhip effect: sovra-ordinazioni seguite da una temporanea sovraccapacità. La storia dei mercati tecnologici conosce bene questo schema. Ma la domanda di fondo — alimentata dalle applicazioni agentiche, dalla robotica, dagli usi enterprise — appare abbastanza robusta da non collassare nemmeno in uno scenario di rallentamento.


    Cosa significa davvero questo per i prossimi anni

    Il 2026-2028 non è solo una proiezione statistica. È il periodo in cui si capirà se la supply chain globale dell’AI — chip, energia, reti — riesce davvero a scalare alla velocità richiesta. Le previsioni convergono su una cosa sola: servono centinaia di miliardi di dollari di investimento, e servono ora. Non tra cinque anni.

    Per chi prende decisioni tecnologiche o strategiche, il messaggio è duplice. Da un lato, i costi dell’AI non sono destinati a scendere nel breve termine come molti si aspettavano: la pressione sulla supply chain manterrà i prezzi alti. Dall’altro, chi riesce a garantirsi accesso a risorse computazionali — attraverso contratti a lungo termine, cloud ibrido, o infrastruttura propria — avrà un vantaggio competitivo reale e misurabile.

    L’AI non ha smesso di crescere. Ha semplicemente incontrato i limiti fisici del mondo in cui deve crescere. E quei limiti, per una volta, non si aggirano con un aggiornamento software.


    Fonti di riferimento: IEA World Energy Outlook 2024, Morgan Stanley Research, Goldman Sachs Global Investment Research, Lawrence Berkeley National Lab, Brookings Institution, Wall Street Journal.

  • Altman ridimensiona i consumi dell’AI e difende l’efficienza dei modelli

    Durante un evento in India organizzato da The Indian Express, Sam Altman, CEO di OpenAI, ha respinto le accuse secondo cui l’uso dei chatbot comporterebbe un consumo massiccio di acqua, definendo “completamente false” le stime che parlano di decine di litri per singola richiesta.
    Ha ammesso che in passato alcuni data center utilizzavano sistemi di raffreddamento evaporativo, ma ha sostenuto che oggi tali tecnologie non sarebbero più impiegate.
    Più articolato, invece, il tema energetico: Altman riconosce una sfida reale legata alla crescita globale dell’AI, indicando nucleare e rinnovabili come soluzioni strategiche.
    Ha inoltre smentito la stima secondo cui una richiesta a ChatGPT consumerebbe quanto una carica e mezza di iPhone, sostenendo che il confronto corretto andrebbe fatto con il costo energetico del lavoro umano.
    Secondo Altman, una volta completato l’addestramento, i modelli AI sarebbero già competitivi, se non superiori, all’uomo in termini di efficienza energetica per singola risposta.

    Link alla fonte:
    https://www.hdblog.it/green/articoli/n649238/quanta-energia-consuma-ai-altman-ridimensiona/

  • Un chip fotonico imita il cervello e riduce i consumi energetici dell’AI

    L’enorme fabbisogno energetico dell’intelligenza artificiale, alimentato da data center sempre più energivori, potrebbe presto trovare una soluzione concreta.
    Un team di ricercatori guidato dal National Institute of Standards and Technology ha sviluppato un chip fotonico che utilizza microscopici LED e reti neurali spiking per replicare il funzionamento del cervello umano.
    A differenza dei processori tradizionali basati sugli elettroni, il chip sfrutta la luce per elaborare informazioni solo quando necessario, riducendo drasticamente i consumi inattivi.
    I primi test indicano un’efficienza fino a 100 volte superiore rispetto alle GPU oggi usate per addestrare modelli come ChatGPT, aprendo la strada a un’AI più sostenibile.
    Questa architettura neuromorfica potrebbe diventare cruciale per superare i limiti energetici e fisici dell’hardware attuale.

    Link alla fonte:
    https://prometeo.adnkronos.com/green-economy/chip-ai-fotonici-led-nist-risparmio-energia/

  • OpenAI lancia “Stargate Argentina”: investimento da 25 miliardi per un “hub AI” in Patagonia

    OpenAI ha annunciato un maxi investimento da 25 miliardi di dollari per la costruzione di “Stargate Argentina”, un enorme data center alimentato da energia rinnovabile nella regione della Patagonia.

    Il progetto, presentato da Sam Altman insieme al presidente argentino Javier Milei, segna l’inizio della strategia di espansione latinoamericana della società.

    L’infrastruttura, sviluppata in partnership con Sur Energy, avrà una capacità di 500 megawatt e sarà parte del regime fiscale agevolato RIGI per grandi investimenti.

    Oltre a consolidare la presenza internazionale di OpenAI, l’iniziativa punta a trasformare l’Argentina in un polo tecnologico regionale, stimolando occupazione, innovazione e nuove collaborazioni tra pubblico e privato.

    L’avvio dei lavori è previsto per il 2026, con operatività entro il 2028.

    Link alla fonte:
    https://it.insideover.com/tecnologia/openai-scommette-sullargentina-25-miliardi-di-dollari-per-un-maxi-data-center.html