L’intelligenza artificiale viene spesso descritta come una rivoluzione software, fatta di modelli linguistici, algoritmi e applicazioni capaci di automatizzare attività sempre più complesse. È una narrazione affascinante, ma incompleta. Dietro ogni risposta di un chatbot, ogni immagine generata da un modello multimodale e ogni ricerca eseguita attraverso servizi basati sull’AI esiste una gigantesca infrastruttura fisica composta da data center, reti ad alta capacità, sistemi di raffreddamento e migliaia di processori specializzati che operano senza sosta. L’intelligenza artificiale non vive nel cloud, perché il cloud non è una nuvola: è una rete di edifici che consumano quantità crescenti di elettricità. La vera materia prima dell’economia digitale non sono più soltanto i dati. È l’energia.

I numeri iniziano a raccontare una storia che fino a pochi anni fa sembrava impensabile. Secondo Gartner, nel 2025 i data center mondiali hanno consumato circa 448 TWh di energia elettrica. Per comprendere la scala del fenomeno basta confrontare questo valore con quello dell’intero sistema elettrico italiano. Terna stima infatti che il fabbisogno nazionale si sia attestato nello stesso periodo intorno ai 311 TWh. In altre parole, le infrastrutture che sostengono cloud computing, intelligenza artificiale e servizi digitali utilizzano già più elettricità di un Paese industrializzato come l’Italia.

Il dato più significativo, tuttavia, non è quello attuale ma quello prospettico. Nel rapporto Energy and AI, pubblicato nel 2025, l’International Energy Agency (IEA) prevede che entro il 2030 il consumo dei data center possa raggiungere circa 945 TWh all’anno, oltre il doppio rispetto ai livelli odierni. L’incremento, pari a circa il 111%, riflette la diffusione dell’intelligenza artificiale generativa, la crescente domanda di inferenza in tempo reale e l’espansione globale dei servizi cloud. Se negli ultimi vent’anni Internet ha trasformato il modo in cui comunichiamo, nei prossimi dieci anni sarà l’AI a ridefinire il modo in cui consumiamo energia.

Il fenomeno è alimentato da una dinamica spesso sottovalutata. L’addestramento dei grandi modelli linguistici richiede enormi quantità di calcolo, ma sarà soprattutto l’utilizzo quotidiano da parte di miliardi di persone e imprese a determinare la crescita strutturale della domanda energetica. Ogni richiesta inviata a un assistente AI attiva migliaia di GPU distribuite nei data center. Moltiplicando questo processo per miliardi di interrogazioni giornaliere, il consumo diventa rapidamente una questione infrastrutturale prima ancora che tecnologica.

Sul fronte ambientale la situazione richiede equilibrio nell’analisi. L’IEA stima che i data center producano oggi circa 180 milioni di tonnellate di CO₂ all’anno a livello globale. La loro quota resta contenuta rispetto alle emissioni complessive del settore energetico mondiale, ma è destinata ad aumentare se la crescita della capacità computazionale non sarà accompagnata da una parallela decarbonizzazione della produzione elettrica. Il problema, quindi, non è l’intelligenza artificiale in sé, bensì il mix energetico utilizzato per alimentarla.

L’Italia si trova già all’interno di questa trasformazione. Secondo l’Osservatorio Data Center del Politecnico di Milano, i data center italiani consumano circa 4 TWh di elettricità ogni anno, con una domanda destinata a crescere rapidamente grazie agli investimenti degli hyperscaler internazionali e degli operatori nazionali. Milano rappresenta il principale hub italiano, seguita da Roma e Torino, mentre la capacità installata continua ad aumentare e dovrebbe superare il gigawatt entro pochi anni.

Il vero limite non è però rappresentato dalla disponibilità di capitale. Sempre più spesso il collo di bottiglia è costituito dalla rete elettrica. Numerosi progetti attendono anni prima di ottenere le autorizzazioni o la connessione ad alta tensione necessaria per entrare in esercizio. Secondo Ember, in alcune aree europee e nordamericane i tempi di connessione possono raggiungere diversi anni, rallentando la costruzione delle nuove infrastrutture digitali. Parallelamente cresce anche la pressione sulle risorse idriche, poiché molti sistemi di raffreddamento utilizzano quantità significative di acqua, soprattutto durante i periodi di maggiore stress climatico.

La risposta non può limitarsi alla costruzione di nuove centrali elettriche. L’efficienza energetica rappresenta oggi il primo fattore competitivo. Il parametro di riferimento rimane il Power Usage Effectiveness (PUE), che misura il rapporto tra l’energia totale consumata da un data center e quella effettivamente utilizzata dai sistemi informatici. Più il valore si avvicina a 1, maggiore è l’efficienza complessiva dell’infrastruttura. Negli ultimi anni il settore ha investito in sistemi di raffreddamento liquido, gestione intelligente dei carichi di lavoro, virtualizzazione, recupero del calore e processori sempre più efficienti, capaci di aumentare sensibilmente le prestazioni per watt consumato rispetto alle generazioni precedenti.

In questo scenario l’Italia offre anche esempi che meritano attenzione. Seeweb, tra i principali operatori italiani di cloud e data center, rappresenta un caso virtuoso di come sostenibilità ed efficienza possano diventare parte integrante della strategia industriale. L’azienda ha sviluppato infrastrutture progettate per ottimizzare il consumo energetico, ridurre il PUE e alimentare i propri servizi attraverso energia proveniente da fonti rinnovabili certificate. Non si tratta semplicemente di una scelta ambientale. Ridurre il consumo energetico significa diminuire i costi operativi, aumentare la resilienza dell’infrastruttura e offrire ai clienti servizi più competitivi in un mercato dove il prezzo dell’energia rappresenta ormai una delle principali variabili economiche.

L’esperienza di Seeweb dimostra che la sostenibilità non coincide con una rinuncia alle prestazioni. Al contrario, progettare data center efficienti significa aumentare la competitività tecnologica, migliorare l’affidabilità operativa e prepararsi a un futuro nel quale l’energia sarà probabilmente il fattore limitante dell’espansione dell’intelligenza artificiale. È un approccio che dovrebbe diventare un riferimento anche per le future politiche industriali italiane, orientando gli investimenti verso infrastrutture digitali ad alta efficienza piuttosto che limitarsi ad aumentare indiscriminatamente la capacità installata.

Accanto all’efficienza emerge una seconda direttrice strategica: produrre energia direttamente nei siti che ospitano i data center. Microgrid, sistemi di accumulo, impianti fotovoltaici dedicati, cogenerazione ad alta efficienza e, nel medio termine, piccoli reattori nucleari modulari rappresentano alcune delle soluzioni allo studio da parte dei grandi operatori internazionali. L’obiettivo è ridurre la dipendenza dalle reti pubbliche, garantire continuità operativa e integrare fonti energetiche a basse emissioni senza compromettere l’affidabilità richiesta dai servizi digitali.

La Silicon Valley continua a misurare la potenza dei modelli contando miliardi di parametri. È una metrica affascinante ma incompleta. La vera competizione dei prossimi anni potrebbe essere molto meno glamour e molto più concreta: disporre di energia sufficiente, pulita, economica e disponibile quando serve. I modelli di intelligenza artificiale possono essere copiati, migliorati o superati. Una rete elettrica resiliente, invece, richiede anni di investimenti, pianificazione e visione industriale.

L’intelligenza artificiale non rischia di rallentare perché mancano gli algoritmi. Potrebbe rallentare perché manca l’energia necessaria ad alimentarli. La partita strategica del prossimo decennio non sarà combattuta soltanto nei laboratori di OpenAI, Google, Anthropic o DeepSeek, ma anche nelle centrali elettriche, nelle reti di trasmissione, nei data center ad alta efficienza e nelle aziende che, come Seeweb, hanno compreso con anticipo che il futuro dell’AI dipende tanto dalla qualità del software quanto dalla sostenibilità dell’infrastruttura che lo rende possibile.

Fonti

  • International Energy Agency (IEA), Energy and AI (2025).
  • Gartner, Forecast Analysis: Data Center Systems (2025).
  • Terna, Dati sul fabbisogno e consumo di energia elettrica in Italia (2025).
  • Politecnico di Milano, Osservatorio Data Center 2025.
  • Ember, Global Grid Connection Queue Analysis.
  • Agenzia Internazionale dell’Energia (IEA), statistiche sulle emissioni dei data center.
  • Seeweb, documentazione tecnica e iniziative sulla sostenibilità dei data center.