L’Italia sta entrando nella fase in cui l’intelligenza artificiale smette definitivamente di essere soltanto software e diventa infrastruttura industriale, territorio, energia e politica economica. Dietro ogni modello generativo, ogni agente autonomo, ogni servizio cloud e ogni applicazione AI esiste infatti una macchina fisica fatta di server, GPU, sistemi di alimentazione, raffreddamento, fibra ottica e soprattutto elettricità. Il fenomeno sta accelerando rapidamente. Le diverse rilevazioni disponibili fotografano un mercato italiano in forte espansione, anche se i numeri devono essere interpretati con attenzione perché non tutti i database utilizzano lo stesso perimetro. Data Center Map censisce 262 strutture in Italia, mentre una rilevazione più restrittiva riferita ai data center operativi indica 168 impianti, 513 MW di potenza installata e 5,8 TWh di consumi elettrici nel 2024, circa l’1,9% della domanda elettrica nazionale.

Il numero degli edifici, tuttavia, racconta soltanto una parte della storia. La variabile strategica è la potenza. Un data center moderno destinato ai carichi di intelligenza artificiale non è un ufficio con qualche server in più, ma una vera infrastruttura industriale nella quale la densità computazionale può diventare il principale vincolo alla crescita. Gli scenari elaborati per il mercato italiano indicano che entro il 2035 la domanda elettrica dei data center potrebbe raggiungere una forchetta compresa fra circa 24,5 e 42 TWh, portando il comparto a rappresentare una quota potenzialmente molto rilevante dei consumi elettrici nazionali. Il dato più importante non è quindi quanti data center costruiremo, ma quanta elettricità sarà necessaria per alimentarli.

Questa trasformazione modifica anche la natura del dibattito sull’intelligenza artificiale. Per anni la discussione sull’AI è stata dominata da algoritmi, modelli, benchmark e numero di parametri; improvvisamente il vincolo più concreto potrebbe essere una cabina elettrica. La Silicon Valley può progettare modelli sempre più grandi, ma qualcuno dovrà comunque alimentarli, raffreddarli e collegarli alla rete. La fisica, come spesso accade, ha poca considerazione per il marketing.

Il mercato italiano sta rispondendo con una velocità che la pubblica amministrazione ha faticato inizialmente a seguire. Nel triennio 2023-2025 gli investimenti nei data center italiani hanno raggiunto circa 7,1 miliardi di euro, mentre per il triennio successivo sono attesi investimenti nell’ordine dei 25 miliardi. La differenza fra aspettative e realizzazioni è tuttavia istruttiva: nel 2023 le previsioni indicavano 10,5 miliardi di investimenti nel successivo triennio, cifra che non è stata raggiunta. Una parte del problema è stata proprio la sottovalutazione dei tempi autorizzativi italiani da parte degli operatori internazionali, abituati a considerare la disponibilità di capitale come il principale ostacolo alla costruzione di infrastrutture digitali.

Il governo ha cercato di intervenire su questo punto con la Strategia per l’attrazione in Italia degli investimenti industriali esteri nei data center elaborata dal Ministero delle Imprese e del Made in Italy. L’obiettivo è trasformare l’Italia in un Hub del Mediterraneo per le infrastrutture digitali, sfruttando posizione geografica, fibra, reti 5G, connettività internazionale e cavi sottomarini. Ma la vera questione non è soltanto riuscire ad attirare investitori. È stabilire a quali condizioni questi investimenti debbano essere realizzati.

Nel 2026 il quadro normativo ha fatto un ulteriore passo avanti con l’introduzione di un Procedimento Unico per la realizzazione, l’ampliamento e l’esercizio dei data center, accompagnato dalle indicazioni operative del Ministero dell’Ambiente e della Sicurezza Energetica. È un cambiamento rilevante perché rende esplicita una consapevolezza maturata tardivamente: la velocità autorizzativa è ormai una variabile della competitività industriale. Ma accelerare non significa necessariamente costruire ovunque e comunque. Un’autorizzazione più rapida può essere un vantaggio economico soltanto se inserita in una pianificazione che tenga insieme energia, acqua, suolo, reti e impatto locale.

È proprio qui che l’efficienza infrastrutturale diventa la variabile meno raccontata e forse più importante. Ridurre il consumo di un data center non significa semplicemente acquistare server più efficienti. Significa progettare l’intero sistema affinché una quota sempre maggiore dell’elettricità acquistata venga trasformata in calcolo utile, invece di essere assorbita da raffreddamento, alimentazione, distribuzione elettrica e sistemi ausiliari. Il parametro più utilizzato è il PUE, Power Usage Effectiveness, che misura il rapporto fra energia complessivamente consumata dal data center ed energia utilizzata dall’IT. Più il valore si avvicina a 1, maggiore è l’efficienza dell’infrastruttura.

In Italia esiste un caso particolarmente interessante perché dimostra che questa attenzione non è nata con l’esplosione di ChatGPT. Seeweb lavora da anni sull’efficienza dei propri data center e dichiara valori di PUE che arrivano a circa 1,2 nelle strutture più recenti, mentre i data center di Milano e Frosinone riportano un PUE medio stagionale intorno a 1,3. La differenza rispetto a infrastrutture meno efficienti può sembrare marginale quando viene espressa con una cifra decimale, ma moltiplicata per migliaia di MWh e per migliaia di ore di funzionamento diventa una variabile economica e ambientale significativa.

Il punto interessante è che Seeweb non ha iniziato a occuparsi di efficienza energetica quando l’AI ha trasformato il consumo elettrico in una questione geopolitica. Già nel potenziamento del proprio data center milanese realizzato negli anni passati l’azienda aveva adottato UPS ad alta efficienza, sistemi di alimentazione ridondati, batterie separate, linee indipendenti per alimentazione e bypass e distribuzione elettrica ridondata verso i rack. Non è tecnologia che possa essere presentata oggi come rivoluzionaria, e proprio per questo è interessante: dimostra che l’efficienza reale di un data center è il risultato cumulativo di scelte ingegneristiche che precedono di molto l’attuale febbre dell’AI.

La nuova generazione di carichi computazionali rende però queste scelte ancora più importanti. Le GPU utilizzate per l’addestramento e l’inferenza dei modelli AI concentrano quantità crescenti di potenza in spazi fisici relativamente ridotti. Il problema non è più semplicemente raffreddare una sala server, ma estrarre il calore esattamente dove viene prodotto. Nei propri data center Seeweb utilizza sistemi di raffreddamento perimetrale e, nei contesti ad alta densità, soluzioni di raffreddamento locale dei rack. A Frosinone, inoltre, l’azienda indica l’utilizzo di free cooling ad acqua a temperatura moderata insieme a sistemi in-rack. È un’evoluzione significativa perché l’efficienza energetica dell’AI passa sempre più dalla gestione termica.

La differenza fra un data center tradizionale e una struttura progettata per l’AI è infatti anche termodinamica. Una GPU non conosce il concetto di “cloud”: assorbe energia e produce calore. L’intelligenza artificiale può sembrare immateriale quando viene interrogata da uno smartphone, ma dietro una richiesta apparentemente banale esiste una catena industriale che parte dalla rete elettrica e termina con un sistema di raffreddamento incaricato di impedire che l’hardware raggiunga temperature incompatibili con il funzionamento continuo.

Seeweb rappresenta quindi un esempio utile per capire perché la sostenibilità dei data center non debba essere ridotta alla semplice scelta dell’energia rinnovabile. L’azienda dichiara l’utilizzo di energia elettrica proveniente da fonti rinnovabili certificate e afferma di monitorare le emissioni dei propri data center dal 2005. Secondo i dati pubblicati dall’azienda, nell’ultimo anno rendicontato le proprie iniziative hanno consentito di evitare oltre 233 tonnellate di CO2. Sono dati aziendali, quindi devono essere letti nel loro corretto contesto, ma mostrano una questione fondamentale: anche quando l’elettricità è rinnovabile, consumarne meno rimane economicamente e sistemicamente preferibile.

Il problema diventa ancora più evidente osservando l’acqua. Il raffreddamento può rappresentare una delle principali variabili ambientali di un data center e l’intensità del consumo dipende fortemente dalla tecnologia utilizzata, dal clima, dalla progettazione dell’impianto e dal carico. Seeweb ha adottato nel tempo sistemi orientati alla riduzione dei consumi idrici, compresi sistemi antincendio ad alta efficienza. Il punto non è sostenere che tutti i data center abbiano lo stesso profilo idrico, perché non è vero. Il punto è che acqua ed energia devono essere considerate contemporaneamente quando si valuta la sostenibilità di una nuova infrastruttura.

La stessa logica vale per il territorio. La Lombardia è il principale polo italiano del settore e concentra una parte significativa degli investimenti, soprattutto nell’area milanese e nelle province circostanti. La pressione è diventata particolarmente evidente nel pavese, dove sono stati proposti diversi grandi campus. A Certosa di Pavia, per esempio, è stato presentato un progetto da circa 50 MW e circa 60.000 metri quadrati, mentre altri interventi sono stati proposti a Lacchiarella, Vellezzo Bellini e Bornasco. La questione non è stabilire aprioristicamente che questi progetti siano sbagliati. È capire se la somma degli impatti locali sia stata valutata alla stessa velocità con cui sono arrivati gli investimenti.

Il consumo di suolo è infatti soltanto una delle variabili. Un data center può produrre gettito locale, occupazione nella fase di costruzione, domanda di servizi e investimenti infrastrutturali, ma può anche aumentare la pressione sulla rete elettrica, modificare il paesaggio e generare impatti percepiti dai comuni confinanti che non ricevono necessariamente gli stessi benefici economici del territorio che ospita l’impianto. Il problema diventa quindi quello classico della pianificazione industriale: chi incassa il beneficio e chi sostiene il costo.

La Lombardia ha cercato di affrontare questo problema con una disciplina regionale specifica sui data center, privilegiando il recupero di aree dismesse, degradate o sottoutilizzate e introducendo strumenti di coordinamento regionale. La normativa rende inoltre più oneroso il consumo di suolo agricolo. È una direzione interessante perché sposta il dibattito dalla domanda ideologica “data center sì o no?” a quella molto più concreta “dove ha senso costruirlo?”. Un’area industriale dismessa con accesso alla rete elettrica, connettività adeguata e possibilità di recuperare il calore può avere un valore strategico molto superiore a un terreno agricolo semplicemente perché disponibile.

Il calore prodotto dai data center è infatti l’altra faccia del problema energetico. Quasi tutta l’elettricità utilizzata dai server termina sotto forma di calore. In un sistema progettato correttamente, quel calore può diventare una risorsa per il teleriscaldamento, ma soltanto quando esistono una rete termica, una domanda sufficientemente vicina e un modello economico sostenibile. Non basta quindi dire che il data center “recupererà il calore”. Bisogna progettare contemporaneamente data center e infrastruttura urbana. È un altro esempio di come l’AI stia rendendo obsolete le vecchie separazioni fra settore digitale, energia e pianificazione urbana.

In questo scenario il potenziamento dei data center già esistenti assume un’importanza strategica. Aumentare la capacità computazionale senza moltiplicare proporzionalmente gli edifici e il consumo di suolo può essere una strada più razionale, quando la struttura dispone di margini infrastrutturali e di una connessione elettrica adeguata. Migliorare alimentazione, raffreddamento, densità dei rack e gestione dei carichi permette infatti di produrre più capacità digitale dalla stessa infrastruttura fisica. È una logica molto meno spettacolare della costruzione di un nuovo campus hyperscale, ma dal punto di vista industriale può essere molto più efficiente.

È questa la direzione nella quale il caso Seeweb può essere letto senza trasformarlo in una semplice storia aziendale. L’esperienza maturata sull’efficienza dei data center, l’utilizzo di sistemi di raffreddamento adeguati ai carichi ad alta densità, l’attenzione alla ridondanza energetica, l’approvvigionamento da fonti rinnovabili e lo sviluppo di infrastrutture dedicate al GPU e NPU computing mostrano un principio che il mercato AI dovrà inevitabilmente adottare su scala molto più ampia: non basta aumentare la capacità di calcolo, bisogna aumentare l’efficienza con cui quella capacità viene prodotta.

Questo è probabilmente il punto più sottovalutato della trasformazione in corso. Il futuro dei data center italiani non sarà determinato soltanto dalla disponibilità di capitali internazionali o dalla capacità del governo di ridurre i tempi autorizzativi. Sarà determinato dal rapporto fra megawatt disponibili e capacità computazionale prodotta. Se due infrastrutture forniscono la stessa quantità di calcolo ma una consuma significativamente meno energia per farlo, la seconda non è semplicemente più “verde”: è economicamente più competitiva, più resiliente rispetto ai prezzi dell’elettricità e meno esposta ai vincoli della rete.

Il concetto di efficienza dovrà quindi evolvere dal PUE a una metrica più ampia, capace di considerare anche l’efficienza computazionale, il carico effettivamente utilizzato, il consumo idrico, la disponibilità di energia rinnovabile, l’intensità carbonica dell’elettricità e la possibilità di riutilizzare il calore. Un data center con un PUE eccellente ma GPU sottoutilizzate non è necessariamente un modello di efficienza. Allo stesso modo, un impianto alimentato da energia rinnovabile ma costruito in un luogo dove la rete è già congestionata può trasferire il proprio impatto altrove.

L’Italia ha quindi davanti una scelta industriale che va molto oltre la semplice attrazione dei data center. Può diventare un mercato nel quale grandi operatori internazionali costruiscono capacità computazionale per servire il resto d’Europa, oppure può utilizzare questa infrastruttura per sviluppare un ecosistema nazionale di cloud, AI, cybersecurity, ricerca, manifattura avanzata e servizi pubblici digitali. Nel primo caso avremo soprattutto edifici pieni di GPU. Nel secondo avremo una nuova infrastruttura produttiva.

La differenza sarà determinata anche dalla capacità di non confondere crescita con efficienza. Costruire più data center è relativamente semplice quando esistono capitale e domanda. Costruire data center capaci di produrre più calcolo con meno energia, meno acqua e meno territorio è invece una questione ingegneristica, economica e politica molto più sofisticata. L’esperienza maturata da operatori italiani come Seeweb dimostra che questa strada non deve essere inventata domani mattina per inseguire l’ultima ondata dell’AI: può essere costruita progressivamente, attraverso progettazione, potenziamento e ottimizzazione delle infrastrutture esistenti.

L’Italia farebbe bene a contare qualcosa di meno glamour ma molto più concreto: energia consumata per unità di calcolo, territorio utilizzato per unità di capacità e valore generato per ogni megawatt. È su queste metriche, non sui rendering dei nuovi campus, che si capirà se la corsa italiana all’intelligenza artificiale sarà una politica industriale o soltanto una nuova, gigantesca voce nella bolletta elettrica.