I data center americani potrebbero assorbire un quinto dell’elettricità degli Stati Uniti entro il 2035. Google, Amazon, Microsoft, Meta e gli altri protagonisti della corsa all’intelligenza artificiale stanno quindi cercando di assicurarsi direttamente la capacità energetica necessaria, finanziando nucleare, gas, rinnovabili e generazione onsite. Dopo i chip e i data center, l’energia sta diventando il nuovo livello verticale dello stack dell’AI.
La potenza elettrica assorbita oggi dai data center americani è di 47 gigawatt. Nel 2035 potrebbero essere 194 gigawatt.
Per capire la scala del cambiamento basta ricordare che un grande reattore nucleare ha una capacità nell’ordine di un gigawatt. Naturalmente il confronto non equivale a dire che serviranno 147 nuovi reattori, perché capacità installata e consumo effettivo non sono la stessa cosa. Ma rende abbastanza bene l’idea del problema.
Secondo le nuove stime di Bloomberg, entro meno di dieci anni i data center potrebbero arrivare ad assorbire circa il 20% dell’elettricità consumata negli Stati Uniti, contro il 5,9% attuale.
Una previsione che Bloomberg ha appena rivisto al rialzo dell’83% rispetto a quella pubblicata soltanto lo scorso dicembre. Non perché improvvisamente i server consumino il doppio, perché continuano ad essere presentati nuovi progetti di data center AI.
E questo comincia a cambiare una delle regole fondamentali della corsa all’intelligenza artificiale: per costruire l’AI non basta più comprare GPU, bisogna trovare l’elettricità per accenderle.
Il problema non è più soltanto costruire il data center
L’Agenzia Internazionale dell’Energia ha calcolato che nel 2025 i data center abbiano consumato globalmente circa 485 TWh di elettricità. Entro il 2030 potrebbero arrivare a circa 950 TWh, quasi il doppio in cinque anni.
Ma all’interno di questa crescita si nasconde la vera accelerazione: nel solo 2025 il consumo dei data center specificamente dedicati all’intelligenza artificiale è aumentato del 50%. E la domanda non dipende semplicemente dal numero di utenti.
L’efficienza dei modelli sta migliorando rapidamente e il consumo necessario per eseguire una singola operazione AI continua a diminuire. Contemporaneamente, però, stanno esplodendo applicazioni molto più energivore: reasoning, generazione video, agenti, modelli multimodali.
Secondo la IEA alcune di queste attività possono richiedere centinaia o migliaia di volte più energia rispetto a una semplice generazione di testo.
Un’altra misura aiuta a capire cosa stia succedendo dentro i data center. Un rack di server AI avanzati occupa più o meno lo spazio di un grande frigorifero. Entro il 2027, secondo la IEA, la sua domanda elettrica di picco potrebbe essere equivalente a quella di 65 abitazioni.
Tra il 2020 e il 2025 la densità energetica dei server AI è aumentata undici volte. Entro il 2027 dovrebbe quadruplicare nuovamente.
Significa che il problema non consiste semplicemente nel collegare un altro edificio alla rete elettrica. Bisogna portare enormi quantità di energia in punti geografici molto specifici, costruire sottostazioni, trasformatori, linee di trasmissione, sistemi di accumulo e raffreddamento capaci di gestire carichi che possono anche variare molto rapidamente.
Ed è qui che la velocità dell’AI incontra quella dell’infrastruttura energetica. La prima si misura in mesi, la seconda spesso in anni.
Aspettare la rete può significare perdere la corsa all’AI
È questo disallineamento che sta producendo una trasformazione molto più interessante del semplice aumento dei consumi.
Per un hyperscaler, aspettare quattro o cinque anni una connessione alla rete può significare lasciare inutilizzato un investimento da miliardi mentre i concorrenti continuano ad aumentare capacità computazionale.
La disponibilità di energia diventa quindi una variabile competitiva, non più soltanto un costo operativo.
Bloomberg osserva che proprio i ritardi nelle connessioni stanno spingendo sempre più sviluppatori americani verso sistemi di produzione energetica direttamente onsite.
La IEA ha individuato una pipeline che potrebbe portare tra 15 e 27 GW di generazione a gas direttamente presso i data center entro il 2030, soprattutto negli Stati Uniti.
Circa un quinto dei progetti monitorati avrebbe già iniziato lavori di preparazione del terreno o costruzione. È una trasformazione importante: il data center non aspetta più necessariamente che l’energia arrivi dalla rete, comincia a portarsi dietro la propria centrale.
Il gas ha una caratteristica che l’AI apprezza molto: esiste adesso
Qui emerge uno dei paradossi della transizione energetica dell’intelligenza artificiale. Le Big Tech continuano a investire enormemente nelle rinnovabili e nel nucleare, ma un nuovo reattore richiede anni. Un parco solare o eolico deve essere integrato con rete, accumulo e sistemi capaci di garantire continuità. L’AI, invece, vuole capacità computazionale immediatamente.
Il gas offre una risposta relativamente veloce e programmabile, e poprio per questo la generazione onsite a gas inizia ad essere una delle principali strade attraverso le quali gli sviluppatori stanno cercando di superare i colli di bottiglia della rete.
La domanda di turbine è aumentata talmente rapidamente che sta però creando un nuovo problema. Nel 2025 gli ordini mondiali di turbine a gas sono aumentati del 70%. Il collo di bottiglia energetico dell’AI rischia così di spostarsi dalla disponibilità dell’elettricità alla disponibilità delle macchine necessarie per produrla.
E non è detto che costruire una centrale accanto al data center sia sempre la scorciatoia immaginata.
Per alimentare 100 bisogna costruire anche 170
La IEA ha calcolato un’altra conseguenza poco intuitiva. Per garantire in modo affidabile l’alimentazione di un data center attraverso una centrale a gas onsite bisogna sovradimensionare la capacità di generazione tra il 30 e il 70% rispetto alla domanda effettiva.
Se il data center necessita di 100 MW, quindi, potrebbero essere necessari tra 130 e 170 MW di capacità installata. Servono ridondanza e margini sufficienti per garantire continuità anche durante manutenzioni, guasti o variazioni improvvise del carico.
E questo significa altro capitale, altre turbine, altro gas, altre emissioni. Il problema energetico entra così direttamente nel problema finanziario.
Ed ecco perché Big Tech riscopre il nucleare
Se il gas risponde alla domanda di velocità, il nucleare risponde a quella di continuità. Un data center AI ha bisogno di enormi quantità di elettricità ventiquattro ore al giorno.
Una centrale nucleare produce esattamente quel tipo di energia: programmabile, continua e con emissioni operative di carbonio molto basse.
Non sorprende quindi che Alphabet, Amazon, Meta e Microsoft abbiano tutte concluso accordi con operatori nucleari.
Secondo un’analisi della Carnegie Endowment, gli accordi sottoscritti dai quattro grandi hyperscaler potrebbero complessivamente sostenere circa 6,9 GW di capacità nucleare entro i primi anni Trenta del duemila.
Google ha siglato un accordo con Kairos Power per sviluppare fino a 500 MW attraverso nuovi reattori avanzati. Il primo progetto Hermes 2 in Tennessee dovrebbe fornire 50 MW alla rete TVA dal 2030, contribuendo ad alimentare i data center Google nella regione.
Amazon ha investito 500 milioni di dollari in X-energy e punta a contribuire allo sviluppo di oltre 5 GW di nuova capacità nucleare entro il 2039. Nel Washington State lavora con Energy Northwest a un progetto iniziale da 320 MW espandibile fino a 960 MW. E in Pennsylvania ha legato una parte della propria strategia energetica alla capacità nucleare esistente.
Non sono più semplicemente contratti per acquistare elettricità. Big Tech sta contribuendo a rendere finanziabili nuove infrastrutture energetiche.
L’AI sta facendo qualcosa che il settore nucleare aspettava da decenni
Ed è forse questo uno degli effetti economici più interessanti della corsa all’intelligenza artificiale. Il nucleare avanzato ha avuto per anni un problema fondamentale: qualcuno doveva assumersi il rischio di finanziare i primi impianti.
Gli hyperscaler possono farlo: hanno capitale, hanno domanda energetica gigantesca, hanno bisogno di contratti di lungo periodo e, soprattutto, possono garantire che, una volta costruito un impianto, qualcuno comprerà quell’elettricità.
Google, Amazon e Meta diventano quindi non dei semplici clienti ma offtaker capaci di rendere bancabili progetti energetici che altrimenti avrebbero maggiori difficoltà a trovare finanziamenti.
La corsa all’AI sta così producendo una conseguenza inattesa: potrebbe accelerare la nuova generazione del nucleare americano.
Ma nel frattempo c’è il gas
Il problema è il calendario. Gli SMR che Google e Amazon vogliono utilizzare arriveranno soprattutto nel prossimo decennio mentre i data center sono in costruzione adesso.
Ed è in questo spazio temporale che il gas sta tornando protagonista. Sempre Bloomberg ha individuato 99 centrali a gas proposte per alimentare data center negli Stati Uniti.
Se tutte entrassero in funzione e operassero ai normali livelli di utilizzo, secondo un’analisi Bloomberg potrebbero generare circa 318 milioni di tonnellate di CO2 ogni anno.
Per avere un termine di confronto, l’intero settore elettrico americano ha prodotto circa 1,485 miliardi di tonnellate l’anno scorso.
Naturalmente non tutti quei progetti verranno realizzati, ma il dato mostra il conflitto che sta emergendo.
Le stesse aziende che hanno costruito strategie climatiche basate su decarbonizzazione e rinnovabili devono contemporaneamente trovare enormi quantità di energia programmabile per alimentare l’AI.
E la velocità con cui cresce la seconda esigenza sta mettendo sotto pressione la prima.
Big Tech comincia ad assomigliare a Big Energy
Il risultato è che i confini industriali stanno diventando meno chiari. Amazon vende cloud computing, ma finanzia SMR. Google sviluppa Gemini, ma sottoscrive contratti che contribuiscono a finanziare nuovi reattori. Meta costruisce modelli AI e contemporaneamente conclude accordi per gigawatt di capacità nucleare.
Gli hyperscaler firmano contratti per centrali elettriche, sistemi di accumulo, gas, nucleare, solare e infrastrutture di rete. Non stanno necessariamente diventando utility nel senso tradizionale, ma stanno assumendo alcune delle funzioni che storicamente appartenevano alle grandi società energetiche.
Programmare la capacità futura, finanziare nuovi impianti, garantire acquisti di lungo periodo, gestire il rischio energetico, scegliere la tecnologia con cui produrre elettricità.
La ragione è semplice: se l’energia determina quanti server possono essere accesi, allora controllare l’accesso all’energia significa controllare una parte della capacità AI.
E qui torniamo ai Capex
Questo modifica anche il modo in cui dovremmo leggere le cifre gigantesche annunciate dalle Big Tech. Quando Amazon, Microsoft, Alphabet o Meta aumentano i propri Capex, non stiamo più parlando soltanto di GPU e edifici.
Dietro ogni gigawatt di capacità computazionale esiste un secondo livello di investimento fatto di generazione, trasmissione, trasformatori, storage e raffreddamento.
La IEA stima che nel 2025 il Capex delle maggiori aziende tecnologiche abbia superato 400 miliardi di dollari e che nel 2026 possa aumentare di un altro 75%.
Il confronto è impressionante. La spesa in conto capitale di appena cinque società tecnologiche è ormai superiore agli investimenti mondiali destinati alla produzione di petrolio e gas.
L’AI non sta quindi soltanto creando una nuova industria digitale. Sta cominciando a ridisegnare i flussi globali del capitale industriale.
L’energia potrebbe diventare il vero limite alla corsa
Nella corsa all’AI, il collo di bottiglia si sta spostando ancora più a monte: verso l’elettricità. E questo cambia profondamente la competizione.
Perché se Nvidia può produrre una nuova GPU in diciotto mesi e una nuova fabbrica di semiconduttori richiedere qualche anno per la sua realizzazione, una grande linea di trasmissione o una centrale nucleare possono richiederne molti di più.
La velocità dell’AI si sta quindi scontrando con la velocità del mondo fisico.
Ed è proprio per questo che Google, Amazon, Microsoft, Meta e gli altri grandi operatori non possono più limitarsi a chiedere alla rete quanta elettricità sia disponibile, devono contribuire a crearne di nuova.
Dopo avere verticalizzato chip, modelli, cloud e data center, l’industria dell’intelligenza artificiale sta iniziando a verticalizzare anche l’energia.