Prospettive
Allenare un modello linguistico di un triliardo di parametri consuma tanto quanto una cittadina italiana in 1 anno; ogni domanda a ChatGPT consuma come accendere una lampadina e lasciarla accesa un’ora; il consumo di acqua dei data center di Microsoft è aumentato di più del 30% probabilmente a causa dei sistemi di AI . Chiunque ha sentito almeno una volta una di queste cose.
L’International Energy Agency in aprile 2025 cerca di mettere ordine nel rumore, mettendo in fila qualche dato per contestualizzare meglio la situazione e cercare di dare qualche risposta a domande intorno a cui c’è molta propaganda e poca chiarezza.
Cosa vuol dire che l’AI consuma
Sappiamo che i modelli di AI girano nei data center, che ospitano anche tutto il resto del mondo digitale interconnesso. I data center sono nell’ordine delle migliaia nel mondo, distribuiti in modo non uniforme tra le principali potenze digitali.
L’IEA ha calcolato che il consumo globale legato al loro funzionamento è di circa 415 TWh, l’1,5% dell’elettricità mondiale.
I consumi di un data center sono legati principalmente ai server che girano e al raffreddamento.
Nei più recenti ed efficienti, il consumo legato al raffreddamento rappresenta solo il 7-10% dell’elettricità totale consumata dal data center. I data center di generazioni precedenti hanno invece consumi per il raffreddamento che rappresentano il 30% degli assorbimenti totali. Perché, come il vostro vecchio PC, computer vecchi scaldano molto e i device elettronici per funzionare bene devono essere tenuti al fresco.
L’IEA ha quindi costruito una simulazione di consumo per il futuro, considerando i consumi e la tecnologia attuali e come ci si aspetta che aumenterà la richiesta di potere computazionale. I consumi globali legati ai data center entro il 2030 potrebbero salire a più di 945 TWh, e arrivare a 1.200 TWh nel 2035, con un consumo in crescita principalmente a causa dei sistemi di AI che costruiamo e utilizziamo. Meno del 3% dei consumi globali.
La simulazione si spinge fino al 2035, prevedendo una domanda elettrica legata ai data centers variabile tra 700 e oltre 1.700 TWh. Nello scenario più ottimista (Lift-Off), l’IA richiede 1.700 TWh (4,4% della domanda globale), mentre nello scenario più efficiente (High Efficiency) si scende a 970 TWh (2,6%). Lo scenario più conservativo (Headwinds) stima 700 TWh, sotto il 2% della domanda globale.
Il lato oscuro del consumo energetico
L’AI ci fa consumare energia elettrica, e di per sé questo non è un male. L’energia elettrica deve però essere prodotta, e a seconda di come la si produce genererà più o meno tonnellate di CO2 ed altre emissioni. L’IEA ha quindi approfondito le probabili fonti di produzione per i 3 scenari del 2035, in base alla distribuzione dei data center e al mix di produzione energetica dei paesi: le emissioni toccheranno un picco intorno al 2030, e poi si stabilizzeranno in tutti gli scenari considerati. Le emissioni globali legate ai data center sono ad oggi inferiori all’1%, e si manterranno basse anche negli scenari futuri.
Non solo elettricità
Oltre ad alti consumi energetici, i data center consumano anche acqua. L’acqua che consumano direttamente serve per il raffreddamento dei server e per il mantenimento di temperature controllate negli spazi, un’altra parte di acqua è invece usata indirettamente dai sistemi di produzione energetica.
Mentre sull’elettricità l’IEA ha approfondito l‘impatto, e fatto un po’ di chiarezza, purtroppo non ci sono ancora fonti altrettanto trasparenti per definire con precisione il consumo di acqua necessaria per costruire e usare i sistemi di AI generativa.
Quindi, senza condividere numeri non verificati, possiamo dire che rendere i data center efficienti dal punto di vista energetico e dal punto di vista computazionale porterebbe diminuire i consumi grazie a meno energia da produrre e meno calore da dissipare.
E abbiamo visto che già oggi i data center di nuova generazione sono molto più efficienti e molto meno energivori della tecnologia di 5 o 15 anni fa.
Il futuro dell’efficienza
Vista la crescente esigenza ad aumentare l’efficienza dei sistemi di calcolo, la ricerca sta esplorando diverse modalità e strategie per diminuire l’impatto ambientale della tecnologia digitale.
L’IEA mappa in modo dettagliato le strategie per l’ottimizzazione dei consumi, aggregando i metodi in 3 categorie.
- Hardware: nuovi materiali e processori per i server, nuovi sistemi di memoria o impianti di raffreddamento più efficienti.
- Software: algoritmi più semplici e leggeri, ottimizzazione del codice, focus sulla costruzione di architetture più semplici
- Hardware + Software: nuove progettazioni di processori e modelli integrati, la gestione ottimizzata dei server e dell’energia, la computazione quantistica e neuromorfica.
Il mondo della ricerca e il mercato hardware e software stanno quindi già ragionando attivamente per rendere i data center meno roventi e meno energivori, e questa è un’ottima notizia.
L’AI alleata della transizione energetica
Proviamo adesso ad immergerci nel mondo dell’energia, cercando di capire che impatti positivi può portare l’AI in questo settore.
Ormai è noto agli esperti di settore: l’AI sta emergendo come uno strumento fondamentale per ridurre i consumi energetici e le emissioni nei sistemi elettrici, rendendo più efficienti e sostenibili impianti, industrie, centrali, edifici… In un contesto in cui il settore energetico è responsabile di oltre il 75% delle emissioni globali di gas serra, l’AI consente di affrontare alcune delle principali sfide delle fonti rinnovabili— intermittenza, imprevedibilità e complessità di gestione — ottimizzando l’uso dell’energia esistente invece di aumentare la produzione.
Inoltre, l’AI è cruciale per il demand side management e lo stoccaggio dell’energia, perché prevede i picchi di domanda e gestisce i carichi elettrici in modo distribuito. Questo comporta una riduzione significativa dei consumi nei momenti di picco e una migliore integrazione delle rinnovabili nella rete elettrica. In una recente ricerca pubblicata su Nature si stima che nel settore buildings scenari con policy per la riduzione dei consumi potenziate da sistemi di AI portano ad una riduzione dei consumi due volte inferiore a scenari con le sole policy.
Senza dimenticare il grande supporto nella ricerca: grazie all’AI, è possibile esplorare nuovi materiali per storage, produzione, isolamento termico, scambio in tempi estremamente ridotti, aumentando moltissimo la velocità con cui i team di ricerca esplorano nuovi modi di produrre e sfruttare al meglio l’energia.
Per sintetizzare, senza AI nel futuro consumeremo peggio, non riusciremo a utilizzare al massimo le fonti rinnovabili e non riusciremo a gestire altrettanto bene batterie e nuove tecnologie. Quindi un futuro con il 3-4% dei consumi in meno – non ci sarà così tanto bisogno dei data center – ma con una penetrazione delle rinnovabili molto inferiore e un consumo totale molto più alto.
Quindi?
I sistemi di AI stanno contribuendo ad un aumento dei consumi energetici e di acqua. Non abbiamo numeri rispetto al secondo punto, ma sul primo punto sappiamo che nel 2035 potremmo essere al 2-4% dei consumi globali. Le emissioni si manterranno nell’intorno dell’1-2% delle emissioni di CO2 globali.
Sappiamo anche che senza l’AI il settore energetico potrebbe essere penalizzato e meno efficiente.
Quindi è molto vero che l’AI consuma tanto, ed è molto vero che il suo uso sta avendo effetti sul consumo elettrico mondiale. Ma se riusciamo a produrre elettricità in modo sostenibile, ottimizziamo i data center per raffreddarsi con meno acqua e applichiamo l’AI nei posti giusti, il beneficio ottenibile supera di molto i lati negativi.
Immagine di copertina generata tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2025).
