Tradizionalmente, nei data center, la capacità di calcolo è stata trattata come una risorsa elastica da acquistare o attivare in funzione del bisogno.
Oggi non è più così.
La diffusione ubiqua dell’intelligenza artificiale generativa e dei carichi di lavoro basati su GPU sta spostando progressivamente il baricentro del dibattito dall’algoritmo alla presa elettrica.
I consumi dei data center sono diventati una voce di bilancio strategica e un vincolo di pianificazione, e sempre più spesso un fattore che decide dove, quando e a quali condizioni un’infrastruttura può essere costruita.
Per CIO e CISO la questione non è solo ambientale. Riguarda la continuità del servizio, i costi operativi, la scelta dei fornitori e la capacità di scalare i progetti AI senza scontrarsi con limiti fisici.
Indice degli argomenti
Consumi data center: le cause della crescita
Il consumo elettrico dei data center è stato a lungo una componente stabile, perché i miglioramenti di efficienza compensavano la crescita dei servizi digitali. Quell’equilibrio, però, a un certo punto si è rotto.
Capire dove ci troviamo oggi e dove stiamo andando è il punto di partenza per ogni decisione infrastrutturale.
Quanta energia consumano oggi i data center
Secondo l’Agenzia internazionale dell’energia (IEA), nel 2024 i data center hanno assorbito circa 415 TWh (TeraWatt/ora), l’1,5% circa della domanda elettrica mondiale. Una quota ancora contenuta su scala globale, ma molto concentrata.
Pochi hub geografici, in particolare in Stati Uniti, Cina ed Europa, ospitano la maggior parte della capacità e vedono già pesare il fenomeno sulle reti locali.
La crescita dei consumi dei data center nel 2026
Le stime di Gartner indicano per il 2026 consumi pari a 565 TWh, il 26% in più rispetto al 2025. Si tratta di un’accelerazione che non dipende dal numero di edifici, ma dalla densità di potenza richiesta dai nuovi carichi.
Un rack per l’AI può assorbire un multiplo di energia elettrica di quanto richiedeva un rack tradizionale e questo si riflette inevitabilmente sul dimensionamento di alimentazione e raffreddamento fin dalla progettazione.
Quanto cresceranno i consumi dei data center nei prossimi 5 anni
Le proiezioni divergono per metodologia, ma convergono sulla direzione. La IEA stima per il 2030 un consumo superiore ai 900 TWh, più del doppio del livello attuale, mentre le proiezioni Gartner più alte, che includono l’intero ecosistema di capacità AI, arrivano oltre i 1.200 TWh.
Server farm sempre più energivore: l’AI cambia tutto
L’AI non aumenta i consumi in modo lineare ma ne cambia la natura stessa. Ai carichi tradizionali, prevedibili e distribuiti, si affiancano picchi di workload computazionali che devono essere da cluster di calcolo in grado di lavorare a piena potenza per lunghi periodi e che necessitano di infrastrutture dedicate.
GPU e server AI fanno esplodere la domanda energetica
Il cuore del cambiamento è l’acceleratore. Le GPU e gli altri chip specializzati per l’AI hanno prestazioni per watt crescenti, ma il consumo assoluto di ogni singolo componente sale a ogni generazione e i server che ne ospitano più unità vengono assemblati in configurazioni sempre più dense.
Il risultato è un aumento della potenza per rack che mette sotto pressione l’intera catena, dal quadro elettrico al sistema di smaltimento del calore.
I server AI supereranno quelli tradizionali nei consumi
Il dato più eloquente arriva da Gartner. Per il 2026 la società stima 175 TWh attribuibili ai server ottimizzati per l’AI, contro i 195 TWh dei server convenzionali, e prevede il sorpasso dei primi nei confronti dei secondi già nel 2027.
In pratica, nel giro di 6-8 mesi la parte “nuova” dell’infrastruttura peserà più di quella storica. Una soglia simbolica, ma anche un segnale da tenere ben presente per chi pianifica oggi investimenti pluriennali nelle server farm.
Training e inferenza: quanto pesa l’AI sull’energia dei data center
Il training di un modello di grandi dimensioni (LLM) è un evento intensivo ma circoscritto nel tempo. L’inferenza, cioè l’uso quotidiano del modello da parte di utenti e applicazioni, invece, continua a crescere parallelamente all’adozione diffusa e pervasiva dell’intelligenza artificiale in azienda.
Con la diffusione di assistenti e agenti AI in ambito enterprise, la quota di energia legata all’inferenza è destinata a diventare strutturale e per un CIO questo significa che il costo energetico di un servizio AI va considerato lungo tutto il suo ciclo di vita, non solo nella fase di sviluppo.
Dove si generano i consumi
Per intervenire sui consumi occorre sapere con precisione dove si generano. Un data center è un sistema in cui l’energia assorbita dal calcolo si trasforma in calore, che a sua volta richiede altra energia per essere smaltito.
Server, GPU e sistemi di storage
La quota maggiore di energia consumata è quella dell’IT in senso stretto: server, acceleratori e storage. È la componente “utile”, quella che produce elaborazione, ed è anche quella su cui incidono di più le scelte di architettura.
Nei sistemi AI le GPU dominano il profilo di consumo, mentre lo storage pesa di più in ambienti ad alta intensità di dati.
Raffreddamento e gestione termica
Ogni watt consumato dall’IT diventa calore da rimuovere. Il raffreddamento è tradizionalmente la seconda voce per peso, e dipende da clima, densità dei rack e tecnologia adottata.
Con i carichi AI, l’aria da sola fatica a garantire margini adeguati, e questo spinge verso soluzioni a liquido e verso una progettazione termica integrata con l’IT.
Networking, UPS e infrastrutture elettriche
Reti interne, gruppi di continuità, trasformatori e sistemi di distribuzione completano il quadro. Sono componenti meno visibili, ma con un impatto reale sui consumi perché ogni conversione e ogni dispersione lungo la catena elettrica si traduce in energia che non arriva ai server.
Nei cluster AI, dove le comunicazioni tra GPU sono intense, anche il networking ad alta velocità diventa una voce da monitorare.
Il peso del PUE sull’efficienza energetica
Il PUE (Power Usage Effectiveness) è l’indicatore che sintetizza quanta energia in più, rispetto al solo IT, serve per far funzionare la struttura.
Un valore vicino a 1 indica che quasi tutta l’energia è destinata al calcolo. Può essere un buon punto di partenza, ma da solo non basta, come si vedrà nella sezione dedicata alle metriche.
Data center e crisi energetica: quando la potenza diventa un limite
La questione energetica non riguarda più solo il costo della bolletta. Riguarda la possibilità stessa di mettere in servizio nuova capacità quando necessaria.
Gartner indica la disponibilità di energia come uno dei principali limiti all’espansione della capacità AI. In altri termini, il collo di bottiglia non è più (o non è solo) la disponibilità di chip, ma la capacità di alimentarli.
Connessione alla rete e accesso alla potenza
Ottenere una connessione di grande potenza richiede tempi lunghi, studi di fattibilità e, spesso, investimenti sulla rete elettrica da parte del gestore.
Le code di richiesta di allaccio in diversi mercati europei si misurano in anni, non più in mesi, e questo impatta sul calendario di qualunque progetto di espansione della capacità di calcolo.
Perché costruire nuovi data center è sempre più complesso
Alla potenza si sommano autorizzazioni, vincoli ambientali, disponibilità di acqua, accettazione da parte delle comunità locali e costi di costruzione.
Un nuovo campus AI è un progetto che coinvolge energia, urbanistica e normativa tanto quanto l’IT, e le variabili da governare sono in continuo aumento anche a causa della proliferazione di leggi regionali che introducono ulteriori obblighi.
Power availability e localizzazione
La conseguenza è un cambio di criterio nella scelta dei siti. Non conta più solo la prossimità a utenti e fibra. Conta dove l’energia è disponibile, a che prezzo e con quale mix di produzione.
Per questo si osserva una redistribuzione degli investimenti verso aree con rete robusta, fonti abbondanti e clima più favorevole al raffreddamento o raffrescamento naturale.
Come ridurre i consumi dei data center
Se la domanda cresce, la leva dell’efficienza diventa decisiva. Le azioni possibili agiscono su più livelli, dall’hardware al software, dal raffreddamento al bilanciamento dei carichi di lavoro.
Server e infrastrutture ad alta efficienza
Il primo intervento è sulla base installata: hardware di nuova generazione con migliori prestazioni per watt, alimentatori ad alta efficienza e architetture progettate per ridurre le perdite.
Sostituire sistemi obsoleti e sottoutilizzati è, spesso, il modo più rapido per ottenere risparmi misurabili.
Liquid cooling e nuove tecnologie di raffreddamento
Il raffreddamento a liquido, in particolare il direct-to-chip (una tecnica avanzata di raffreddamento a liquido che rimuove il calore alla fonte, facendo scorrere un fluido refrigerante dentro a piastre metalliche applicate direttamente sui processori come CPU e GPU) e l’immersion cooling (una tecnologia di dissipazione termica in cui i componenti elettronici, come i server o le batterie, vengono completamente sommersi in uno speciale liquido che assorbe calore per contatto diretto) consente di gestire densità che l’aria non sostiene riducendo ridurre l’energia dedicata al raffreddamento. Queste tecniche hanno anche un vantaggio collaterale, perché il calore recuperato è a temperature più utili e può essere riutilizzato, ad esempio per il teleriscaldamento.
Ottimizzazione dei workload e consolidamento
Non tutta l’efficienza passa dall’hardware. Consolidare i carichi, spegnere le risorse inattive, schedulare i processi non urgenti nelle fasce a minore impatto e scegliere modelli di dimensioni adeguate al compito sono interventi di governance con effetti diretti sui consumi. Per un CIO, è anche un terreno di contatto naturale con il FinOps.
Edge computing per ridurre consumi e latenza
Elaborare i dati vicino alla fonte può ridurre i flussi verso il cloud centrale e abbassare latenza e traffico di rete. Non è una soluzione universale, perché distribuire significa anche moltiplicare le infrastrutture, ma per specifici casi d’uso industriali e di inferenza anche l’edge computing può migliorare il bilancio complessivo.
PUE, WUE e CUE: come misurare l’efficienza di un data center
Ridurre i consumi richiede di misurarli con metriche condivise.
Lo scenario normativo europeo si sta muovendo in questa direzione, con obblighi di rendicontazione e uno schema di valutazione dei data center (le cosiddette etichette dalla A alla G, sul modello di quelle che valutano i consumi degli elettrodomestici) che fa leva su indicatori come PUE e WUE.
Che cos’è il PUE e come si calcola
Il PUE (Power Usage Effectiveness) è il rapporto tra l’energia totale assorbita dalla struttura e quella consumata dalle sole apparecchiature IT. Più è vicino a 1, meno energia viene “spesa” in raffreddamento, distribuzione e servizi ausiliari. È la metrica più diffusa e la più facile da comunicare, ma racconta solo una parte della storia.
WUE: quanto pesa il consumo d’acqua
Il WUE (Water Usage Effectiveness) misura i litri d’acqua consumati per ogni kWh di energia IT. È un indicatore cruciale in tutti i casi in cui il raffreddamento evaporativo è diffuso o l’acqua è una risorsa scarsa e spesso risulta in una relazione di tipo trade-off con il PUE: ridurre l’uno può, infatti, peggiorare l’altro parametro.
CUE e impronta carbonica
Il CUE (Carbon Usage Effectiveness) mette in relazione le emissioni di CO2 con l’energia IT consumata. Due data center con lo stesso PUE possono avere impronte carboniche molto diverse a seconda del mix energetico che li alimenta. Ecco, in sintesi, le tre metriche a confronto:
Perché misurare i consumi non basta
Gli indicatori fotografano l’efficienza dell’infrastruttura, non l’efficacia del suo uso.
Un data center con un ottimo PUE può comunque ospitare carichi sottoutilizzati. Ragion per cui le metriche vanno affiancate a dati sull’utilizzo reale delle risorse e sul valore prodotto, altrimenti si rischia di ottimizzare la confezione trascurando il contenuto.
Data center sostenibili: rinnovabili e nuove fonti
Garantire energia sufficiente è una sfida, garantire che sia anche a basse emissioni è la seconda – ed è oggi sempre più importante. Gli operatori stanno sperimentando soluzioni diverse, spesso in combinazione.
Data center alimentati da energia pulita
L’acquisto di energia rinnovabile, certificata o diretta, è la strada più comune. Il limite è la discontinuità delle fonti: solare ed eolico non seguono il profilo di un carico che deve restare attivo 24 ore su 24, ed è per questo che cresce l’interesse per approcci di corrispondenza oraria tra consumo e produzione pulita.
Power Purchase Agreement (PPA) e approvvigionamento energetico
I PPA, contratti di lungo periodo con i produttori, offrono prezzi prevedibili e finanziano sempre più spesso nuova capacità rinnovabile. Per i grandi operatori come gli hyperscaler, sono diventati uno strumento di pianificazione, oltre che di sostenibilità, perché assicurano energia in un momento in cui è sempre più contesa e costosa.
Microgrid, batterie e generazione onsite
Per aggirare i colli di bottiglia della rete, alcuni progetti prevedono sistemi di generazione in loco, sistemi di accumulo e microgrid. Le batterie aiutano a livellare i picchi e a offrire servizi alla rete, trasformando il data center da semplice consumatore energivoro in nodo attivo del sistema energetico.
Nucleare, SMR e nuove fonti per alimentare l’AI
Il nucleare, e in particolare i piccoli reattori modulari (SMR), è tornato al centro delle strategie di diversi grandi operatori, attratti da una fonte a basse emissioni e a produzione continua.
Si tratta in gran parte di scommesse di medio-lungo periodo, con tempi di autorizzazione e costruzione che non risolvono le esigenze immediate, ma che indicano quanto la ricerca di energia stabile sia ormai diventata una priorità per i CIO.
Il futuro dei consumi dei data center
Guardando al prossimo quinquennio, il quadro è definito da una crescita robusta e da un cambio di priorità: dalla capacità di calcolo alla capacità di alimentarla.
Le proiezioni più alte, come visto, indicano per il 2030 un fabbisogno superiore ai 1.200 TWh. Che si realizzi o meno la previsione, la direzione è chiara e le decisioni prese oggi su siti, fornitori e architetture determineranno quanto sarà sostenibile la traiettoria di sviluppo dell’AI in particolare, nei prossimi anni.
Densità e specializzazione
Si va verso strutture più dense, progettate attorno ai carichi AI, con alimentazione e raffreddamento pensati fin dall’inizio per potenze elevate. La distinzione tra data center “generalisti” e AI factory è destinata ad accentuarsi.
Dalla capacità di calcolo alla capacità energetica
La competizione sull’AI non si giocherà soltanto sui modelli e sui chip, ma sulla capacità di assicurarsi energia affidabile, pulita e disponibile al momento giusto. Per i responsabili IT si un cambio di prospettiva non indifferente. Pianificare l’infrastruttura significa sempre più pianificare l’energia che la “accende” e la alimenta.
Efficienza e sostenibilità, in uno scenario così complesso, smettono di essere un obiettivo di reputazione e diventano requisiti di progetto, in parte per effetto della regolamentazione, in parte per ragioni economiche. Chi sceglie un fornitore di infrastruttura dovrà obbligatoriamente valutarne in futuro anche il profilo energetico, oltre alle prestazioni e al prezzo dell’offerta.
Partecipa alla community