Intelligenza artificiale e data center, la questione si fa sempre più spinosa. La corsa alle GPU sta infatti mettendo sul tavolo una questione per niente banale: come smaltire il calore prodotto dalle nuove infrastrutture. Si acquistano acceleratori di ultima generazione, si trova lo spazio nel data center, si dispone persino della potenza elettrica necessaria e poi si scopre che l’impianto di raffreddamento non regge la densità dei rack (e quindi una parte di quella capacità resta inutilizzabile).
È uno dei paradossi dell’AI. Il software promette di rendere immateriali molti processi, mentre la sua diffusione riporta l’attenzione sui vincoli più “fisici” dell’informatica: energia, acqua, tubazioni, scambiatori di calore. Elementi che per anni sono rimasti ai margini delle decisioni IT entrano ora nel disegno dell’infrastruttura.
Nel rapporto 2025 Energy and AI, l’International Energy Agency stima che nel 2024 i data center abbiano consumato circa 415 TWh di elettricità, l’1,5% della domanda mondiale. Nel 2030 potrebbero arrivare a 945 TWh, con l’AI come principale indiziato di questa crescita.
Indice degli argomenti
Più potenza nello stesso spazio
Si parla genericamente di consumo energetico dei data center, ma la questione è più sottile perché in realtà l’AI sta modificando la “geografia del calore” nei data center. In passato i carichi di lavoro erano distribuiti su molti server relativamente omogenei, con consumi e temperature abbastanza uniformi. Oggi, invece, l’addestramento e l’esecuzione dei modelli di intelligenza artificiale concentrano enormi capacità di calcolo in un numero limitato di rack che ospitano GPU e acceleratori specializzati.
Questo significa che il problema non riguarda soltanto il consumo energetico complessivo della struttura, ma la presenza di veri e propri “hot spot” ad alta densità. In alcuni punti del data center si possono concentrare decine o centinaia di kilowatt per rack, valori molto superiori a quelli previsti dalle infrastrutture tradizionali.
Di conseguenza, alimentazione elettrica e sistemi di raffreddamento devono essere ripensati per portare molta più energia e capacità di dissipazione esattamente dove serve, non dappertutto. Un data center può quindi avere ancora margini di potenza a livello complessivo, ma non essere in grado di supportare nuovi cluster AI perché le sue reti elettriche o i suoi impianti di raffreddamento non sono dimensionati per gestire concentrazioni di carico così elevate.
La trasformazione, per ora, non riguarda tutto il mercato nello stesso modo. Il Global Data Center Survey 2025 di Uptime Institute indica che la densità modale (cioè il livello di potenza per rack più comune tra i data center oggetto dell’analisi) rimane intorno ai 9 kW per rack, rispetto agli 8,3 kW del 2024 (come termine di paragone, una decina di anni fa con virtualizzazione, blade server e convergenza infrastrutturale, si era nell’ordine dei 5-10 kW per rack) e più dell’80% degli intervistati dichiara di non gestire armadi che superano i 30 kW. In altre parole, i rack AI da decine o addirittura oltre 100 kW rappresentano ancora una realtà circoscritta rispetto alla base installata.
Le configurazioni ad altissima densità restano dunque una minoranza. Eppure anticipano difficoltà destinate a presentarsi in un numero crescente di impianti. Sopra i 30 kW, rileva Uptime Institute, aumenta sensibilmente la presenza di sistemi HPC e AI; oltre i 60 kW sono questi workload a determinare soprattutto la densificazione. Nel campione compaiono anche rack superiori a 100 kW, ancora poco frequenti ma indicativi della direzione presa dall’industria.
Fin dove può arrivare il raffreddamento ad aria
Intendiamoci: l’aria continuerà a raffreddare gran parte dei sistemi aziendali. Una corretta separazione dei corridoi caldi e freddi, una migliore gestione dei flussi e il ricorso al free cooling permettono ancora di ottenere buoni risultati senza rifare l’impianto.
Il margine si restringe quando molti kilowatt si concentrano in un solo rack. Per rimuovere più calore occorre spostare quantità crescenti d’aria, impiegando ventole più potenti e consumando altra energia. Anche lo spazio diventa un vincolo. Gli hotspot, inoltre, rendono difficile distribuire il raffreddamento in modo uniforme.
Liquid cooling, le tecnologie disponibili
Da qui nasce l’interesse per le architetture ibride. Nei data center dove convivono sistemi tradizionali e cluster AI, l’aria può continuare a servire i carichi ordinari, mentre il liquido viene portato soltanto nelle zone più dense. È spesso la strada più realistica per gli impianti esistenti. Vediamo le possibili alternative.
Direct-to-chip cooling
Nel direct-to-chip cooling, alcune piastre metalliche – le cold plate – vengono applicate direttamente a CPU, GPU e agli altri componenti che generano più calore. Il liquido attraversa queste piastre, assorbe l’energia termica e la trasferisce a uno scambiatore.
A governare questo circuito interviene la Coolant Distribution Unit (CDU), una sorta di centrale di controllo del sistema di raffreddamento liquido. Il suo compito è regolare temperatura, pressione e portata del fluido, assicurando che il calore venga rimosso in modo efficiente e sicuro. La CDU può inoltre separare il circuito che raggiunge i server da quello dell’edificio, mentre tubazioni, valvole e sensori completano l’infrastruttura monitorando il flusso e rilevando eventuali perdite.
L’aria, comunque, non scompare dal data center. Il liquido si occupa delle sorgenti termiche più intense, come CPU e GPU, mentre i sistemi di ventilazione continuano a smaltire il calore residuo prodotto dagli altri componenti e dall’ambiente circostante.
Le alternative: RDHx e Immersion cooling
Tra le alternative al Direct-to-chip cooling figurano i Rear-Door Heat Exchanger (RDHx), una soluzione generalmente meno invasiva. Installati sul retro del rack, questi scambiatori intercettano l’aria calda espulsa dai server e ne trasferiscono il calore a un circuito liquido. In questo modo consentono di aumentare la densità di potenza supportata senza intervenire direttamente su CPU e GPU. Possono rappresentare una soluzione autonoma oppure integrare sistemi basati su cold plate.
L’immersion cooling spinge invece il principio del raffreddamento liquido ancora più avanti. In questo caso non vengono raffreddati soltanto i componenti più critici o il flusso d’aria in uscita dal rack: l’intero server viene immerso in un fluido dielettrico che non conduce elettricità. Nei sistemi monofase il liquido rimane tale e trasporta il calore verso uno scambiatore; in quelli bifase evapora a contatto con le superfici più calde per poi condensare e ricominciare il ciclo.
La capacità di smaltire calore cresce passando dai Rear-Door Heat Exchanger al Direct-to-chip e, soprattutto, all’Immersion cooling, che oggi rappresenta una delle opzioni più efficaci per i carichi AI ad altissima densità.
Il rovescio della medaglia è che l’immersion cooling richiede cambiamenti più radicali rispetto ai data center tradizionali: servono vasche dedicate, componenti compatibili, procedure specifiche e una diversa organizzazione degli spazi.
Il Direct-to-chip, al contrario, conserva un’architettura più vicina a quella dei rack e dei server convenzionali e per questo tende a essere la scelta più semplice da integrare nelle infrastrutture esistenti.
| Rear-Door Heat Exchanger (RDHx) | Direct-to-chip (DTC) | Immersion cooling | |
|---|---|---|---|
| Come funziona | Uno scambiatore sul retro del rack sottrae calore all’aria espulsa dai server e lo trasferisce a un circuito liquido | Cold plate a contatto con CPU, GPU e altri componenti trasferiscono il calore direttamente al liquido | Server o componenti vengono immersi in un fluido dielettrico che assorbe il calore |
| Gestione delle alte densità | Media-alta | Alta | Molto alta |
| Impatto sull’infrastruttura | Contenuto. Non richiede interventi diretti su CPU e GPU | Medio-alto. Richiede cold plate, tubazioni, CDU e server predisposti | Elevato. Richiede vasche, hardware compatibile e procedure operative specifiche |
| Punti di forza | Retrofit relativamente semplice; mantiene server convenzionali; può integrare il raffreddamento ad aria | Rimuove il calore vicino alla sorgente; adatto ai cluster GPU; si presta ad architetture ibride aria-liquido | Elevata capacità di rimozione del calore; riduce la dipendenza dalla movimentazione dell’aria |
| Principali limiti | Non intercetta il calore direttamente alla sorgente; prestazioni legate alla configurazione e al flusso d’aria | Una quota del calore può richiedere ancora raffreddamento ad aria; maggiore complessità dell’impianto | Retrofit più complesso; modifica manutenzione, layout e gestione dell’hardware |
| Dove ha più senso | Data center esistenti che devono aumentare la densità senza modificare profondamente server e rack | Cluster AI e HPC ad alta densità, anche in data center esistenti adeguati | Installazioni ad altissima densità o ambienti progettati fin dall’origine per l’immersione |
Nota: Le tre tecnologie non rappresentano una scala rigida di prestazioni. La capacità termica effettiva dipende dal progetto, dalle temperature operative, dall’hardware e dalla quota di calore trasferita al circuito liquido.
Il retrofit comincia dai workload
Il retrofit, cioè l’adeguamento di un data center esistente ai requisiti dell’AI, comincia molto prima dell’installazione di nuove apparecchiature.
Prima di intervenire su alimentazione e raffreddamento occorre capire come lavorano davvero le macchine. Un cluster utilizzato per addestrare un modello può restare per lunghi periodi vicino alla massima capacità, generando carichi elevati e relativamente stabili. I workload di inferenza seguono invece andamenti più variabili, influenzati dalle applicazioni e dai volumi di richieste.
Per questo progettare sulla sola potenza massima dichiarata dal produttore rischia di portare a un’infrastruttura sovradimensionata, mentre affidarsi alle medie può nascondere i picchi che mettono realmente sotto pressione il data center.
L’analisi deve quindi scendere fino al livello di server e rack. I sensori aiutano a individuare gli hotspot, mentre i sistemi DCIM mettono in relazione consumi, temperature e asset installati. A partire da questi dati è possibile stabilire quanta capacità elettrica e termica sia realmente disponibile, quali aree possano ospitare nuovi carichi AI e dove siano invece necessari interventi di potenziamento.
Nella maggior parte dei casi l’evoluzione sarà graduale. Invece di trasformare l’intero data center, molte organizzazioni inizieranno predisponendo alcune aree dedicate all’AI, con rack ad alta densità, alimentazione rafforzata e sistemi di raffreddamento specifici, mentre il resto della sala continuerà a operare secondo schemi tradizionali.
Questo approccio limita gli investimenti iniziali e riduce il rischio operativo, ma richiede una visione di lungo periodo: dimensionare l’infrastruttura attorno a una singola generazione di server può creare nuovi vincoli nel giro di pochi anni.
Energia e acqua, due conti da tenere insieme
Quando il raffreddamento passa dall’aria al liquido, l’attenzione si sposta inevitabilmente dai soli kilowatt consumati a un bilancio più ampio che comprende anche l’uso dell’acqua. Il liquid cooling infatti può ridurre l’energia assorbita dalle ventole e dai sistemi di refrigerazione. Se il circuito opera con acqua a temperature più elevate, aumentano anche le ore in cui il calore può essere dissipato sfruttando le condizioni ambientali esterne, limitando il ricorso ai gruppi frigoriferi (chiller) e riducendo i consumi energetici.
I benefici, tuttavia, dipendono dall’efficienza dell’intero sistema. Pompe, CDU e scambiatori continuano a richiedere energia, e il risultato finale varia in funzione del progetto. Anche per questo il PUE (Power Usage Effectiveness), pur restando un indicatore utile, fornisce soltanto una parte del quadro: misura quanta energia viene assorbita dal data center rispetto a quella utilizzata dagli apparati IT, ma non indica quanta capacità di elaborazione venga effettivamente prodotta.
Un ragionamento analogo vale per l’acqua. Alcune tecnologie riducono il consumo elettrico aumentando quello idrico; altre privilegiano circuiti chiusi o sistemi di raffreddamento a secco. Clima locale, disponibilità della risorsa idrica e caratteristiche della rete elettrica influenzano quindi in modo significativo il bilancio ambientale complessivo.
Anche il recupero del calore entra in gioco. In determinate condizioni l’energia termica può essere riutilizzata per il teleriscaldamento, per la produzione di acqua calda sanitaria o a supporto di processi industriali. Il beneficio, ovviamente, dipende dall’esistenza di una domanda continua nelle vicinanze.
L’Europa chiede dati confrontabili
La misurazione delle prestazioni e della sostenibilità dei data center non sarà più soltanto una scelta degli operatori. La normativa europea sta infatti introducendo obblighi di monitoraggio e rendicontazione sempre più stringenti. In particolare, il Regolamento delegato UE 2024/1364 definisce le informazioni che devono essere trasmesse alla banca dati europea dei data center, includendo indicatori come consumi energetici, utilizzo dell’acqua e recupero del calore.
L’obiettivo è aumentare la trasparenza del mercato e rendere più agevole il confronto tra infrastrutture diverse. In questa direzione si muove anche il lavoro della Commissione europea che sta sta lavorando a un sistema europeo di rating della sostenibilità dei data center e a standard minimi di prestazione; il Data Centre Energy Efficiency Package è previsto per il terzo trimestre del 2026.
Per aziende e provider ciò significa che metriche come PUE, WUE, quota di energia rinnovabile utilizzata e percentuale di calore recuperato saranno sempre più presenti nelle gare, nei contratti di colocation e negli accordi cloud.
Una decisione che riunisce IT e facility management
L’aumento della densità di potenza sta avvicinando confini che prima erano ben distinti. Le decisioni sull’infrastruttura IT non riguardano più soltanto prestazioni, capacità di elaborazione e costi dei server: la scelta di una piattaforma GPU influenza direttamente i requisiti di alimentazione e raffreddamento. Allo stesso tempo, i limiti dell’infrastruttura esistente possono restringere il numero di soluzioni effettivamente adottabili.
Il raffreddamento diventa così una componente del capacity planning dell’AI. Quando si valutano un data center, un provider di colocation o un’infrastruttura cloud, non basta sapere se sono in grado di ospitare carichi ad alta densità. Occorre comprendere quanta potenza sia disponibile per rack, quali tecnologie vengano utilizzate per smaltire il calore, quali livelli di ridondanza siano garantiti e con quali metriche vengano monitorati energia e consumi idrici.
Lo stesso approccio vale nelle valutazioni economiche. Il costo delle GPU rappresenta solo una parte dell’investimento complessivo. Alimentazione, raffreddamento, spazio, connettività, manutenzione e capacità inutilizzata incidono in modo significativo sul costo finale e possono modificare la convenienza relativa tra data center proprietario, colocation e cloud.
Partecipa alla community