Quanto consuma l’intelligenza artificiale?
I data center consumano come un grande paese industriale
L’intelligenza artificiale può accelerare la transizione verde europea, ma anche aggravarne le contraddizioni se il suo sviluppo non verrà governato con politiche adeguate. È il punto di partenza del nuovo briefing dell’Agenzia europea dell’ambiente, che richiama l’attenzione su un nodo sempre più evidente: la digitalizzazione e l’AI non sono immateriali, ma hanno bisogno di elettricità, acqua, infrastrutture e materie prime critiche.
Il tema più immediato riguarda i data center. Nel 2024 hanno assorbito circa l’1,5% dei consumi elettrici globali e il 3% di quelli europei, ma la domanda cresce rapidamente e in modo concentrato sul territorio. In Paesi come l’Irlanda il peso dei data center supera già il 20% dei consumi elettrici complessivi, mentre a scala mondiale il settore è atteso raggiungere entro il 2026 un consumo di 1.050 TWh: se fosse un Paese, si collocherebbe al quinto posto nella classifica globale dei consumatori di elettricità, tra Giappone e Russia.
La spinta arriva in larga misura dall’intelligenza artificiale. La potenza di calcolo necessaria per addestrare i modelli è aumentata di un milione di volte tra il 1960 e il 2010, per poi crescere di circa mille miliardi di volte tra il 2010 e il 2025.
L’Europa rappresenta oggi il 15% del consumo elettrico globale dei data center, contro il 45% degli Stati Uniti e il 25% della Cina. In Europa, la rapida espansione dei data center trainata dall’AI dovrebbe portare quasi a un raddoppio del fabbisogno elettrico del settore entro il 2030, ma la geografia di questa crescita non è neutrale. La Germania ospita il maggior numero di strutture, mentre l’Irlanda registra la più alta densità di data center per abitante; molti impianti orientati all’AI si concentrano attorno ai grandi hub urbani europei, in particolare nelle cosiddette città FLAP-D – Francoforte, Londra, Amsterdam, Parigi e Dublino – mentre nuovi mercati stanno emergendo anche in Spagna, Italia e Polonia. Questa concentrazione aumenta la pressione sulle reti elettriche locali, sulla disponibilità di suolo e sui profili emissivi delle infrastrutture digitali.
È in particolare la fase operativa dell’AI, nota come inferenza, a pesare ormai per circa l’80-90% del calcolo complessivo legato all’intelligenza artificiale. Si tratta di un nodo regolatorio rilevante, perché gran parte dell’inferenza avviene tramite modelli commerciali proprietari, i cui dati sui consumi energetici restano spesso non pubblici. L’AI Act europeo introduce obblighi di trasparenza per i modelli di uso generale, ma le norme oggi si concentrano soprattutto sulla fase di addestramento, lasciando solo parzialmente regolata la parte operativa.
Accanto all’elettricità c’è poi l’acqua. L’AI ne richiede lungo più fasi del proprio ciclo di vita: per il raffreddamento dei data center, per la generazione dell’elettricità utilizzata e per la produzione dei semiconduttori. Secondo le proiezioni richiamate dall’Agenzia europea dell’ambiente, i data center trainati dall’AI potrebbero portare il consumo annuo di acqua per raffreddamento e produzione elettrica a circa 1.068 miliardi di litri entro il 2028, undici volte più delle stime 2024, in uno scenario legato a un aumento della domanda energetica dell’AI generativa di 8,5 volte tra 2024 e 2028.
Il problema è aggravato dal fatto che lo sviluppo dei data center accelera spesso in regioni già sottoposte a stress idrico. Una recente analisi sui dati trasmessi dai data center europei ai sensi della direttiva sull’efficienza energetica mostra che quasi il 20% si trova in aree con almeno 165 giorni di raffrescamento l’anno, condizione che aumenta sensibilmente il fabbisogno di raffreddamento. Il rischio è intensificare la competizione tra usi industriali, agricoli e domestici dell’acqua, proprio mentre la crisi climatica rende più fragile la disponibilità della risorsa.
Il briefing richiama infine il tema delle materie prime critiche. La capacità globale di calcolo per l’AI raddoppia circa ogni sette mesi e, dal 2022, quella fornita dai principali progettisti di chip è cresciuta di circa 3,3 volte l’anno. Oggi Nvidia fornisce oltre il 60% della capacità globale di calcolo per l’AI, mentre Google e Amazon coprono gran parte della quota restante. Questa crescita dipende da minerali meno visibili di quelli al centro del dibattito sulle batterie, ma strategici per semiconduttori, microelettronica e comunicazioni in fibra ottica: gallio, germanio, indio, palladio e tantalio.
L’elevata dipendenza europea dalle importazioni e la concentrazione globale delle attività di estrazione e raffinazione espongono le infrastrutture dell’AI a rischi geopolitici e di catena di fornitura. Al tempo stesso, l’estrazione e la lavorazione di questi materiali comportano impatti ambientali e sociali rilevanti, dall’uso intensivo di energia all’inquinamento, dalla perdita di biodiversità ai rischi per i diritti umani.
Per l’Agenzia europea dell’ambiente, dunque, la questione non è se l’intelligenza artificiale possa contribuire alla sostenibilità, ma a quali condizioni. L’AI può aiutare a migliorare l’efficienza nell’uso delle risorse, favorire il riciclo, sostenere la ricerca di sostituti per materiali critici e ottimizzare sistemi energetici e industriali. Ma senza una governance capace di integrare politiche digitali, energetiche e ambientali, la stessa tecnologia rischia di aumentare consumi, pressioni sulle risorse, concentrazioni di mercato e disuguaglianze sociali.
