Il rapporto sui rifiuti elettronici del Basel Action Network rivela il problema nascosto dell'hardware dell'IA
Il Basel Action Network stima ora che le apparecchiature legate all'IA potrebbero generare fino a 617 milioni di tonnellate di rifiuti elettronici entro il 2050. Il rapporto sui rifiuti elettronici del Basel Action Network giunge a questa cifra conteggiando molto più di processori e server. Include i sistemi elettrici, di raffreddamento, di rete, di archiviazione e di backup che mantengono operativi i data center dell'IA.
Questo perimetro più ampio produce una previsione molte volte superiore alle ricerche precedenti, incentrate soprattutto sull'hardware di calcolo. Nello scenario più alto, le apparecchiature dismesse riempirebbero circa 23 milioni di container navali da 40 piedi. Allineati, questi container circonderebbero il pianeta per circa sei volte.
Il dato principale è una previsione, non un risultato misurato. Tuttavia, il rapporto mette in luce un problema immediato per i provider cloud, i produttori di apparecchiature, i riciclatori e i regolatori. L'impronta fisica dell'IA non si esaurisce con elettricità e acqua. Ogni nuovo data center genera anche un futuro flusso di macchinari obsoleti, materiali pericolosi e metalli recuperabili.
La stima dei rifiuti elettronici dell'IA è appena diventata molto più grande
La nuova stima modifica il perimetro contabile, non soltanto l'ipotesi di crescita.
L'organizzazione non profit Basel Action Network, o BAN, ha pubblicato la sua analisi il 15 settembre 2026. Prevede che tra il 2025 e il 2050 verranno ritirate da 395 a 617 milioni di tonnellate di apparecchiature elettroniche legate all'IA.
La stima superiore equivale a circa 23 milioni di container navali. Anche quella inferiore rappresenta un flusso di rifiuti ben oltre le proiezioni incentrate sui server che hanno finora orientato il dibattito.
BAN stima che i ritiri annuali potrebbero raggiungere tra 8,6 e 13,1 milioni di tonnellate entro il 2030. L'organizzazione descrive questa quantità come circa 40-60 volte superiore ad alcune stime basate su server e processori grafici.
La differenza nasce da ciò che BAN include nel perimetro del sistema. Un data center ha bisogno di server, ma non può funzionare solo con i server. Richiede anche switch, dispositivi di archiviazione, apparecchiature per la distribuzione elettrica, batterie, generatori, macchinari di raffreddamento, cavi e altro hardware specializzato.
Il rapporto afferma che le ricerche incentrate sui server trascurano circa l'87 percento dell'infrastruttura elettromeccanica più ampia di un data center. BAN applica quindi un modello di infrastruttura completa che attribuisce circa 70.000 tonnellate di apparecchiature a ogni gigawatt di capacità dei data center.
Le proiezioni di capacità guidano poi la previsione. Il modello si basa su stime secondo cui la capacità globale dei data center potrebbe raggiungere 219 gigawatt entro il 2030. Estendendo la sostituzione delle apparecchiature agli scenari di espansione successivi si ottiene l'intervallo cumulativo di BAN fino al 2050.
Il metodo include anche ciò che l'organizzazione definisce “contagio dei rifiuti dell'IA”. Questa categoria comprende apparecchiature di telecomunicazione correlate e dispositivi personali che lo sviluppo dell'IA potrebbe indurre i proprietari a sostituire prima del previsto.
Si tratta della componente più ampia e incerta del modello. Il ritiro di un server può essere collegato direttamente a un aggiornamento del data center. È più difficile stabilire se una funzionalità di IA abbia spinto un consumatore a sostituire un telefono o un computer.
La conclusione centrale di BAN rimane importante anche se questa categoria viene interpretata con cautela. La stima dell'infrastruttura completa identifica apparecchiature che studi più ristretti spesso lasciano fuori dai propri modelli.
Un processore grafico dismesso è visibile e facile da associare all'IA. Pompe di raffreddamento, quadri elettrici, batterie di backup, switch di rete e sistemi di alimentazione ritirati ricevono meno attenzione. Insieme, possono pesare più delle apparecchiature di calcolo presenti nella stessa struttura.
Questa portata ampliata spiega perché il rapporto non è semplicemente un altro avvertimento basato su una crescita più rapida dei modelli. BAN sostiene che gran parte dei rifiuti futuri mancasse dai calcoli prima ancora che qualcuno dibattesse il tasso di crescita.
Il risultato trasforma ogni campus IA annunciato in un impegno differito di gestione dei rifiuti. La costruzione determina non solo la domanda di elettricità nel breve termine, ma anche la quantità di apparecchiature che qualcuno dovrà infine riutilizzare, riciclare, stoccare o smaltire.
Perché i data center dell'IA creano un ciclo di sostituzione dell'hardware
L'infrastruttura dell'IA diventa rifiuto attraverso sostituzioni ripetute, non con un unico evento di demolizione lontano nel tempo.
I data center contengono apparecchiature con diverse vite utili. I server possono essere aggiornati mentre un edificio rimane operativo. Batterie, componenti di raffreddamento, unità di archiviazione e apparecchiature di rete seguono programmi distinti di manutenzione e sostituzione.
L'IA accelera questo ciclo perché gli operatori competono su prestazioni per watt, densità di calcolo e costo del servizio. Un acceleratore più recente può elaborare più lavoro entro un vincolo di potenza. Questo può rendere le apparecchiature meno recenti ancora funzionanti commercialmente poco attraenti prima che si guastino fisicamente.
I rifiuti risultanti non si limitano all'hardware guasto. Includono apparecchiature ritirate perché un sistema più nuovo offre una migliore economia operativa. Alcuni dispositivi possono entrare nei mercati secondari, ma altri hanno progetti specializzati o una domanda di rivendita limitata.
I grandi cluster IA rimodellano anche i sistemi che li circondano. Densità più elevate per rack richiedono diverse configurazioni di raffreddamento, alimentazione, rete e layout fisici. Sostituire il livello di calcolo può quindi imporre modifiche altrove nella struttura.
Ciò crea un conflitto tra implementazione rapida e lunga vita delle apparecchiature. I provider cloud vogliono rendere operativa rapidamente ogni generazione di hardware. La riduzione dei rifiuti funziona meglio quando le apparecchiature restano utili più a lungo, vengono riparate o passano a un'applicazione di seconda vita.
Le ricerche precedenti hanno catturato parte di questa pressione. Uno studio sottoposto a revisione paritaria del 2024 ha stimato che l'IA generativa potrebbe accumulare da 1,2 a 5 milioni di tonnellate di rifiuti elettronici dal 2020 al 2030. Il suo modello si concentrava in particolare sulle apparecchiature di calcolo per i grandi modelli linguistici.
Lo stesso studio sull'IA generativa ha rilevato che strategie circolari potrebbero ridurre i rifiuti modellati dal 16 all'86 percento. Tali strategie includevano l'estensione della vita dell'hardware, il riutilizzo delle apparecchiature e il miglioramento del recupero dei materiali.
Una distinta analisi accademica del 2026 è giunta a una stima più bassa nel breve periodo. Ha previsto che i server IA potrebbero produrre da 131.000 a 224.800 tonnellate di rifiuti elettronici all'anno entro il 2030.
Questa rivalutazione incentrata sui server ha concluso che l'IA potrebbe contribuire meno ai rifiuti elettronici globali rispetto a quanto suggerito dalle stime precedenti. Ha inoltre sottolineato la mancanza di dati sulla catena di fornitura e di informazioni realistiche sulla durata dei server.
A prima vista, questa conclusione è in conflitto con i dati di BAN. Tuttavia, gli studi non misurano esattamente la stessa cosa. Uno enfatizza i server IA, mentre BAN tenta di conteggiare l'infrastruttura circostante e la sostituzione indotta dei dispositivi.
Questa distinzione è importante perché “rifiuti elettronici dell'IA” non ha un perimetro contabile universalmente accettato. Gli analisti possono contare acceleratori, server completi, intere strutture, asset di telecomunicazione connessi o dispositivi dei consumatori influenzati dall'adozione dell'IA.
Ogni scelta risponde a una domanda diversa. Un modello basato solo sui server può stimare il carico hardware diretto del calcolo. Un modello dell'intero sistema è più adatto a esaminare gli obblighi di gestione dei rifiuti creati dalla costruzione di infrastrutture.
Il rapporto di BAN non invalida quindi automaticamente le stime accademiche. Mette in discussione se i loro perimetri siano sufficientemente ampi per le politiche pubbliche e la pianificazione dei rifiuti a lungo termine.
I risultati contrastanti rivelano un problema più profondo di trasparenza. I ricercatori esterni generalmente non dispongono di inventari completi delle apparecchiature, calendari di ritiro, tassi di ricondizionamento e registri di smaltimento finale dei principali operatori di data center.
Senza tali registri, i modelli devono combinare proiezioni pubbliche della capacità con ipotesi sulla massa e sulla durata delle apparecchiature. Piccoli cambiamenti si accumulano nell'arco di decenni, soprattutto quando le previsioni si estendono fino al 2050.
L'incertezza è reale, ma non fa sparire l'hardware. Mostra perché gli operatori dovrebbero comunicare gli asset fisici con la stessa serietà riservata al consumo energetico e alle emissioni di carbonio.
Il rapporto sui rifiuti elettronici del Basel Action Network mette sotto pressione i riciclatori
La crescita dell'IA sta creando rifiuti specializzati più rapidamente di quanto i sistemi di riciclo stiano diventando trasparenti e responsabili.
Il mondo ha generato 62 milioni di tonnellate di rifiuti elettronici nel 2022, secondo il Global E-waste Monitor. Solo il 22,3 percento è stato documentato come raccolto e riciclato formalmente in modo ambientalmente corretto.
L'inventario globale dei rifiuti prevede che la generazione annuale di rifiuti elettronici raggiungerà 82 milioni di tonnellate entro il 2030. Questa crescita era già attesa prima che BAN applicasse una definizione più ampia all'infrastruttura dell'IA.
BAN stima che le apparecchiature legate all'IA potrebbero infine rappresentare dal 15 al 20 percento dei rifiuti elettronici globali. Confronta questa quota con un totale mondiale previsto di 211 milioni di tonnellate all'anno entro il 2050.
Queste cifre non dovrebbero essere considerate un esito garantito. Combinano la crescita a lungo termine dei data center, l'intensità delle apparecchiature, i cicli di sostituzione e le proiezioni globali dei rifiuti. Ogni componente può cambiare.
Tuttavia, lo scenario evidenzia il problema di capacità che i riciclatori devono affrontare. Le apparecchiature dei data center contengono rame, alluminio, acciaio, circuiti stampati e altri materiali recuperabili di valore. Possono inoltre contenere batterie e sostanze che richiedono una gestione controllata.
La raccolta è solo la prima sfida. I prodotti elettronici moderni combinano materiali in modi che ne complicano la separazione. Il recupero dei metalli in massa è generalmente più semplice dell'estrazione di quantità minori di materiali critici dai componenti integrati.
I riciclatori hanno anche bisogno di informazioni affidabili su ciò che ricevono. Inventari delle apparecchiature, composizione dei componenti, cronologia di assistenza e requisiti di sicurezza dei dati influenzano la possibilità di riutilizzare l'hardware o la necessità di smantellarlo.
I dispositivi che contengono dati creano un ulteriore ostacolo. Le aziende possono distruggere apparecchiature di archiviazione ancora utilizzabili per prevenire fughe di informazioni. La cancellazione sicura e sistemi verificati di catena di custodia possono preservare le opzioni di riutilizzo, ma richiedono pianificazione prima del ritiro.
Il settore dell'IA ha incentivi a recuperare parte del valore delle apparecchiature. Acceleratori, server e dispositivi di rete possono restare utili per carichi di lavoro meno impegnativi. I componenti possono anche sostenere riparazioni o implementazioni secondarie.
Tuttavia, il riutilizzo dipende dal supporto software, dall'efficienza energetica, dalla compatibilità e dall'accesso agli acquirenti. Un server funzionante potrebbe avere scarso valore pratico se i suoi costi operativi superano quelli delle apparecchiature più recenti.
Questa tensione rende importanti le decisioni di progettazione. I sistemi modulari consentono agli operatori di sostituire singoli componenti anziché interi assemblaggi. Parti standard e documentazione per le riparazioni possono inoltre estendere la vita utile.
I produttori influenzano queste scelte, ma i clienti hyperscale hanno potere contrattuale. I provider cloud ordinano apparecchiature in volumi enormi e spesso contribuiscono a definire progetti personalizzati. Le loro regole di approvvigionamento possono richiedere riparabilità, divulgazione dei materiali e servizi di ritiro.
I piani di riciclo devono coprire anche la struttura attorno al server. Alimentatori, apparecchiature di raffreddamento, batterie, cavi e sistemi di rete seguono canali diversi di riutilizzo e recupero. Un singolo appaltatore potrebbe non gestire bene ogni flusso.
La pressione ricade quindi sull'intera catena. I proprietari dei data center decidono quando le apparecchiature escono dal servizio. I produttori controllano le informazioni di progettazione. I fornitori di logistica spostano gli asset ritirati e i riciclatori determinano quali materiali ritornano alla produzione.
Qualsiasi interruzione in questa catena può trasformare apparecchiature recuperabili in rottami esportati o rifiuti destinati alle discariche. La portata delle previsioni di BAN rende sempre più difficile difendere una responsabilità frammentata.
Le regole sulle esportazioni rivelano la geografia dei rifiuti dell’AI
La domanda più difficile non riguarda soltanto quante apparecchiature vengono ritirate, ma dove finiscono in seguito.
I rifiuti elettronici attraversano spesso le frontiere perché manodopera, costi di trattamento e controlli ambientali variano enormemente. Una spedizione etichettata per il riutilizzo può contenere apparecchiature con scarso valore residuo.
La Convenzione di Basilea disciplina i movimenti internazionali di rifiuti pericolosi e di altri rifiuti sottoposti a controllo. I suoi emendamenti sui rifiuti elettronici sono entrati in vigore il 1° gennaio 2025, estendendo i controlli di consenso preventivo informato alle spedizioni internazionali di e-waste.
In base a questo processo, un Paese esportatore necessita generalmente del consenso scritto dei pertinenti Paesi importatori e di transito prima che una spedizione controllata possa procedere. Le regole mirano a impedire che rifiuti indesiderati raggiungano luoghi privi di capacità di trattamento sicure.
Gli Stati Uniti hanno firmato ma non ratificato la Convenzione di Basilea. Ciò colloca il più grande mercato per l’infrastruttura AI al di fuori del pieno quadro delle parti del trattato, sebbene le norme nazionali e dei Paesi di destinazione possano comunque limitare le spedizioni.
BAN si concentra da tempo su questa lacuna normativa. Le sue indagini hanno tracciato elettronica dismessa in uscita dai mercati più ricchi verso il trattamento in Paesi con controlli più deboli o rilevanti settori di riciclo informale.
Un’indagine del 2025 ha identificato spedizioni di elettronica statunitense dirette verso destinazioni nel Sud-est asiatico e in Medio Oriente. Le autorità di diversi Paesi destinatari stavano già aumentando sequestri e attività di controllo.
L’indagine sulle esportazioni descriveva lavoratori intenti a smantellare apparecchiature senza protezioni adeguate. Questo tipo di trattamento può rilasciare fumi tossici, polveri contaminate e residui pericolosi.
Le apparecchiature AI non seguiranno automaticamente queste rotte. I principali operatori possono imporre trattamenti certificati, sottoporre i fornitori ad audit e mantenere registri dal ritiro fino al trattamento finale.
Il rischio aumenta quando le apparecchiature passano attraverso intermediari e molteplici aziende a valle. Ogni trasferimento può ridurre la visibilità su un bene: se sia stato riutilizzato, riciclato correttamente, stoccato a tempo indeterminato o abbandonato.
I dati aggregati sul riciclo aziendale non rispondono sempre a questa domanda. Un’azienda potrebbe comunicare la percentuale deviata dalla discarica senza rendere note le destinazioni finali o il tasso di recupero dei singoli materiali.
Allo stesso modo, “riciclato” non significa che ogni componente sia diventato un nuovo prodotto. Il termine può comprendere processi che vanno dal recupero accurato dei materiali alla triturazione a basso valore con notevoli rifiuti residui.
L’argomentazione politica del rapporto si basa sulla chiusura di queste lacune di visibilità. BAN chiede controlli più rigorosi sulle esportazioni di rifiuti, certificazioni indipendenti del riciclo e una responsabilità più chiara per le apparecchiature durante l’intero ciclo di vita.
La responsabilità estesa del produttore offre una possibile strada. Tali norme rendono i produttori responsabili del finanziamento o dell’organizzazione della raccolta e del trattamento quando i prodotti arrivano alla fine della loro vita utile.
Questo approccio può trasferire i costi dei rifiuti alle aziende che influenzano la progettazione. Può anche incentivare prodotti più longevi, più facili da separare o capaci di mantenere valore nei mercati secondari.
Tuttavia, l’infrastruttura dei data center non si inserisce perfettamente nei programmi per i dispositivi di consumo. Apparecchiature personalizzate, vendite business-to-business, hardware in leasing e operazioni cloud globali richiedono norme progettate per la tecnologia industriale.
L’allineamento internazionale è importante per la stessa ragione. Un programma rigoroso in un mercato ha una portata limitata se le apparecchiature ritirate possono transitare attraverso un’altra giurisdizione con obblighi di rendicontazione più deboli.
L’espansione dell’infrastruttura AI rende più difficile ignorare questa discrepanza normativa. L’hardware opera entro i confini nazionali, ma le catene di approvvigionamento e i mercati dei rifiuti sono globali.
Il numero più grande è anche il più incerto
La previsione di BAN è uno scenario di allerta, non una misurazione precisa dei rifiuti già prodotti.
L’organizzazione è un osservatorio ambientale con una chiara posizione politica sulle esportazioni di rifiuti pericolosi. La sua analisi va valutata come ricerca di advocacy, senza confonderla con un consenso scientifico sottoposto a revisione paritaria.
Diverse ipotesi possono spostare drasticamente la proiezione. La futura capacità dei data center potrebbe crescere più rapidamente o più lentamente del previsto. L’intensità delle apparecchiature per gigawatt potrebbe cambiare, man mano che le strutture migliorano densità ed efficienza.
Anche la durata dell’hardware è altrettanto importante. Estendere la vita operativa media riduce il numero di cicli di sostituzione prima del 2050. Cicli più brevi aumentano sia la domanda di produzione sia i volumi delle apparecchiature ritirate.
Il modello deve inoltre distinguere la sostituzione dai rifiuti. Un acceleratore ritirato e venduto a un altro operatore ha lasciato il suo data center originario, ma non è arrivato alla fine della vita utile. Trattare ritiro e smaltimento come identici sovrastimerebbe i rifiuti immediati.
BAN definisce il proprio intervallo attorno alle apparecchiature elettroniche ritirate dal servizio. I lettori dovrebbero quindi evitare di interpretare ogni tonnellata come materiale inviato direttamente in discarica durante il periodo della previsione.
L’uso in seconda vita può ritardare lo smaltimento di anni. Tuttavia, non elimina l’obbligo finale relativo ai rifiuti. Le apparecchiature arrivano infine a un punto in cui riparazione, rivendita o riallocazione non sono più pratiche.
La categoria del “contagio da rifiuti AI” introduce un ulteriore livello di incertezza. Le funzioni AI possono incoraggiare l’aggiornamento dei dispositivi, ma i consumatori li sostituiscono per molte ragioni sovrapposte. Separare tali cause è difficile.
Le previsioni fino al 2050 dipendono anche da tecnologie che non esistono ancora. I futuri acceleratori potrebbero utilizzare meno materiali per unità di calcolo. Nuovi progetti di raffreddamento potrebbero ridurre la massa delle apparecchiature, oppure distribuzioni più dense potrebbero richiedere sistemi più specializzati.
Anche le politiche possono cambiare il risultato. Requisiti di riparabilità, standard sul contenuto riciclato, leggi sulla responsabilità del produttore e controlli sulle esportazioni modificherebbero sia i volumi di rifiuti sia i percorsi di trattamento.
Queste incertezze indeboliscono le pretese di precisione assoluta, ma rafforzano la necessità di una migliore divulgazione. Gli operatori potrebbero sostituire le ipotesi con dati misurati pubblicando conteggi delle apparecchiature, massa, età, tassi di riutilizzo e destinazioni verificate.
Una rendicontazione comparabile risolverebbe anche le divergenze tra stime ristrette e più ampie. I ricercatori potrebbero mostrare separatamente i rifiuti dei server e l’infrastruttura di supporto, senza fondere entrambi in un unico numero.
Un utile quadro di divulgazione dovrebbe monitorare almeno quattro fasi: apparecchiature acquistate, apparecchiature installate, apparecchiature ritirate e apparecchiature che raggiungono il trattamento finale. Il riutilizzo dovrebbe restare distinto dal riciclo.
Le aziende dovrebbero inoltre rendicontare il recupero dei materiali anziché basarsi esclusivamente sul conteggio delle unità. Un server riutilizzato e un sistema di raffreddamento riciclato rappresentano risultati ambientali diversi.
La risposta più solida alle previsioni di BAN non è accettare ogni ipotesi del limite superiore. È pretendere prove operative sufficienti a sostituire stime incerte con registrazioni verificabili.
Fino ad allora, sia le rassicurazioni dell’industria sia le proiezioni esterne resteranno difficili da verificare. Il divario informativo favorisce affermazioni ottimistiche, perché i rifiuti emergono anni dopo che gli annunci infrastrutturali hanno ricevuto attenzione pubblica.
Tre segnali indicheranno se la previsione si confermerà
La crescita della capacità, la longevità delle apparecchiature e il recupero verificato determineranno se l’AI si avvicinerà alla stima superiore di BAN.
Il primo segnale è il ritmo e la composizione della costruzione di data center. La capacità annunciata non sempre diventa capacità operativa. Ritardi relativi ai collegamenti elettrici, ai finanziamenti, ai permessi o alla fornitura di chip possono modificare le proiezioni sui ritiri.
Ancora più importante, gli sviluppatori dovrebbero pubblicare l’intensità delle apparecchiature insieme ai megawatt. Due strutture con uguale capacità elettrica possono contenere quantità differenti di hardware per raffreddamento, backup, rete e calcolo.
Se la capacità installata si avvicinerà alle attuali previsioni di forte crescita senza una minore intensità di materiali, l’intervallo di BAN diventerà più plausibile. Una costruzione più lenta o un’infrastruttura più leggera indebolirebbero lo scenario superiore.
Il secondo segnale è l’effettiva vita operativa dell’hardware AI. Gli operatori raramente forniscono dati pubblici coerenti che mostrino per quanto tempo acceleratori, server e sistemi di supporto restano installati.
Occorre cercare prove che gli acceleratori più vecchi vengano trasferiti a carichi di lavoro di inferenza, ricerca o del mercato secondario. Un canale di rivendita funzionante ridurrebbe i rifiuti nel breve termine e migliorerebbe l’economia di un uso più lungo dell’hardware.
Anche il supporto del produttore conta. Compatibilità software, parti di ricambio, accesso alle riparazioni e aggiornamenti del firmware possono decidere se le apparecchiature più vecchie restano utili.
Se i provider cloud sostituiscono i sistemi dopo pochi anni senza una sostanziale riallocazione, i rifiuti annuali aumenteranno rapidamente. Una vita operativa più lunga e seconde vite documentate spingerebbero i risultati verso l’estremità inferiore.
Il terzo segnale è un recupero a valle verificabile. I report aziendali di sostenibilità dovrebbero indicare quante apparecchiature sono state riutilizzate, ricondizionate, riciclate e inviate allo smaltimento finale.
Tali report dovrebbero anche indicare le regioni di trattamento e descrivere i metodi di audit. Una percentuale di riciclo senza dati sulla destinazione non può dimostrare se materiale pericoloso sia stato trasferito verso processi scarsamente controllati.
Le autorità di regolamentazione possono rafforzare questo segnale tramite registri delle spedizioni e attività di controllo. Le regole di Basilea sui rifiuti elettronici offrono un quadro per il consenso e il monitoraggio internazionale, sebbene partecipazione nazionale e applicazione restino disomogenee.
Una rendicontazione trasparente consentirebbe ai clienti di confrontare i provider cloud su criteri che vanno oltre velocità, accesso ai modelli e dichiarazioni sull’elettricità. Gli acquirenti aziendali potrebbero includere requisiti sulla vita delle apparecchiature e sul recupero negli appalti infrastrutturali.
Gli sviluppatori e i lavoratori della conoscenza hanno un controllo meno diretto, ma le loro decisioni di acquisto influenzano comunque la domanda. Scegliere modelli di dimensioni adeguate e prolungare la vita dei dispositivi può ridurre la pressione ai margini del sistema.
Il rapporto sui rifiuti elettronici del Basel Action Network mette infine in discussione l’idea che l’AI esista soprattutto come software. Ogni modello dipende da sistemi fisici con vite operative finite e destinazioni complesse.
La stima di 617 milioni di tonnellate potrebbe diminuire con il miglioramento della tecnologia, delle politiche e delle pratiche di riutilizzo. Potrebbe anche rivelarsi prudente se capacità e cicli di sostituzione accelerassero insieme.
Ciò che conta ora è se gli operatori divulgheranno prove sufficienti a distinguere i due casi. Chiedete ai provider per quanto tempo le loro apparecchiature restano in servizio, dove finiscono i sistemi ritirati e come viene verificato il recupero. Le risposte riveleranno se il boom dell’hardware AI stia costruendo una catena di approvvigionamento circolare o stia semplicemente rimandando una crisi dei rifiuti molto più grave.
