L'efficienza dei data center fatica a tenere il passo con la crescita dell'AI

Google News ha messo in evidenza un netto conflitto: i data center stanno diventando più efficienti, ma la crescita dell'AI continua a spingere verso l'alto la loro domanda energetica complessiva.

Questa distinzione è importante per gli obiettivi ambientali, sociali e di governance. Gli operatori possono migliorare il raffreddamento, la distribuzione dell'energia e l'efficienza di calcolo, continuando però a consumare ogni anno più elettricità, acqua e materiali da costruzione.

La pressione ora va oltre Google. Microsoft, Amazon, Meta, i provider di colocation, le utility e gli acquirenti aziendali affrontano tutti la stessa prova. L'efficienza deve avanzare più rapidamente dell'espansione dell'infrastruttura, altrimenti gli obiettivi climatici aziendali continueranno ad allontanarsi.

Google News evidenzia il passaggio dall'efficienza facoltativa a una necessità operativa

L'efficienza dei data center è diventata un requisito di capacità, non soltanto una preferenza ambientale.

Il cambiamento immediato non è un nuovo dispositivo di raffreddamento né un framework di rendicontazione. È la portata della domanda di elettricità associata ai piani per l'infrastruttura AI.

L'Agenzia Internazionale dell'Energia stima che i data center abbiano consumato circa 415 terawattora di elettricità nel mondo nel 2024. Ciò rappresentava approssimativamente l'1,5% del consumo elettrico globale.

Il suo scenario di base prevede che il consumo raggiunga circa 945 terawattora entro il 2030. Si tratta di oltre il doppio del livello del 2024 e di poco superiore al consumo attuale del Giappone.

L'AI è il principale motore dell'aumento previsto. Si prevede che l'uso di elettricità da parte dei server accelerati, che includono GPU e altri sistemi specializzati, cresca di circa il 30% all'anno fino al 2030.

Si prevede che il consumo elettrico dei server convenzionali cresca del 9% annuo. I server accelerati rappresentano quasi la metà dell'aumento netto atteso della domanda dei data center.

Queste stime compaiono nell'analisi della domanda energetica dell'IEA. Definiscono la scala rispetto alla quale devono essere valutate le dichiarazioni aziendali sull'efficienza.

I data center comprendono più delle sole apparecchiature di calcolo. Necessitano anche di sistemi di raffreddamento, hardware di rete, archiviazione, apparecchiature per la conversione dell'energia, batterie e generazione di backup.

Secondo l'IEA, i server rappresentano circa il 60% della domanda elettrica in una struttura moderna. Il raffreddamento può variare da circa il 7% nei siti hyperscale efficienti a oltre il 30% nelle strutture aziendali meno efficienti.

Questo divario crea una reale opportunità. Un migliore flusso d'aria, temperature operative più elevate, il raffreddamento a liquido, sistemi elettrici efficienti e una gestione più rigorosa della capacità possono ridurre le inefficienze generali.

L'efficacia nell'uso dell'energia, o PUE, misura queste inefficienze. Divide l'energia totale della struttura per l'energia consumata dalle apparecchiature IT.

Un PUE di 1,2 significa che la struttura utilizza il 20% di energia in più rispetto a quanto richiesto dalle sue apparecchiature di calcolo. Un PUE più vicino a 1,0 indica minori inefficienze dell'infrastruttura.

La definizione di PUE di TechTarget spiega perché gli operatori usano questo rapporto per confrontare le strutture e valutare i cambiamenti operativi.

Tuttavia, il PUE non rivela se i server svolgono un lavoro utile. Non misura nemmeno l'intensità carbonica dell'elettricità, il consumo idrico, la produzione dell'hardware o la crescita della domanda totale.

Una struttura può quindi riportare un PUE eccellente pur consumando più elettricità rispetto a un anno prima. Può inoltre operare in modo efficiente su una rete ad alta intensità di carbonio.

Questo è il cambiamento centrale alla base della discussione su Google News. L'efficienza continua a contare, ma i rapporti isolati a livello di struttura non forniscono più prove sufficienti per un'affermazione ESG.

Gli operatori devono ora collegare l'efficienza della struttura con l'output dei carichi di lavoro, le condizioni della rete locale, lo stress idrico e le emissioni assolute. Altrimenti, ogni metrica presenta solo una parte del costo ambientale.

Il momento è particolarmente importante perché la fornitura di elettricità è diventata un vincolo alla realizzazione. Le utility devono gestire grandi carichi concentrati, che possono assomigliare a impianti industriali.

I data center AI richiedono inoltre energia affidabile per tutto l'arco della giornata. Il loro profilo operativo complica i piani che dipendono interamente da una produzione eolica o solare intermittente.

Il risultato è una nuova condizione competitiva. Le aziende non possono separare la strategia di calcolo dalla strategia energetica quando le connessioni alla rete determinano quando diventa disponibile nuova capacità.

La crescita dell'AI mette sotto pressione gli impegni climatici più rapidamente di quanto l'efficienza possa proteggerli

Le aziende che costruiscono l'infrastruttura più efficiente stanno anche creando la maggiore nuova domanda di energia.

Google offre un chiaro esempio del conflitto. I suoi data center supportano Search, Google News, Gemini, YouTube, Cloud, la pubblicità e numerosi servizi aziendali.

Google ha riferito che la domanda di elettricità dei suoi data center è aumentata del 27% nel 2024. L'azienda ha inoltre dichiarato che le emissioni energetiche dei data center sono diminuite del 12% quell'anno.

Questa combinazione ha mostrato che elettricità più pulita e miglioramenti operativi possono indebolire il legame tra crescita del calcolo ed emissioni energetiche. Non ha dimostrato che la domanda assoluta di risorse abbia smesso di crescere.

Il rapporto ambientale 2026 di Google aggiunge un ulteriore livello. L'azienda afferma di aver reintegrato circa 7,7 miliardi di galloni d'acqua nel 2025.

Questo volume equivaleva a circa il 78% del suo consumo totale di acqua dolce per l'anno. Google ha inoltre ampliato il proprio portafoglio di gestione idrica a 165 progetti in 97 bacini idrografici.

Il reintegro può finanziare il ripristino degli habitat, la conservazione, le infrastrutture e i progetti di accesso all'acqua. Non significa che l'acqua prelevata da un bacino idrografico ritorni fisicamente nello stesso luogo nello stesso momento.

La localizzazione conta perché gli impatti idrici sono locali. Un gallone consumato in una regione soggetta a stress idrico comporta un rischio diverso rispetto a un gallone consumato dove l'acqua è abbondante.

La contabilizzazione dell'elettricità presenta un problema simile. L'approvvigionamento annuale di energia rinnovabile può corrispondere ai consumi sulla carta, mentre un data center continua a dipendere dalla generazione fossile in ore specifiche.

La corrispondenza 24 ore su 24 con energia priva di carbonio stabilisce uno standard più rigoroso. Chiede se l'elettricità pulita sia disponibile sulla stessa rete e nelle stesse ore dei consumi.

Raggiungere questo standard richiede più dell'acquisto di certificati. Le aziende necessitano di nuova generazione, capacità di trasmissione, accumulo, carichi di lavoro flessibili e una produzione affidabile a basse emissioni di carbonio.

Google, Microsoft, Amazon e Meta stanno perseguendo combinazioni di energie rinnovabili, energia nucleare, progetti geotermici e accumulo. Questi investimenti possono ampliare l'offerta pulita, ma le tempistiche di costruzione restano disomogenee.

Anche il gas naturale sta attirando attenzione perché gli sviluppatori necessitano di capacità programmabile. L'IEA prevede che la generazione a gas fornisca parte dell'aumento della domanda elettrica dei data center fino al 2035.

Questo crea una tensione diretta con le promesse aziendali di decarbonizzazione. Un'azienda può acquistare elettricità pulita altrove mentre la sua espansione locale contribuisce a nuova generazione fossile.

La pressione non si ferma agli hyperscaler. Le aziende di colocation devono fornire ai clienti informazioni credibili su energia, acqua ed emissioni.

Gli acquirenti aziendali incorporano quindi tali dati nei propri inventari Scope 3. Scope 3 copre le emissioni della catena del valore esterne alle operazioni dirette di un'azienda o all'elettricità acquistata.

Dati infrastrutturali inadeguati possono quindi indebolire l'accuratezza della rendicontazione dei clienti. Possono inoltre far apparire le migrazioni al cloud più pulite di quanto siano.

Regolatori e investitori desiderano sempre più informazioni comparabili anziché un linguaggio generico sulla sostenibilità. Hanno bisogno di confini, metodi di misurazione e periodi di rendicontazione coerenti.

Le comunità locali hanno preoccupazioni diverse. Vogliono sapere se una struttura proposta influirà sulle tariffe elettriche, sulle falde acquifere, sulle entrate fiscali, sull'uso del suolo o sull'affidabilità della rete.

Queste domande trasformano l'efficienza in una questione sociale e di governance. I soli progressi tecnici non possono risolvere le controversie su chi riceve i benefici economici e chi sostiene i costi infrastrutturali.

La copertura di Google News aiuta a mettere in luce questo pubblico sempre più ampio. Le prestazioni dei data center non sono più un tema specialistico legato alle strutture, discusso soltanto dagli ingegneri.

Ora incidono sui consigli di amministrazione, sui pianificatori delle utility, sui regolatori, sugli investitori, sui clienti e sui residenti vicini ai campus proposti. Ogni gruppo valuta l'efficienza attraverso una diversa lente di rischio.

La vera sfida è tra guadagni di efficienza e crescita totale delle risorse

Un miglioramento dell'efficienza sostiene gli obiettivi ESG solo quando modifica la traiettoria dell'impatto ambientale complessivo.

Si tratta di un problema di scala costruito attorno a due variabili in movimento. La prima è l'energia consumata per ogni unità di lavoro computazionale.

La seconda è la quantità di calcolo richiesta. Le aziende AI stanno migliorando la prima variabile aumentando rapidamente la seconda.

Chip più efficienti possono elaborare più calcoli per watt. Software migliori possono ridurre le operazioni non necessarie, migliorare l'instradamento dei modelli e collocare il lavoro sull'hardware più adatto.

Un maggiore utilizzo dei server distribuisce inoltre gli impatti incorporati e operativi su una quantità maggiore di lavoro utile. Gli acceleratori inattivi continuano a consumare elettricità producendo poco valore per i clienti.

Tuttavia, costi più bassi possono stimolare un utilizzo maggiore. Gli economisti spesso descrivono questo risultato come effetto rimbalzo, in cui l'efficienza rende un servizio meno costoso e ne espande il consumo totale.

I sistemi AI illustrano il rischio. Una query di testo più economica può portare gli sviluppatori a inserire modelli nella ricerca, nei software per ufficio, nell'assistenza clienti, negli strumenti di coding e negli agenti automatizzati.

I modelli di ragionamento possono eseguire passaggi computazionali ripetuti prima di restituire una risposta. La generazione video e i sistemi multimodali possono richiedere molta più elaborazione rispetto alle semplici risposte testuali.

Gli agenti possono inoltre eseguire catene di chiamate ai modelli senza un input umano continuo. Ogni singola attività potrebbe diventare più efficiente, mentre il numero totale di attività cresce più rapidamente.

L'IEA ha riferito nel 2026 che il consumo energetico per attività AI era diminuito di almeno un ordine di grandezza all'anno negli ultimi anni. Ha inoltre rilevato che l'uso di elettricità dei data center focalizzati sull'AI è aumentato del 50% nel 2025.

Questi risultati non sono contraddittori. Mostrano perché i progressi per singola attività e la domanda a livello di sistema debbano essere riportati insieme.

La progettazione delle strutture affronta la stessa tensione. Il raffreddamento a liquido può rimuovere il calore dai rack AI ad alta densità in modo più efficiente rispetto al tradizionale raffreddamento ad aria.

Tuttavia, i sistemi a liquido introducono nuove scelte progettuali che riguardano pompe, scambiatori di calore, fonti idriche e apparecchiature per la dissipazione del calore. Le loro prestazioni dipendono dal clima e dalla configurazione.

Una maggiore densità dei rack può ridurre lo spazio fisico richiesto per una determinata quantità di calcolo. Può anche concentrare la domanda elettrica e il calore in un'area più piccola.

Questa concentrazione incide su trasformatori, quadri di distribuzione, sistemi di backup e interconnessioni alla rete. Un edificio tecnicamente efficiente può comunque richiedere importanti aggiornamenti al di fuori delle proprie mura.

Il PUE deve quindi inserirsi in un insieme più ampio di misurazioni. Il Dipartimento dell'Energia degli Stati Uniti raccomanda di combinare misure di tipo PUE con indicatori relativi ad acqua, carbonio, riutilizzo dell'energia e output di calcolo.

La sua guida all'efficienza progettuale descrive valori PUE intorno a 1,6 come standard, 1,4 come buoni e 1,1 come migliori.

La guida avverte inoltre che il PUE non definisce l'efficienza di un intero data center. Non dice nulla sul fatto che i server installati siano produttivi o adeguatamente dimensionati.

L’efficacia nell’uso dell’acqua, o WUE, misura l’uso annuale di acqua del sito rispetto all’energia delle apparecchiature IT. L’efficacia nell’uso del carbonio collega le emissioni al consumo di elettricità IT.

L’efficacia nel riutilizzo dell’energia considera l’energia esportata per un altro scopo. Il calore di scarto può sostenere il teleriscaldamento, processi industriali o edifici vicini dove esistono infrastrutture adeguate.

Le metriche di calcolo aggiungono il lato dell’output che manca. Gli operatori possono monitorare transazioni, token dei modelli, avanzamento dell’addestramento o un’altra unità specifica del carico di lavoro per watt.

Nessuna singola metrica di output funziona per ogni carico di lavoro. Addestrare un modello, distribuire un video, archiviare record ed elaborare transazioni finanziarie producono forme diverse di valore.

Questo limite non giustifica l’ignorare l’output. Significa che le aziende devono pubblicare metodi, confini e categorie di carico di lavoro con sufficiente chiarezza perché gli osservatori esterni possano interpretare i risultati.

Un programma ESG basato solo sul PUE può premiare il comportamento sbagliato. La sostituzione di apparecchiature più vecchie potrebbe migliorare le inefficienze della struttura lasciando invariati server sottoutilizzati.

Spostare i carichi di lavoro presso un provider hyperscale potrebbe ridurre il consumo aziendale di elettricità misurato. La domanda energetica sottostante continua però a esistere e viene trasferita nell’inventario del provider.

I certificati di energia rinnovabile possono ridurre le emissioni Scope 2 basate sul mercato. Non riducono automaticamente le emissioni fisiche associate al consumo locale di elettricità.

Allo stesso modo, il reintegro annuale dell’acqua può sostenere utili progetti di ripristino. Non può sostituire informazioni a livello di sito sui prelievi durante siccità o picchi di domanda.

L’approccio più credibile collega cinque livelli: output di calcolo utile, energia totale della struttura, fonti elettriche orarie, impatto idrico locale ed emissioni della catena di fornitura.

Questo quadro di valutazione più ampio cambia le decisioni di approvvigionamento. Gli acquirenti possono confrontare i provider in base all’output dei servizi e alle conseguenze ambientali, anziché accettare un unico rapporto di efficienza.

Cambia anche le priorità ingegneristiche. I team possono ottimizzare modelli, pianificazione, utilizzo dell’hardware, raffreddamento e approvvigionamento energetico come un unico sistema interconnesso.

Un hardware migliore non può risolvere misurazioni e comunicazioni deboli

La maggiore incertezza non riguarda il funzionamento delle tecnologie di efficienza, ma se le metriche riportate rivelino abbastanza da verificare le affermazioni aziendali.

Il settore ha migliorato le prestazioni delle strutture negli ultimi due decenni. Questi progressi sono reali, ma il ritmo è rallentato in gran parte della base installata.

L’indagine globale 2025 di Uptime Institute ha rilevato che il PUE medio era cambiato poco per sei anni consecutivi. Le infrastrutture legacy e i vincoli di raffreddamento specifici del clima hanno limitato ulteriori progressi.

La stessa indagine ha rilevato che la raccolta e la rendicontazione delle principali metriche di sostenibilità non sono migliorate nel 2025. Uptime ha collegato la stagnazione in parte alla pressione commerciale dell’AI e all’allentamento delle normative in alcune regioni.

Questi risultati compaiono nei risultati dell’indagine dell’istituto.

Il divario nella comunicazione rende difficile il confronto. Le aziende scelgono confini organizzativi, metodi contabili e definizioni differenti per il consumo idrico o l’energia rinnovabile.

Alcune pubblicano l’uso di elettricità a livello aziendale senza separare i data center. Altre riportano totali regionali ma omettono le singole strutture.

La divulgazione a livello di sito può creare problemi di sicurezza e commerciali. Tuttavia, l’aggregazione può nascondere i luoghi in cui reti elettriche e bacini idrografici subiscono la maggiore pressione.

I carichi di lavoro AI creano un’altra sfida di misurazione. I provider raramente pubblicano dati energetici completi per modello, tipo di attività, località e momento.

Una singola media può combinare richieste testuali efficienti con la generazione video ad alta intensità energetica. Può anche nascondere le differenze tra dimensioni dei modelli e impostazioni di ragionamento.

I ricercatori di Google hanno proposto di misurare l’inferenza AI lungo l’intero stack di erogazione. Ciò include acceleratori, sistemi host, capacità inattiva e inefficienze della struttura.

Questo metodo è più informativo rispetto alla misurazione del solo chip attivo. Tuttavia, il confronto indipendente rimane limitato quando i provider usano carichi di lavoro e infrastrutture private differenti.

Gli obiettivi aziendali aggiungono una questione di governance. I consigli di amministrazione spesso approvano impegni climatici a lungo termine prima che i team infrastrutturali sappiano quanto rapidamente crescerà la domanda di AI.

I dirigenti si trovano quindi ad affrontare incentivi in conflitto. Vogliono proteggere le promesse climatiche evitando al contempo ritardi che potrebbero indebolire la loro posizione nel mercato dell’AI.

Il problema diventa più acuto quando la retribuzione o il finanziamento dipendono dalla performance di sostenibilità. Definizioni deboli possono premiare una contabilità favorevole invece di riduzioni fisiche.

Le autorità di regolamentazione possono migliorare la comparabilità stabilendo requisiti di rendicontazione coerenti. Regole mal progettate possono anche produrre dati di conformità privi di significato operativo.

L’Unione europea ha iniziato a richiedere la rendicontazione di sostenibilità ai data center qualificati. La Germania ha adottato requisiti di efficienza, comprese future soglie PUE per le strutture.

I requisiti di rendicontazione non renderanno ogni struttura comparabile. Clima, requisiti di disponibilità, tipo di carico di lavoro ed età dell’edificio influenzano tutti le prestazioni raggiungibili.

Un data center in una località calda e umida non dovrebbe essere giudicato soltanto rispetto a una struttura che utilizza il free cooling in un clima freddo. La domanda pertinente è se ciascun sito utilizzi metodi adeguati.

L’affidabilità introduce un altro compromesso. Le apparecchiature ridondanti aumentano le inefficienze elettriche, ma proteggono i servizi digitali essenziali dalle interruzioni.

Eliminare ogni livello di ridondanza potrebbe migliorare un rapporto di efficienza creando al contempo un rischio operativo inaccettabile. L’analisi ESG deve tenere conto della resilienza del servizio.

Anche acqua ed energia possono muoversi in direzioni opposte. Il raffreddamento evaporativo può ridurre il consumo di elettricità ma utilizzare più acqua.

I sistemi raffreddati ad aria possono ridurre l’uso diretto di acqua richiedendo però più elettricità. L’opzione più pulita dipende dallo stress idrico locale e dalle emissioni della rete.

Questi compromessi rendono difficili da verificare affermazioni generiche come “data center verde”. Un operatore trasparente dovrebbe comunicare sia i benefici sia gli impatti trasferiti.

L’analisi indipendente rimane essenziale perché i rapporti aziendali si rivolgono a diversi pubblici. Forniscono dati utili, ma presentano anche la strategia aziendale in termini favorevoli.

Il lavoro giornalistico di Associated Press ha documentato come l’espansione dell’AI stia complicando le promesse climatiche delle principali aziende tecnologiche. La sua analisi sugli obiettivi climatici osserva che le aziende riconoscono sempre più la difficoltà.

Questo riconoscimento è importante, ma non dimostra il progresso. I lettori dovrebbero distinguere tra obiettivi, contratti energetici firmati, progetti completati e risultati operativi misurati.

Google News può raccogliere tutte e quattro le categorie in un unico flusso. Redattori e lettori devono evitare di trattarle come prove equivalenti.

Un accordo nucleare proposto non è produzione in esercizio. Un impegno di reintegro idrico non è acqua ripristinata finché i progetti non producono benefici verificati.

Un’affermazione di efficienza basata su hardware da laboratorio non è un risultato esteso all’intera flotta. Un obiettivo di costruzione non è una struttura a basse emissioni di carbonio completata.

La rendicontazione ESG più solida rende visibili queste fasi. Spiega inoltre le carenze invece di sostituire obiettivi precedenti con un linguaggio nuovo.

Tre segnali mostreranno se l’efficienza può tenere il passo con l’espansione dell’AI

La prossima fase sarà giudicata in base ai risultati assoluti, non da un’altra serie di annunci isolati sull’efficienza.

Il primo segnale è se le emissioni totali dei data center inizieranno a diminuire mentre il consumo di elettricità continuerà a crescere.

L’efficienza ha un valore reale se rallenta la domanda e riduce le emissioni rispetto a un’espansione non gestita. Gli impegni climatici aziendali richiedono tuttavia riduzioni assolute.

I lettori dovrebbero confrontare la crescita annuale dell’elettricità con le emissioni basate sulla localizzazione e sul mercato. Le cifre basate sulla localizzazione riflettono le reti che alimentano le operazioni, mentre quelle basate sul mercato includono acquisti contrattuali.

Un divario crescente tra queste cifre indicherebbe una maggiore dipendenza da strumenti contabili. Un calo di entrambe fornirebbe prove più forti di decarbonizzazione fisica.

Il secondo segnale è se le aziende pubblicheranno informazioni più granulari su energia e acqua.

Una divulgazione utile separerebbe i data center dagli uffici e da altre operazioni. Identificherebbe inoltre le principali regioni, le località soggette a stress idrico e i metodi usati per calcolare il consumo.

Per l’AI, i provider dovrebbero spiegare quali componenti di sistema sono inclusi nelle stime per attività. Dovrebbero divulgare le categorie di carico di lavoro senza esporre informazioni sensibili dei clienti.

Una rendicontazione più coerente rafforzerebbe l’idea che gli obiettivi ESG guidino le decisioni infrastrutturali. Un’aggregazione continua conserverebbe i dubbi sugli impatti locali.

Il terzo segnale è se l’efficienza cambierà la pianificazione della capacità invece di limitarsi a migliorare le nuove strutture.

Gli operatori dovrebbero mostrare un maggiore utilizzo dei server, pianificazione dei carichi di lavoro, ritiro delle apparecchiature e flessibilità della domanda. Dovrebbero anche dimostrare che i team software considerano l’energia nella selezione dei modelli.

Le utility forniranno una prova pratica. I progetti che abbinano nuovi carichi a produzione, trasmissione e stoccaggio realizzabili dovranno affrontare meno dubbi di credibilità.

I progetti che dipendono da forniture future incerte aumenteranno la pressione sulle reti locali. Possono anche creare resistenza politica, ritardi nelle autorizzazioni e costi infrastrutturali più elevati.

I prossimi rapporti ambientali aziendali renderanno questi segnali più facili da confrontare. Google, Microsoft, Amazon e Meta sono ora sottoposte a esame nelle stesse dimensioni fondamentali.

Le loro cifre PUE riportate continueranno a essere importanti. I numeri più rilevanti saranno l’elettricità totale, la copertura oraria di energia pulita, il consumo idrico, le emissioni e il calcolo utile erogato.

Google News continuerà a riportare annunci su chip efficienti, raffreddamento a liquido e nuovi accordi energetici. I lettori dovrebbero chiedersi se ogni sviluppo modifichi questi totali più ampi.

Anche gli sviluppatori e gli acquirenti aziendali hanno influenza. Possono selezionare modelli più piccoli, ridurre le chiamate non necessarie, memorizzare nella cache risultati adatti e richiedere dati infrastrutturali credibili ai provider.

I lavoratori della conoscenza possono chiedersi se ogni attività necessiti del modello computazionalmente più intenso. I team di prodotto possono misurare la qualità dell’output rispetto a energia e latenza, anziché massimizzare la dimensione del modello.

L’efficienza energetica dei data center è ormai inseparabile dalla credibilità della strategia di crescita dell’AI. La domanda decisiva è semplice: le riduzioni verificate delle risorse arriveranno prima che l’espansione renda irraggiungibili gli obiettivi ESG aziendali?