La rendicontazione energetica dei data center di onsemi sfida le moratorie generalizzate

onsemi vuole che gli operatori dei data center rendano noto con quale efficienza trasformano l'elettricità della rete in capacità di calcolo per l'AI, nonostante il crescente sostegno politico alle moratorie sulle costruzioni. Il CEO Hassane El-Khoury sostiene che le comunità abbiano bisogno di dati operativi comparabili prima di decidere se un impianto proposto sprechi energia o meriti l'approvazione.

La proposta arriva nel pieno di uno scontro tra due misure grossolane. Gli sviluppatori annunciano gli impianti in base alla capacità elettrica, spesso nell'ordine di centinaia di megawatt o persino gigawatt. I residenti sperimentano questi progetti attraverso bollette energetiche, fabbisogno idrico, rumore, uso del suolo e nuove infrastrutture elettriche.

New York ha scelto una sospensione temporanea per i nuovi impianti hyperscale mentre sviluppa standard più rigorosi. El-Khoury definisce miopi le restrizioni generalizzate. La sua alternativa, la rendicontazione energetica dei data center di onsemi, valuterebbe gli impianti in base all'output di calcolo utile rispetto all'energia prelevata dalla rete.

Sembra un approccio più preciso rispetto all'approvazione o al rifiuto dei progetti basati soltanto sulle dimensioni. Solleva però anche interrogativi difficili. I carichi di lavoro AI variano, il calcolo utile non dispone di un'unità universale e l'azienda che propone la metrica vende i chip di potenza necessari per migliorarla.

onsemi vuole divulgazioni sull'efficienza, non divieti generalizzati

Il cambiamento immediato è la richiesta di onsemi di uno standard pubblico di efficienza che vada oltre la capacità elettrica dichiarata di un impianto.

El-Khoury ha presentato l'argomento durante una visita allo stabilimento produttivo di onsemi a East Fishkill, New York. Secondo l'originale rapporto sulla divulgazione energetica, ha affermato che i governi dovrebbero richiedere informazioni sugli sprechi energetici anziché respingere le infrastrutture AI come categoria.

La distinzione conta perché la capacità annunciata di un progetto dice poco su ciò che accade dopo che l'elettricità raggiunge la proprietà. Un campus proposto da un gigawatt indica ai regolatori quanta energia lo sviluppo prevede di consumare alla massima scala. Non rivela quanta elettricità raggiunga infine processori, memoria, apparecchiature di rete e archiviazione.

Tra la connessione alla rete e un chip AI si trovano diversi passaggi di conversione. Ogni passaggio modifica la tensione, converte la corrente alternata in corrente continua o distribuisce l'energia tra rack e schede. Nessuna conversione è perfetta, quindi parte dell'energia si trasforma in calore.

Quel calore genera un ulteriore onere. Le apparecchiature di raffreddamento consumano altra elettricità, mentre alcuni sistemi di raffreddamento richiedono anche quantità rilevanti d'acqua. Una perdita nel sistema elettrico può quindi produrre un secondo costo operativo quando il sistema di raffreddamento rimuove il calore risultante.

El-Khoury vuole che i decisori politici confrontino il consumo elettrico lordo con il calcolo utile erogato da un impianto. In linea di principio, questo premierebbe gli operatori che producono più lavoro AI con la stessa connessione alla rete.

La proposta sposta il dibattito dalla scala alle prestazioni. Un grande impianto con una distribuzione efficiente dell'energia, server ottimizzati e un elevato utilizzo delle apparecchiature potrebbe superare un sito più piccolo ma utilizzato male. La sola capacità non rivelerebbe tale differenza.

Le metriche attuali del settore risolvono il problema solo in parte. Il power usage effectiveness, o PUE, confronta il consumo totale di elettricità di un impianto con l'elettricità utilizzata dalle sue apparecchiature informatiche. Un PUE più vicino a 1,0 indica che meno energia viene destinata a raffreddamento, illuminazione e altri costi indiretti.

Il PUE non misura se i processori stiano svolgendo lavoro di valore. Un edificio pieno di server inattivi può registrare un PUE interessante perché quasi tutta la sua elettricità raggiunge le apparecchiature IT. La metrica non dice al pubblico con quale efficacia tali apparecchiature completino attività di addestramento o inferenza AI.

La proposta di El-Khoury va dunque oltre la normale efficienza dell'impianto. Chiede agli operatori di collegare la domanda alla rete con l'output di calcolo. È un obiettivo più rivelatore, ma anche molto più difficile da standardizzare.

La tempistica riflette la posizione commerciale di onsemi. L'azienda fornisce semiconduttori di potenza che agiscono come rapidi interruttori elettrici nei data center, nei veicoli e nei sistemi industriali. Una migliore conversione può ridurre le perdite elettriche lungo quella che il settore chiama power tree, la catena che trasporta l'elettricità dalla connessione dell'impianto ai singoli chip.

onsemi ha inoltre un interesse diretto nel convincere i governi che un hardware migliore possa alleviare una parte del problema energetico. Una divulgazione più rigorosa darebbe maggiore visibilità ai componenti di potenza efficienti durante le decisioni di approvvigionamento e autorizzazione.

Questo interesse non invalida la proposta. Significa però che i decisori politici dovrebbero separare l'idea utile della divulgazione dalla metrica o dalla tecnologia preferita da un singolo fornitore.

Perché la rendicontazione energetica dei data center AI sta diventando urgente

La pressione deriva da un divario crescente tra la velocità di costruzione per l'AI e la qualità delle informazioni pubbliche sui suoi costi locali.

I data center statunitensi hanno consumato circa 176 terawattora di elettricità nel 2023, pari a circa il 4,4% dell'uso nazionale di elettricità. Uno studio federale sulla domanda energetica ha previsto che la loro quota potrebbe raggiungere tra il 6,7% e il 12% entro il 2028.

L'ampio intervallo è importante. Mostra che persino i ricercatori nazionali non possono ridurre la domanda futura a un unico numero affidabile. Le consegne di hardware, l'adozione dell'AI, l'utilizzo dei server, i sistemi di raffreddamento e le pratiche operative possono tutti modificare il risultato.

Le comunità devono comunque prendere decisioni prima che tale incertezza scompaia. Le utility necessitano di piani per generazione, trasmissione e sottostazioni anni prima che un grande cliente inizi a operare. I regolatori devono decidere chi paghi gli aggiornamenti se la domanda prevista cambia o se un campus pianificato non raggiunge mai la piena capacità.

Durante questo processo, i residenti affrontano uno svantaggio informativo. I contratti tra utility e grandi clienti possono contenere condizioni riservate. Gli annunci dei progetti enfatizzano investimenti, posti di lavoro e capacità massima, mentre i dati operativi spesso arrivano più tardi o rimangono aggregati.

Il governo federale ha iniziato ad affrontare il divario di misurazione. Nel marzo 2026, la U.S. Energy Information Administration ha avviato tre studi pilota volontari che coprono il Texas, lo Stato di Washington, la Virginia settentrionale e Washington, DC.

L'agenzia ha identificato 196 aziende che gestiscono data center in queste regioni. Il suo sondaggio pilota sull'energia chiede alle aziende partecipanti informazioni sull'uso di elettricità, le fonti energetiche, le caratteristiche dei siti, i server e i sistemi di raffreddamento.

Queste categorie sono più ampie di un singolo rapporto di efficienza. Possono aiutare i ricercatori a distinguere la domanda di calcolo dalle infrastrutture di supporto e a identificare le differenze tra gli impianti.

Tuttavia, i progetti pilota chiedono a ciascuna azienda partecipante di segnalare informazioni per almeno un impianto. Non creano ancora un inventario nazionale completo. La partecipazione volontaria lascia inoltre il governo dipendente dalla collaborazione del settore.

L'EIA ha indicato di pianificare lo sviluppo di un'indagine obbligatoria dopo il completamento dei progetti pilota. Questo sforzo fornirebbe ai decisori politici una base più solida per valutare la rendicontazione energetica dei data center di onsemi o un altro quadro standardizzato.

Il dibattito sulla rendicontazione è diventato anche una questione di accessibilità economica per le famiglie. I grandi impianti possono richiedere nuove centrali elettriche, linee di trasmissione, sottostazioni e sistemi di backup. Il fatto che i clienti ordinari assorbano tali costi dipende dalla progettazione delle tariffe delle utility, dai contratti, dalla regolamentazione statale e dall'accuratezza delle previsioni della domanda.

La divulgazione dell'efficienza non può risolvere ogni controversia sull'allocazione dei costi. Può rendere queste controversie più concrete. I regolatori potrebbero confrontare il consumo previsto con l'operatività misurata, esaminare la domanda di picco e stabilire se l'efficienza promessa si sia concretizzata.

Anche gli sviluppatori subirebbero pressioni per definire le loro affermazioni. “Efficiente” richiederebbe un denominatore, un periodo di rendicontazione e un confine coerente attorno all'impianto. Senza questi dettagli, il termine rimane una descrizione di marketing anziché un risultato verificabile.

Per i knowledge worker che seguono impegni infrastrutturali in rapida evoluzione, una base di conoscenza AI ricercabile può aiutare a collegare autorizzazioni, documenti delle utility, dichiarazioni aziendali e successive divulgazioni operative. La sfida non è trovare un solo numero. È preservare contesto sufficiente per confrontare le promesse con le prestazioni.

New York ha scelto una pausa mentre onsemi sostiene la misurazione

Il conflitto centrale riguarda trasparenza mirata contro limiti precauzionali, non produttori di chip contro protezione ambientale.

New York ha reso tangibile il conflitto nel luglio 2026. La governatrice Kathy Hochul ha imposto una moratoria temporanea a livello statale sui nuovi data center hyperscale mentre i funzionari sviluppano standard ambientali e comunitari più rigorosi.

La politica sospende i nuovi impianti al di sopra della soglia statale anziché attendere che gli operatori dimostrino la loro efficienza dopo la costruzione. L'annuncio della moratoria di New York ha presentato la misura come una protezione contro bollette energetiche più alte, pressione sulle risorse idriche, rumore, emissioni e stress della rete.

I funzionari statali hanno anche citato quasi 12 gigawatt di richieste di carico dei data center nella coda di interconnessione di New York a maggio 2026. Secondo quanto riportato, oltre otto gigawatt sono entrati nella coda nel corso del 2025.

Una richiesta di interconnessione non equivale a un impianto operativo. Alcuni progetti proposti cambiano dimensione, si spostano o non ricevono mai l'approvazione per la costruzione. Le utility devono tuttavia esaminare le richieste credibili perché anche una frazione di tale domanda può influenzare la pianificazione a lungo termine.

La moratoria offre allo Stato il tempo di creare regole prima di approvare un'altra ondata di grandi carichi. La sua logica è precauzionale. Quando le informazioni sono incomplete e il costo potenziale è elevato, una pausa limita l'esposizione mentre i regolatori costruiscono un quadro normativo.

La critica di El-Khoury prende di mira l'ampiezza di questa risposta. Sostiene che i decisori politici dovrebbero identificare il danno specifico che intendono prevenire e misurarlo direttamente. Un impianto non dovrebbe essere considerato inaccettabile solo perché supporta l'AI o consuma una quantità significativa di elettricità.

L'argomento ha forza pratica. Una sospensione generalizzata tratta in modo simile operatori con tecnologie, contratti energetici, metodi di raffreddamento e accordi con le comunità diversi. Può inoltre indirizzare gli investimenti verso gli Stati confinanti senza migliorare l'efficienza energetica nazionale.

Il controargomento è altrettanto pratico. Gli standard di efficienza non proteggono automaticamente i residenti dai costi infrastrutturali, dall'inquinamento locale, dai conflitti sul territorio o dai prelievi d'acqua. Un impianto può ottenere buoni risultati in termini di output di calcolo per kilowattora e continuare a creare oneri locali inaccettabili.

L'approccio di New York riconosce anche un problema di applicazione. Un livello di efficienza promesso offre una protezione limitata a meno che i regolatori non possano ispezionare i dati operativi, verificare i calcoli e imporre conseguenze per prestazioni inferiori alle attese.

La politica più solida potrebbe infine combinare entrambi gli approcci. I governi possono richiedere valutazioni ambientali e protezioni dei costi prima della costruzione, quindi pretendere una divulgazione operativa standardizzata dopo l'entrata in funzione di un impianto.

In base a quel modello, la rendicontazione non sostituirebbe le autorizzazioni. Creerebbe un ciclo di feedback. I risultati misurati nei siti operativi migliorerebbero le future previsioni, le pratiche tariffarie, i permessi e gli accordi con le comunità.

È qui che la rendicontazione energetica dei data center di onsemi diventa più di un argomento aziendale. Se standardizzata in modo indipendente, potrebbe aiutare i regolatori a distinguere i progetti efficienti dalle strutture che consumano capacità riservata senza produrre il valore economico promesso.

Rivelerebbe inoltre se una moratoria affronta la corretta unità di rischio. Gli Stati potrebbero scoprire che la tempistica della rete, la generazione locale, l’acqua per il raffreddamento o le garanzie sui costi per i clienti contano più della sola capacità nominale di una struttura.

La parte difficile è definire un calcolo AI utile

Uno standard di capacità di calcolo per energia è interessante perché sembra oggettivo, ma i carichi di lavoro dell’AI resistono a confronti semplici.

L’addestramento e l’inferenza AI svolgono compiti diversi. L’addestramento crea o aggiorna un modello usando grandi set di dati e operazioni matematiche ripetute. L’inferenza usa un modello addestrato per rispondere a un prompt, classificare informazioni, generare contenuti multimediali o compiere un’altra azione.

Anche nell’inferenza, un output può differire nettamente da un altro. Una breve richiesta di classificazione utilizza risorse diverse rispetto a una lunga sessione di ragionamento. Testo, immagini, audio e video impongono inoltre esigenze diverse in termini di calcolo e memoria.

Contare le attività creerebbe quindi confronti distorti. Un operatore potrebbe apparire più efficiente elaborando molte richieste semplici anziché un numero inferiore di richieste più impegnative.

Contare i token, un’unità comune per le porzioni di testo elaborate da un modello, non risolverebbe completamente il problema. Le architetture dei modelli gestiscono i token in modo diverso. Finestre di contesto più lunghe aumentano il traffico di memoria, mentre i sistemi di ragionamento possono eseguire calcoli interni non visibili nella risposta finale.

I benchmark delle prestazioni dei chip offrono un’altra opzione. I regolatori potrebbero confrontare i carichi di lavoro standardizzati completati per unità di energia. I benchmark rendono più semplice valutare le configurazioni hardware in condizioni controllate.

Tuttavia, un benchmark non è un registro operativo. Le strutture reali eseguono carichi di lavoro misti, registrano variazioni nell’utilizzo e riservano capacità di riserva per picchi di traffico o guasti. Un sistema ottimizzato per un benchmark può comportarsi diversamente sotto la domanda dei clienti.

L’utilizzo crea un’ulteriore complicazione. Un server efficiente che rimane inattivo per gran parte della giornata può sprecare più energia complessiva di un server meno efficiente ma mantenuto costantemente occupato. La divulgazione dei dati della struttura deve quindi includere sia le prestazioni dei componenti sia l’uso operativo.

Anche il confine della misurazione è importante. Un’azienda potrebbe riportare l’energia consumata all’interno del data center escludendo però l’elettricità utilizzata dalla generazione vicina, dall’infrastruttura di rete o dal trattamento dell’acqua. Un altro operatore potrebbe includere tali sistemi.

Anche il tempo modifica il risultato. La produzione rinnovabile può variare di ora in ora e le reti regionali dipendono da risorse diverse nei periodi di picco. Le medie annuali possono nascondere se una struttura aggiunge domanda nelle ore più vincolate.

Un quadro credibile richiede diverse misure complementari anziché un unico punteggio. Potrebbero includere il consumo totale di elettricità, il carico di picco, l’energia IT, l’energia per il raffreddamento, l’utilizzo dei server, i carichi di lavoro standardizzati completati, l’uso dell’acqua e l’intensità di carbonio per periodo di rendicontazione.

L’Unione europea offre un precedente rilevante. La sua direttiva sull’efficienza energetica ha stabilito obblighi di rendicontazione per i data center qualificati, mentre la Commissione europea ha lavorato a un sistema comune di valutazione della sostenibilità. Il quadro europeo sui data center raccoglie informazioni prima che i responsabili politici definiscano un metodo di valutazione definitivo.

Questa sequenza è istruttiva. I governi possono richiedere prima dati grezzi coerenti, esaminare ciò che le informazioni rivelano e poi decidere quali metriche composite meritino rilevanza normativa.

Gli Stati Uniti potrebbero seguire un percorso analogo attraverso il lavoro di indagine dell’EIA. La riservatezza a livello di singola struttura richiederebbe comunque un trattamento attento, in particolare quando i dati operativi rivelano l’attività dei clienti o capacità commercialmente sensibili.

Le relazioni pubbliche potrebbero richiedere aggregazione o pubblicazione ritardata. I regolatori, tuttavia, potrebbero ricevere comunicazioni più dettagliate con tutele di riservatezza. Revisori indipendenti potrebbero verificare i calcoli senza esporre i carichi di lavoro dei clienti.

Il processo di definizione degli standard dovrebbe includere operatori, utility, aziende di semiconduttori, gruppi comunitari, ricercatori sull’efficienza ed esperti indipendenti di misurazione. onsemi può contribuire con competenze tecniche, ma non dovrebbe controllare il denominatore che determina se i suoi clienti appaiono efficienti.

I chip di potenza efficienti aiutano, ma non risolvono il dibattito

La tecnologia di onsemi affronta perdite elettriche reali, anche se i vantaggi a livello di chip non possono rispondere a ogni obiezione delle comunità.

La distribuzione di energia nei data center comporta conversioni ripetute. L’elettricità può arrivare come corrente alternata ad alta tensione, passare attraverso trasformatori e apparecchiature di commutazione, entrare nella distribuzione in corrente continua e subire un’ulteriore riduzione prima di raggiungere i processori.

I semiconduttori di potenza controllano queste transizioni. I dispositivi al carburo di silicio e al nitruro di gallio possono operare ad alte tensioni, alte frequenze di commutazione o temperature elevate in applicazioni selezionate. Le loro caratteristiche possono ridurre le dimensioni di alcuni componenti e migliorare l’efficienza di conversione.

onsemi ha promosso trasformatori a stato solido per le future strutture AI. Un trasformatore a stato solido utilizza l’elettronica di potenza per la conversione e il controllo della tensione, sostituendo alcune funzioni gestite dai trasformatori elettromagnetici convenzionali.

L’azienda afferma che le architetture in corrente continua a tensione più elevata possono ridurre le fasi di conversione. Il suo piano di conversione della potenza descrive uno spostamento del settore verso la distribuzione a 800 volt nella seconda metà del decennio.

Eliminare una fase di conversione può evitare una parte della perdita di energia che altrimenti diventerebbe calore. Una tensione di distribuzione più elevata può inoltre ridurre la corrente a parità di livello di potenza, diminuendo le perdite resistive e i requisiti per i conduttori.

Questi vantaggi diventano preziosi alla scala dell’AI. Un punto percentuale di efficienza in un campus molto grande rappresenta una domanda significativa di elettricità e raffreddamento. Il beneficio può proseguire per tutta la vita operativa della struttura.

onsemi ha forti ragioni commerciali per sottolineare questo meccanismo. Nei risultati del secondo trimestre del 2026, l’azienda ha descritto i data center AI come il suo segmento in più rapida crescita e ha dichiarato che i ricavi correlati dovrebbero più che raddoppiare nel corso dell’anno.

L’azienda ha riportato ricavi trimestrali totali pari a 1,604 miliardi di dollari, in aumento del 9% rispetto all’anno precedente. Ha inoltre evidenziato un ruolo più ampio nell’ecosistema MGX di Nvidia, una piattaforma server modulare utilizzata dai costruttori di sistemi.

I suoi risultati trimestrali mostrano perché la proposta di rendicontazione è strategicamente importante. Se gli operatori dovranno documentare le perdite di conversione, l’acquisto di hardware di potenza efficiente sarà più facile da giustificare.

Ciò non rende l’hardware superfluo. Significa che i lettori dovrebbero riconoscere sia il valore ingegneristico sia l’incentivo alla base dell’argomento politico.

La conversione della potenza rappresenta inoltre solo uno strato dell’efficienza di un data center. La progettazione dei processori, il movimento della memoria, il networking, il raffreddamento, la pianificazione software, l’architettura dei modelli e l’utilizzo possono consumare o risparmiare più energia in altre parti del sistema.

Un albero di alimentazione più efficiente può persino contribuire a un effetto di rimbalzo. Un minore consumo energetico per calcolo riduce il costo di esecuzione dell’AI, il che può incoraggiare i clienti a richiedere più calcolo. La domanda totale di elettricità può aumentare anche quando ogni attività diventa più efficiente.

Questo effetto non annulla i risparmi. Impedisce ai responsabili politici di trattare l’efficienza dei componenti come una riduzione garantita del consumo assoluto.

Gli sviluppatori di data center devono gestire anche il momento in cui consumano energia. Un campus altamente efficiente che raggiunge la domanda di picco durante un’emergenza della rete può creare più stress per il sistema rispetto a una struttura flessibile che riduce i carichi di lavoro nelle ore di vincolo.

La rendicontazione dovrebbe quindi rilevare la flessibilità della domanda. Gli operatori possono spostare alcuni lavori di addestramento, utilizzare energia accumulata, regolare il raffreddamento o programmare attività non urgenti quando l’elettricità è più disponibile. Non tutti i carichi di lavoro di inferenza possono attendere, ma molte attività di calcolo hanno flessibilità di programmazione.

Il valore pubblico della divulgazione risiede nel rendere visibili queste differenze. I regolatori potrebbero identificare le strutture che si limitano ad acquistare componenti efficienti e quelle che coordinano efficacemente hardware, software e domanda della rete.

Cosa deve dimostrare ora la rendicontazione energetica dei data center di onsemi

La proposta avrà importanza solo se regole indipendenti trasformeranno un concetto di efficienza convincente in prove comparabili e applicabili.

Il primo segnale da osservare è il passaggio dell’EIA da progetti pilota volontari a un’indagine nazionale obbligatoria. Il progetto pilota copre già fonti energetiche, consumo di elettricità, caratteristiche dei server e sistemi di raffreddamento.

Un’indagine obbligatoria stabilirebbe una base fattuale comune. Se includesse misure operative sufficientemente dettagliate, rafforzerebbe il caso per una regolamentazione basata sulle prestazioni. Un’indagine ristretta o fortemente aggregata lascerebbe ai funzionari locali la necessità di cercare altre prove.

Il secondo segnale è il piano di New York per le regole successive alla sua moratoria temporanea. I funzionari devono decidere quali strutture possono procedere, chi paga gli aggiornamenti della rete, come vengono esaminati gli effetti ambientali e cosa gli operatori devono divulgare.

Se New York adotterà soglie di prestazione misurabili insieme alle protezioni per le comunità, ridurrà il divario tra la proposta di El-Khoury e l’approccio prudenziale dello Stato. Se si baserà soprattutto sulle dimensioni dei progetti, il conflitto resterà.

Il terzo segnale è se gli operatori hyperscale pubblicheranno dati comparabili sull’efficienza del calcolo. Le divulgazioni su elettricità e acqua stanno diventando più comuni, ma l’output AI utile resta difficile da confrontare tra le aziende.

Una risposta credibile del settore userebbe definizioni comuni dei carichi di lavoro, divulgherebbe i confini di misurazione, riporterebbe l’utilizzo e accetterebbe verifiche indipendenti. Studi di caso selettivi indebolirebbero l’argomento secondo cui la trasparenza volontaria può sostituire limiti più rigorosi.

I lettori dovrebbero inoltre osservare la differenza tra capacità pianificata e capacità operativa. I gigawatt annunciati attirano l’attenzione, ma la domanda effettiva della rete dipende dai programmi di costruzione, dalla consegna delle apparecchiature, dalla domanda dei clienti e dall’utilizzo della struttura.

L’efficienza riportata dovrebbe essere monitorata nel tempo anziché celebrata al lancio. I primi mesi di una struttura possono apparire diversi dal funzionamento a regime. Aggiornamenti hardware, cambiamenti nei carichi di lavoro e occupazione crescente possono modificare le prestazioni.

Le comunità meritano più di un singolo punteggio aziendale. Hanno bisogno di informazioni sufficienti per rispondere a domande pratiche su bollette, acqua, rumore, emissioni, affidabilità e benefici locali.

Anche gli sviluppatori hanno bisogno di standard prevedibili. Un quadro trasparente può ridurre l’incertezza politica definendo le prove necessarie per l’approvazione e il funzionamento continuativo.

L’intervento di onsemi mette in luce una debolezza reale nel dibattito attuale. I megawatt descrivono la dimensione di una connessione elettrica, non la qualità o il valore pubblico del calcolo che vi sta dietro.

Il rimedio proposto resta incompleto. L’output di calcolo è difficile da normalizzare, l’efficienza può aumentare la domanda totale e chip di potenza migliori non risolvono ogni impatto locale.

Tuttavia, misurazione e precauzione non devono essere politiche contrapposte. I governi possono proteggere le comunità prima della costruzione, richiedendo al contempo agli operatori di dimostrare le prestazioni in seguito.

Il prossimo banco di prova sarà capire se la rendicontazione energetica dei data center di onsemi diventerà uno standard regolato in modo indipendente o resterà l’argomentazione di un fornitore che potrebbe trarne vantaggio. I lettori che seguono la questione dovrebbero confrontare l’imminente indagine federale, le norme definitive di New York e le comunicazioni degli hyperscaler. Questi tre segnali mostreranno se il settore è pronto a sostituire le ampie dichiarazioni di efficienza con prove concrete.