Intelligenza Artificiale e la corsa ai Data Center: i tre grandi ostacoli fisici che frenano le Big Tech

La narrazione macroeconomica degli ultimi mesi ruota quasi interamente attorno agli investimenti massicci nei data center. Colossi come Microsoft, Alphabet, Meta e Amazon Web Services stanno pompando decine di miliardi di dollari in infrastrutture cloud, diventate la spina dorsale dei carichi di lavoro legati all’Intelligenza Artificiale. I mercati finanziari scommettono su una crescita lineare e inarrestabile, ma l’economia reale ha il vizio di presentare il conto, ricordandoci che il mondo digitale ha un disperato bisogno di risorse fisiche.

Il boom dei data center che alimenta la rivoluzione dell’IA è certamente impressionante, , ma non sarà un percorso privo di ostacoli. Mentre gli Stati Uniti tentano di mantenere la leadership globale nella corsa tecnologica, le sfide si accumulano. La questione non è più solo la carenza di microchip avanzati, , ma riguarda l’infrastruttura di base.

In una recente analisi, Brian Singer, analista di Goldman Sachs, ha discusso le prospettive del settore con Mark Monroe, ex ingegnere principale del Datacenter Advanced Development Group di Microsoft. Dal loro confronto è emerso un quadro molto chiaro: la costruzione di nuovi data center deve affrontare tre formidabili colli di bottiglia legati all’energia, all’acqua e al lavoro. Vediamo nel dettaglio queste tre costrizioni strutturali.

1) L’Energia: il limite invalicabile della rete elettrica

L’energia elettrica rappresenta il vincolo principale e più immediato per lo sviluppo dei data center. La questione è duplice e riguarda sia la quantità di energia richiesta, sia la posizione geografica.

• La geografia dell’IA: I carichi di lavoro per l'”inferenza” dell’IA (l’utilizzo pratico dei modelli da parte degli utenti finali) richiedono la vicinanza geografica ai consumatori per ridurre i tempi di latenza, andando a sovraccaricare reti elettriche in aree urbane già congestionate. Al contrario, l’addestramento dei modelli di IA può essere svolto ovunque, spingendo le aziende a migrare verso aree remote dove l’energia è ancora abbondante.
  

  Mappa della domanda energetica dei nuovi data center negli USA

• La gestione flessibile dei carichi: Una soluzione teorica esisterebbe. Secondo uno studio della Duke University, se i data center accettassero di staccare o ridurre l’assorbimento energetico nei momenti di picco della rete (garantendo comunque un’operatività tra il 99,5% e il 99,75%), si potrebbero sbloccare fino a 100 GW di capacità elettrica. Tuttavia, come fa notare Monroe, l’industria informatica è terrorizzata dal rischio di spegnere e riaccendere i server, , ma soprattutto mancano oggi gli incentivi normativi e finanziari per farlo.
• I generatori a gas “Behind-the-Meter” (BTM): Per aggirare i ritardi di allaccio alla rete, le aziende stanno ricorrendo all’energia prodotta in loco, principalmente tramite generatori a turbina a gas naturale. L’ironia è sottile: per alimentare l’IA del futuro, si brucia gas. Questa energia costa dalle 5 alle 20 volte di più rispetto a quella di rete, , ma i margini di profitto dei grandi data center IA sono talmente mostruosi da rendere l’operazione economicamente sensata. L’obiettivo delle aziende è usare il gas come ponte tecnologico per circa tre anni, in attesa che la rete pubblica venga finalmente potenziata.

2) L’Acqua: il compromesso termico tra consumi idrici ed elettrici

I server per l’Intelligenza Artificiale generano un calore immenso. Storicamente, il raffreddamento è stato affidato a sistemi evaporativi, che consumano enormi quantità di acqua potabile. Oggi, tuttavia, la pressione delle comunità locali e dei regolatori sta spingendo l’industria ad abbandonare questi metodi.

• Il passaggio a sistemi a circuito chiuso: I giganti del cloud si stanno orientando verso design senza consumo d’acqua. Questo, tuttavia, crea un paradosso termodinamico. Abbandonare l’evaporazione significa affidarsi a chiller tradizionali che consumano molta più elettricità.
• Il crollo dell’efficienza energetica: Il Power Usage Effectiveness (PUE) è l’indice che misura l’efficienza di un data center (più si avvicina a 1, meglio è). Passando da sistemi evaporativi a quelli senz’acqua, il PUE passa da livelli di eccellenza di 1,08 a valori di 1,35-1,40. Tradotto in termini economici, significa aumentare le spese energetiche generali del 35-40%, contro il solo 8% dei sistemi ad acqua.
• La domanda di infrastrutture di raffreddamento: Nonostante l’introduzione di tecnologie avanzate, come il raffreddamento a liquido diretto sui chip, i centri dati condivisi continueranno a dipendere dai grandi refrigeratori industriali, la cui domanda è prevista in fortissima crescita per tutto il prossimo decennio.

Sistema di raffreddamento di un data center

3) Il lavoro: la rivincita dell’operaio specializzato

C’è un aspetto che i modelli finanziari di Wall Street spesso faticano a calcolare: per costruire l’infrastruttura digitale più complessa della storia, servono tute blu altamente specializzate.

• La carenza di manodopera: I data center non sono semplici capannoni industriali. Richiedono sistemi elettrici e meccanici estremamente sofisticati. Elettricisti qualificati e tubisti industriali sono diventati merce rara e preziosa, rappresentando il prossimo grande vincolo allo sviluppo dopo la rete elettrica.
• La necessità di nuove leve: Le organizzazioni di settore stanno cercando disperatamente di creare programmi di formazione professionale, spingendosi a promuovere questi mestieri persino nelle scuole medie.
• I numeri del fabbisogno: Le stime indicano che gli Stati Uniti avranno bisogno di oltre 500.000 nuovi lavoratori netti nei settori della produzione, costruzione, manutenzione e distribuzione di energia elettrica entro il 2030, solo per soddisfare questa domanda.

Guardando al futuro, la vera domanda macroeconomica è se l’Occidente sarà in grado di sostenere questo balzo degli investimenti di capitale senza interruzioni. Le attuali valutazioni stellari delle aziende tecnologiche danno per scontato che questi cantieri si traducano rapidamente in guadagni di produttività. Alla fine, però, il rischio di esecuzione si riduce ai limiti crudi dell’infrastruttura pesante, , ma le catene di approvvigionamento fisiche potrebbero raffreddare le aspettative troppo ottimistiche della finanza.

Rimani aggiornato seguendoci su Google News!

SEGUICI