Introduzione al contesto energetico dei data center
La crescita dell’intelligenza artificiale sta ridisegnando la geografia energetica dell’economia digitale. Secondo l’International Energy Agency, nel 2025 i data center hanno consumato complessivamente circa 485 terawattora di elettricità. La proiezione centrale dell’agenzia indica che la domanda potrebbe avvicinarsi a 950 terawattora entro il 2030, arrivando a rappresentare circa il 3 % dei consumi elettrici mondiali.
Queste stime non descrivono un destino inevitabile. Evoluzione dell’hardware, disponibilità di energia, crescita della domanda ed efficienza dei sistemi possono modificare sensibilmente il risultato, ma mostrano perché il Green IT non possa più essere trattato come una semplice iniziativa reputazionale.
Perché la misurazione è indispensabile
Misurare energia, emissioni e acqua è diventato un requisito per governare costi, capacità infrastrutturale e continuità dei servizi. L’impronta di un data center deriva da componenti differenti:
- Server, acceleratori, sistemi di archiviazione e apparati di rete, che assorbono energia per elaborare e trasferire informazioni;
- Raffreddamento, illuminazione, distribuzione elettrica e gruppi di continuità, che aggiungono consumi necessari al funzionamento dell’impianto.
La valutazione deve considerare anche la provenienza dell’elettricità, l’acqua impiegata per il raffreddamento e le emissioni incorporate nella produzione dell’hardware. Due strutture con consumi identici possono quindi avere impatti climatici diversi, a seconda dell’efficienza operativa e del mix energetico disponibile nel luogo in cui operano.
Variabilità della domanda tra tipologie di infrastruttura
La domanda non aumenta allo stesso modo in tutte le infrastrutture. I grandi data center, le strutture aziendali e le sale server locali presentano livelli differenti di utilizzo, ridondanza ed efficienza. Anche il comportamento delle applicazioni incide sul risultato: un sistema sovradimensionato o scarsamente utilizzato può consumare energia pur producendo un valore operativo limitato.
Per comprendere l’impronta reale non basta misurare la potenza installata. Occorre associare i consumi al lavoro svolto, usando indicatori come transazioni elaborate, utenti serviti o quantità di dati processati. In assenza di questa normalizzazione, una diminuzione dell’energia può dipendere da un calo dell’attività, mentre un aumento può essere giustificato da una crescita proporzionale dei servizi erogati.
Impatto specifico dell’AI sui consumi
L’addestramento e l’esecuzione dei modelli generativi richiedono infrastrutture dotate di acceleratori ad alta densità. Il consumo effettivo dipende dalla dimensione del modello, dall’hardware impiegato, dalla durata dell’elaborazione, dal numero di richieste e dalle tecniche utilizzate per rendere più efficiente l’inferenza.
L’IEA prevede che i data center orientati all’AI crescano più rapidamente rispetto al resto del settore. Tuttavia le stime devono essere lette come scenari, non come misure certe: miglioramenti nei chip, modelli più piccoli, quantizzazione, ottimizzazione del software e maggiore utilizzo delle risorse possono ridurre l’energia necessaria per ogni operazione, senza garantire una diminuzione dei consumi complessivi quando la domanda continua ad aumentare.
Le tre metriche fondamentali: PUE, CUE e WUE
PUE (Power Usage Effectiveness) è il rapporto tra l’energia complessivamente utilizzata dal data center e quella assorbita dagli apparati IT. Un valore pari a 1 rappresenterebbe una condizione ideale nella quale tutta l’elettricità alimenta direttamente le apparecchiature informatiche. Nella pratica il valore è superiore, perché parte dell’elettricità viene impiegata per raffreddamento e servizi ausiliari. Un PUE basso indica una struttura efficiente, ma non dimostra che le risorse informatiche siano utilizzate bene; è necessario affiancarlo a misure di utilizzo di CPU, GPU, memoria e storage.
CUE (Carbon Usage Effectiveness) mette in relazione le emissioni associate all’energia del data center con il consumo degli apparati IT. Il risultato dipende sia dall’efficienza dell’impianto sia dall’intensità carbonica dell’elettricità utilizzata. Una struttura efficiente alimentata da una rete ad alte emissioni può presentare prestazioni climatiche peggiori rispetto a un impianto collocato in un’area con energia a basse emissioni.
WUE (Water Usage Effectiveness) esprime il rapporto tra l’acqua utilizzata e l’energia consumata dagli apparati IT. La misurazione deve specificare se considera l’acqua prelevata, quella consumata direttamente dal sito o anche quella associata alla produzione di elettricità. Come per le altre metriche, WUE, CUE e PUE sono complementari e non dovrebbero essere interpretati isolatamente.
Definizione del perimetro di misurazione
Una metrica calcolata sull’intero impianto non è direttamente confrontabile con una riferita a una sola sala. Periodo di misurazione, condizioni climatiche, carico medio e metodologia impiegata devono essere dichiarati, altrimenti il confronto tra strutture rischia di diventare fuorviante.
Allineamento tra efficienza ambientale ed economica
Efficienza ambientale ed efficienza economica spesso coincidono, perché un’infrastruttura inutilizzata genera consumi e costi senza produrre valore. Tuttavia non tutte le scelte sostenibili sono automaticamente convenienti: spostare un’applicazione verso un’altra regione può ridurre le emissioni o il prezzo dell’energia, ma aumentare latenza, traffico di rete e complessità operativa.
Le decisioni devono considerare il costo complessivo del servizio, includendo disponibilità, prestazioni e rischio di interruzione. Ridurre la capacità di riserva oltre un livello prudente può migliorare un indicatore energetico e, allo stesso tempo, rendere l’organizzazione più vulnerabile ai picchi di domanda o ai guasti.
Asset silenti e pratica del rightsizing
Gli asset silenti comprendono server dimenticati, istanze inattive, ambienti di prova lasciati permanentemente accesi e volumi di archiviazione non più utilizzati. Individuarli consente di eliminare consumi evitabili, ma la dismissione non dovrebbe essere eseguita senza una mappatura delle dipendenze.
Una risorsa apparentemente inattiva potrebbe sostenere un processo periodico o una funzione di emergenza. Il rightsizing richiede quindi osservazione prolungata, soglie di sicurezza e possibilità di ripristino. Lo stesso principio vale per l’overprovisioning: una certa capacità inutilizzata è necessaria per assorbire picchi e guasti; l’obiettivo non è eliminarla, ma mantenerla proporzionata ai requisiti del servizio.
Il ruolo del cloud e della sovranità dei dati
Il cloud può migliorare l’utilizzazione media dell’hardware e offrire infrastrutture più efficienti rispetto a