Ecco come i data center dell’IA consumeranno il 25% di energia in meno

I data center che si nascondono dietro all’intelligenza artificiale paradossalmente oggi non gestiscono adeguatamente i consumi energetici, ma un gruppo di ricercatori della startup Emerald AI ha dimostrato che un software potrebbe contribuire a cambiare tutto. In pratica si potrebbero ridurre i picchi di consumo energetico mantenendo inalterate le prestazioni. Ad esempio in Europa la domanda di carico totale per i data center AI è destinata a passare dai 10 Gigawatt del 2024 a 35 Gigawatt entro il 2030, con un consumo energetico annuo corrispondente quasi triplicato, passando da 62 a oltre 150 Terawattora (TWh). In pratica si parla del 5% del consumo totale di elettricità del continente solo per l’intelligenza artificiale. In Cina la prospettiva è di 600 TWh, sempre entro il 2030. Ecco spiegati i motivi per cui sarebbe strategico poter ridurre i consumi. Il tema di fondo però è che questi non sono lineari nei data center AI, ma hanno un andamento variabile in relazione alle attività. Cambiano a seconda dei carichi di elaborazione e raffreddamento “con caratteristiche e modelli AI distinti nelle fasi di preparazione, addestramento, messa a punto e inferenza”.

Tecnologia

IA sempre più inquinante. Emissioni di CO2 pari a quelle prodotte da New York in un anno

di Paolo Travisi 03 Gennaio 2026

La chiave di volta è accordare queste dinamiche con le variabili esterne e quindi la rete elettrica. Si pensi alla disponibilità di energia e di rinnovabili, le tariffe, domanda e offerta e altri parametri. Lo studio, realizzato anche in collaborazione con SRP (Salt River Project), Nvidia, Oracle Corporation e Electric Power Research Institute (EPRI) e pubblicato su Nature Energy, conferma la potenziale capacità dei data center di svolgere un ruolo attivo. Nello specifico operare in modalità flessibile. In pratica la sfida fin dall’inizio era di dimostrare che con una soluzione software sviluppata da Emerald AI sarebbe stato possibile rendere più efficiente l’impiego energetico senza compromettere le prestazioni. Ayse Coskun, Chief Scientist di Emerald AI e coautrice dell'articolo, ha spiegato che sono riusciti a modulare selettivamente tutti i processi di elaborazione che possono tollerare piccole modifiche. Insomma, quelli che non vanno in difficoltà con qualche lieve rallentamento.

La sperimentazione di Phoenix

Nella sperimentazione avvenuta in un data center AI di Phoenix, abbinando il software Emerald AI a un cluster reale di 256 GPU di Nvidia si è ottenuta una significativa riduzione dei consumi. Si parla del 25% in meno di energia in periodo di tre ore in cui la rete elettrica era particolarmente sotto stress. Contemporaneamente gli utenti non hanno subito rallentamenti significativi nelle rispettive attività, completando ogni lavoro nel rispetto dei tempi previsti. “Affrontare queste sfide richiede soluzioni collaborative e integrate che coinvolgano operatori di rete, data center e utenti finali, come progressi nella previsione del carico e nella modellazione dinamica dell'intelligenza artificiale, nella standardizzazione e nella regolamentazione, nella pianificazione basata sulla rete, nell'hardware a basso consumo energetico e nell'utilizzo consapevole dell'intelligenza artificiale”, conclude lo studio. In sintesi una diffusione globale di questo metodo è tecnicamente possibile ma secondo gli esperti c’è bisogno di quadri normativi coerenti e incentivi che premino la flessibilità. Non a caso questi temi saranno oggetto di dibattito durante il prossimo di Datacloud Energy Europe previsto a Bruxelles il 25 e 26 marzo 2026.