Quanto consuma l'intelligenza artificiale

Oggi l’intelligenza artificiale è integrata nelle ricerche web, nelle suite di produttività, nell’assistenza clienti e anche nei processi creativi. Ogni prompt, ovvero ogni comando che si fornisce all’IA, innesca un’attività di calcolo che richiede server, chip specializzati e sistemi di raffreddamento.

Non dobbiamo però preoccuparci solo di quanto consuma un singolo prompt, piuttosto di come l’adozione massiva impatti reti elettriche, acqua e obiettivi climatici.

I dati ufficiali

I report e gli studi usciti tra il 2024 e il 2025 su quanto consuma l’intelligenza artificiale consentono oggi di dare ordini di grandezza credibili, distinguendo consumi puntuali (per richiesta) da quelli sistemici (data center, aree geografiche, mix energetico).

Quanto consuma l’intelligenza artificiale: i numeri

Nel 2024 i data center hanno consumato circa l’1,5% dell’elettricità mondiale, pari a circa 415 TWh (terawattora), con una crescita molto più veloce rispetto alla domanda elettrica complessiva. Quasi la metà di questi consumi (circa il 45%) è concentrata negli Stati Uniti, seguiti da Cina (25%) ed Europa (15%).

In alcuni Paesi l’impatto è ancora più evidente: in Irlanda, ad esempio, nel 2023 i data center avevano già superato le abitazioni urbane (21% vs 18%) in fatto di consumi nazionali e nel 2024 il sorpasso è stato confermato (22% vs 18%).

Il consumo elettrico dell’intelligenza artificiale ha tre componenti:

1. Addestramento;
2. Utilizzo;
3. Consumi ausiliari del data center (reti, storage, ridondanze, conversione di potenza, raffreddamento).

Il raffreddamento incide in modo rilevante sul carico complessivo e sulla domanda idrica. Alcuni studi hanno già quantificato l’impronta idrica: un report del 2023 (“Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI Models”, Shaolei Ren – Mohammad A. Islam – Jianyi Yang – Pengfei Li, arXiv) stimava il peso di 10-50 risposte di lunghezza media fornite da un modello di grandi dimensioni equivalenti a una bottiglia di mezzo litro d’acqua. Si trattava però di stime indirette, legate al raffreddamento dei server nei data center.

Altri report, tra cui divulgazioni ambientali di Google e Microsoft, analisi ENEA e ricerche universitarie, hanno parlato di valori nell’ordine di milioni di litri al giorno per sito, con un caso specifico documentato di circa 2,1 milioni di litri. I fattori alla base di questi dati, però, variano in base al tipo di raffreddamento (aria, acqua, evaporativo), al clima locale e al mix tecnologico.

Questi numeri sono stati tuttavia contestualizzati negli ultimi mesi: ad esempio, non tutti i data center usano acqua in quelle quantità, molti si stanno spostando su sistemi ad aria o su ricircolo con acqua industriale. Inoltre, i fattori climatici e geografici influiscono molto: i consumi possono variare di oltre 10 volte, prendendo due casi estremi (ad esempio, Arizona vs Svezia).

Inoltre, per la prima volta le aziende hanno pubblicato dati ufficiali sul consumo energetico di un singolo prompt.

Google ha reso nota la metodologia per l’inference di Gemini, ovvero l’uso quotidiano del modello già pronto (e quindi già addestrato) che risponde a un prompt: una richiesta testuale media comporta circa 0,24 Wh di elettricità, 0,26 millilitri d’acqua (l’equivalente di cinque gocce) e 0,03 grammi di CO2 equivalente.

OpenAI, tramite la parola del CEO Sam Altman, ha dichiarato che ChatGPT richiede in media 0,34 Wh e 0,32 millilitri d’acqua per ogni prompt.

Si tratta di numeri molto più bassi rispetto alle stime preliminari circolate in passato.

Allo stesso tempo, è bene ricordare che i dati sopra riportati sono riferiti solo ed esclusivamente all’uso di modelli già addestrati: la fase di training, infatti, ovvero quella in cui il modello viene istruito con enormi quantità di dati, consuma molta più energia e risorse.

Consumi in crescita entro il 2030

Secondo le proiezioni più recenti stilate dall’International Energy Agency nel recente rapporto “Energy and AI”, entro il 2030 i data center consumeranno circa il doppio dell’elettricità attuale.

A spingere verso l’alto la curva sono l’intelligenza artificiale generativa, l’uso sempre più diffuso di acceleratori come le GPU e l’espansione dei servizi cloud.

Le ultime stime elaborate concordano tutte su uno scenario di forte aumento, anche se i numeri cambiano in base alle ipotesi: molto dipende da quanto migliorerà l’efficienza dei chip, dalla velocità di sviluppo delle reti e dalle autorizzazioni per nuovi siti.

Inoltre, la crescita non è uniforme: negli Stati Uniti e in alcuni distretti europei i poli di data center potrebbero registrare incrementi molto elevati ogni anno.

Consumo AI: il nucleare potrebbe essere una soluzione?

Per alimentare in modo stabile e senza emissioni i futuri campus di server, le grandi aziende non si affidano solo a eolico e solare, ma stanno anche sperimentando soluzioni miste che includono accumuli e contratti a lungo termine con centrali nucleari.

Negli Stati Uniti, ad esempio, sono stati firmati accordi per rimettere in funzione un reattore di Three Mile Island e destinare l’energia prodotta anche a sistemi di intelligenza artificiale tramite i data center.

Altri contratti guardano al nucleare di nuova generazione: piccoli reattori modulari (SMR) e progetti con operatori come Kairos Power e la Tennessee Valley Authority, con prime connessioni alla rete previste intorno al 2030. Il progetto Hermes 2 in Oak Ridge, sarà uno di questi reattori avanzati, con 50 MW di potenza, che sarà venduta tramite la Tennessee Valley Authority, con Google che riceverà crediti energetici “puliti” per compensare le emissioni.

L’obiettivo finale è quello di disporre di potenza programmabile e a basse emissioni in quei luoghi dove sole e vento non sono sufficienti a coprire il fabbisogno continuo dei data center.

Quanto consuma l’intelligenza artificiale quando produce testo, immagini e video

Oltre a generare testo, l’intelligenza artificiale è capace di creare anche immagini e video. Ogni prodotto creato dall’intelligenza artificiale proviene da un prompt iniziale, che poi può essere arricchito da prompt successivi finalizzati a ottimizzare o a correggere il prodotto già creato.

Generare un testo è relativamente leggero, come abbiamo visto: gli ultimi dati ufficiali hanno confermato che un prompt consuma tra 0,24 e 0,34 Wh per prompt.

La generazione di immagini e, soprattutto, video è invece molto più esigente: diverse analisi indipendenti, tra cui quelle riportate dal Wall Street Journal e da indagini di Sasha Luccioni per Hugging Face, indicano un consumo medio di circa 1-2 Wh per immagine con i modelli di diffusione più utilizzati, ma con variazioni anche molto ampie in base a risoluzione e architettura.

Con i video, i numeri sono decisamente più importanti: una clip di sei secondi può richiedere da 20 Wh fino a oltre 100 Wh, a seconda del modello.

Inoltre, studi accademici sul text-to-video, come quelli sul progetto Open-Sora, mostrano che i consumi aumentano in modo proporzionale alla durata e crescono molto più velocemente con la risoluzione. In pratica, più il filmato è lungo e più consuma, ma è la qualità a fare la vera differenza: salire di risoluzione, ad esempio passare al 4K, può far raddoppiare o triplicare subito l’energia necessaria.

Quanto consuma l’AI: FAQ

Quanta energia usa, in media, una domanda di IA testuale?

Tra circa 0,24 e circa 0,34 Wh per prompt, a seconda del modello e dell’infrastruttura dichiarati nel 2025.

Perché si parla tanto di acqua?

Perché gran parte del raffreddamento nei data center usa acqua: milioni di litri al giorno per siti iperscalari in climi caldi, ma l’impatto dipende molto dalla localizzazione e dalla tecnologia di raffreddamento.

L’IA rischia di “intasare” le reti elettriche locali?

Sì, nelle aree con forte concentrazione di campus: servono rinforzi di rete, capacità programmabile e pianificazione con le utility per evitare colli di bottiglia.

Il nucleare azzera il problema?

No. Può fornire carico stabile a basse emissioni, ma richiede tempi autorizzativi lunghi e coesistenza con rinnovabili, efficienza e gestione della domanda.