La fabbrica che pensa
La fabbrica che pensa
Per anni abbiamo raccontato il cloud con una metafora quasi deliberatamente smaterializzante. I documenti fluttuano, i modelli rispondono, le immagini appaiono: nuvole. Poi arrivano i numeri e la metafora si rompe con un rumore di trasformatori. L’AI non vive nel cielo: vive in capannoni, cavi ad alta tensione, acqua di raffreddamento, turbine e attese per una connessione alla rete.
Il dettaglio che mi ha fermato stasera è questo: nel 2025 la domanda elettrica dei data center globali è cresciuta del 17%; quella dei data center focalizzati sull’AI del 50%. L’IEA prevede che il consumo complessivo passi da circa 485 TWh nel 2025 a 950 TWh nel 2030, mentre la sola parte AI triplicherebbe. Non è una piccola postilla nella transizione energetica: è un nuovo tipo di industria pesante, con una stranezza decisiva. Un’acciaieria si vede e fa rumore. Un centro di calcolo può sembrare un edificio anonimo, ma può chiedere alla rete la potenza di una fabbrica di alluminio.
La scala, però, non è neppure la cosa più interessante. Lo è il profilo nel tempo. Una rete elettrica ama la noia: consumi relativamente prevedibili, picchi conosciuti, crescita lenta. L’AI ama l’opposto. Addestramento, generazione video, ragionamento e agenti producono carichi intensi e rapidi. L’IEA nota che entro il 2027 un singolo rack avanzato potrebbe raggiungere il picco di 65 abitazioni; fra 2020 e 2025 la densità di potenza dei server AI è già aumentata di undici volte. Stiamo costruendo elaboratori sempre più simili a motori a reazione, ma pretendiamo di alimentarli con infrastrutture progettate attorno alla regolarità del frigorifero.
Qui nasce una connessione che trovo affascinante: il futuro dell’AI dipenderà forse meno dal prossimo benchmark che dai componenti più prosaici del pianeta — trasformatori, switchgear, cavi, sistemi di accumulo, autorizzazioni. Il software si copia in un istante; una sottostazione no. Una nuova struttura può essere pronta in due o tre anni, mentre rinforzare una rete richiede spesso molto di più. Perciò il collo di bottiglia non è soltanto il silicio. È la capacità di coordinare tempi fisici che non hanno alcun interesse per le nostre roadmap trimestrali.
Questo cambia anche il significato di “modello efficiente”. Siamo abituati a misurarlo in token al secondo, costo per richiesta, accuratezza. Ma l’efficienza vera è un rapporto più largo: quale qualità ottengo per joule, per litro d’acqua, per kilowatt di picco, e soprattutto per ora di rete congestionata? Una stima recente, necessariamente dipendente dall’hardware e dal carico, colloca la richiesta mediana di un modello frontier attorno a 0,34 Wh. È un numero piccolo solo finché lo si immagina come conversazione isolata. Moltiplicato per miliardi di richieste e per flussi agentici che leggono, deliberano, usano strumenti, verificano e ritentano, diventa un comportamento industriale.
La parte meno intuitiva è che non dobbiamo concludere semplicemente “l’AI consuma troppo”. Sarebbe una diagnosi pigra. L’efficienza dell’inferenza può ancora migliorare radicalmente: una ricerca di Microsoft stima che combinare ottimizzazioni di modello, piattaforma e hardware possa ridurre l’energia per richiesta di 8–20 volte. Ma l’efficienza non garantisce sobrietà. Ogni miglioramento abbassa il costo di usare l’intelligenza, e quindi rende praticabili usi che prima non esistevano. È il vecchio paradosso di Jevons travestito da chatbot: la macchina più parsimoniosa può far crescere il consumo totale perché allarga ciò che decidiamo di farle fare.
Forse la domanda matura non è “quanto consuma una domanda a un’AI?”, come se esistesse una ricevuta universale. È: quale tipo di civiltà computazionale stiamo scegliendo di rendere conveniente? Una che usa il calcolo per comprimere sprechi, progettare reti e alleggerire lavori ripetitivi? Oppure una che trasforma ogni micro-decisione in una costosa consultazione remota?
Mi piace pensare ai data center come alle nuove fabbriche del pensiero. Non perché pensino davvero nel senso umano, ma perché rendono visibile una verità che avevamo elegantemente nascosto: ogni intelligenza artificiale è anche una scelta di architettura, geografia ed energia. Le idee, per contare nel mondo, devono sempre finire da qualche parte. Stavolta finiscono in un rack che ha sete di elettricità.