I data center basati sull'intelligenza artificiale sono dannosi per l'ambiente?

I data center dedicati all'intelligenza artificiale possono esercitare una reale pressione sull'ambiente, ma è troppo semplicistico affermare che ogni data center di questo tipo sia automaticamente dannoso per l'ambiente. Lo stesso carico di lavoro può avere impatti molto diversi a seconda della rete elettrica, del sistema di raffreddamento, delle condizioni idriche locali e dell'efficienza dell'hardware.

Un data center alimentato prevalentemente da energia elettrica a basse emissioni di carbonio, che utilizza sistemi di raffreddamento efficienti e adotta una rendicontazione trasparente, ha un’impronta ambientale diversa rispetto a uno che dipende da una rete elettrica fortemente basata sui combustibili fossili, consuma risorse idriche locali già scarse o grava su un sistema energetico già sottoposto a limitazioni.

La domanda rilevante non è se i data center dedicati all’intelligenza artificiale siano positivi o negativi in astratto. Si tratta piuttosto di capire cosa consumano, dove sono situati, cosa sostituiscono o rendono possibile, e se le comunità locali riescano a cogliere chiaramente i compromessi in gioco.

I data center dedicati all'intelligenza artificiale (IA) hanno lo scopo di eseguire elaborazioni. I grandi sistemi di IA si basano su rack densamente popolati di GPU, reti ad alta larghezza di banda, sistemi di archiviazione, memoria e apparecchiature di alimentazione. Quando questi sistemi addestrano modelli o gestiscono richieste di inferenza, consumano energia elettrica in modo continuo.

L'impatto ambientale di quell'energia elettrica dipende in larga misura dalla rete elettrica. Un megawattora proveniente da una rete a basse emissioni di carbonio ha un impatto climatico diverso rispetto a un megawattora generato prevalentemente da carbone o gas. Ecco perché l'ubicazione è importante tanto quanto gli impianti all'interno dell'edificio.

Per una spiegazione più approfondita del motivo per cui l'intelligenza artificiale consuma così tanta energia, consultare Perché l'intelligenza artificiale consuma così tanta elettricità?.

I chip di intelligenza artificiale generano calore. I data center devono dissipare tale calore per garantire l'affidabilità e l'efficienza dei server. Alcune strutture utilizzano il raffreddamento ad aria, altre ricorrono a circuiti di acqua refrigerata, altre ancora impiegano il raffreddamento evaporativo e molte adottano soluzioni ibride che si adattano alle condizioni esterne.

Il raffreddamento ad acqua può ridurre il fabbisogno di energia elettrica in determinate condizioni, ma può anche aumentare il consumo idrico locale. Questo compromesso non è automaticamente positivo o negativo. Dipende dal clima locale, dallo stress idrico, dal mix energetico e dal fatto che l’acqua sia potabile, riciclata o gestita in altro modo.

Per ulteriori dettagli sul raffreddamento e sul consumo idrico, consultare Perché i data center dedicati all'intelligenza artificiale consumano così tanta acqua?.

La maggior parte delle emissioni di carbonio dei data center dedicati all'intelligenza artificiale è di natura indiretta. I server di solito non emettono CO₂ all'interno della struttura, ma l'elettricità utilizzata per alimentarli può provenire da combustibili fossili in qualche punto della rete elettrica.

Ciò significa che lo stesso modello di IA può avere un’impronta di carbonio diversa a seconda di quando e dove viene eseguito. L’intensità energetica della rete a livello regionale, l’approvvigionamento da fonti rinnovabili, la generazione di riserva e l’adeguamento orario dell’energia elettrica possono tutti influire sull’impronta effettiva.

Poiché i dati dettagliati sull'approvvigionamento energetico specifico per l'IA sono raramente di dominio pubblico, le stime relative alle emissioni di carbonio dovrebbero essere considerate indicative. Ipotesi trasparenti sono più credibili rispetto alla pretesa di conoscere i totali globali esatti.

I data center sono strutture industriali fisiche. Richiedono terreni, allacciamenti alla rete elettrica, sottostazioni, fibra ottica, sistemi di backup, materiali da costruzione e infrastrutture di raffreddamento. Anche quando le emissioni globali sono al centro dell’attenzione, sono gli effetti locali a determinare l’accettazione o meno di un progetto.

Le comunità potrebbero nutrire preoccupazioni riguardo al consumo idrico, alle bollette dell’elettricità, alla congestione della rete elettrica, al rumore, agli incentivi fiscali, alla destinazione d’uso del territorio, ai disagi causati dai lavori di costruzione o alla corrispondenza tra i posti di lavoro promessi e l’entità del sostegno pubblico. Queste preoccupazioni non sono le stesse ovunque.

Ecco perché una valutazione ambientale seria dovrebbe andare oltre la domanda complessiva di IA. Dovrebbe chiedersi quale impatto abbia un determinato data center su una specifica rete elettrica, un bacino idrografico e una comunità.

L'infrastruttura IA ha anche un'impronta materiale a monte della catena di fornitura. I PFAS sono utilizzati in alcune fasi della produzione di semiconduttori, tra cui fotolitografia, incisione, lavorazione dei wafer e alcune applicazioni di trasferimento del calore. La crescente domanda di chip avanzati richiama quindi maggiore attenzione sull'uso di sostanze chimiche, sulle acque reflue e sulla disponibilità di alternative più sicure.

La portata attribuibile specificamente all'IA resta incerta. Non tutti i sistemi di raffreddamento a liquido utilizzano PFAS e i dati pubblici non consentono di calcolare un totale globale preciso per la sola IA. I PFAS vanno quindi considerati una questione emergente della catena di fornitura, senza aggiungerli direttamente agli attuali indicatori dell'impatto dell'IA.

La rendicontazione pubblica relativa alle infrastrutture di IA sta migliorando, ma è ancora incompleta. Molte aziende rendono noti i dati relativi al consumo energetico o idrico a livello aziendale, ma non sempre forniscono i dettagli necessari per isolare i carichi di lavoro legati all’IA, le singole strutture o i sistemi specifici di esecuzione dei modelli.

In assenza di informazioni chiare, le stime esterne devono basarsi su rapporti pubblici, ipotesi relative alle infrastrutture, specifiche hardware e ricerche. Ciò può fornire utili ordini di grandezza, ma non va confuso con misurazioni verificate a livello di struttura.

Una maggiore trasparenza renderebbe il dibattito più concreto: quanta energia elettrica è necessaria, quali risorse di rete vengono utilizzate, come funziona il raffreddamento, quale fonte idrica viene impiegata e come cambiano gli impatti nel tempo.

L'impatto ambientale dei data center dedicati all'intelligenza artificiale può essere ridotto grazie a chip più efficienti, a una migliore gestione dei modelli, a modelli specializzati più piccoli, al riutilizzo del calore, a sistemi di raffreddamento ottimizzati, a una scelta più oculata delle ubicazioni, a energia elettrica a basse emissioni di carbonio e a standard di rendicontazione più rigorosi.

L'efficienza di per sé non garantisce una riduzione dell'impatto complessivo. Se l'utilizzo dell'IA cresce più rapidamente di quanto migliori l'efficienza, la domanda totale di energia elettrica, il fabbisogno di raffreddamento e lo sviluppo delle infrastrutture potrebbero comunque aumentare.

La conclusione realistica è sfaccettata: i data center dedicati all’intelligenza artificiale non sono intrinsecamente negativi, ma non sono nemmeno privi di impatto. Le loro prestazioni ambientali dipendono dalle scelte ingegneristiche, dai vincoli legati alle risorse locali, dalla responsabilità nei confronti dei cittadini e dall’entità della domanda per cui sono stati progettati.