L’AI consuma energia, e la rete elettrica non cresce alla stessa velocità. Chi produce e accumula la propria energia accanto al calcolo non aspetta anni in coda per un allaccio.
L’IEA stima che il consumo dei data center più che raddoppierà entro il 2030 e che circa un progetto su cinque rischia ritardi per mancanza di rete. In Italia Terna ha ricevuto 95 GW di richieste di connessione per data center, ma solo 1,9 GW sono in fase avanzata e 8 impianti risultano allacciati. IDC scrive che la disponibilità di energia è “il vincolo più importante” per l’infrastruttura AI.
Google ha ridotto di 33 volte in 12 mesi l’energia di una richiesta mediana a Gemini. Epoch AI misura un calo del costo per ottenere lo stesso livello di prestazioni tra 9 e 900 volte l’anno, secondo il compito. La ML.ENERGY Leaderboard misura l’energia per risposta dei modelli aperti: è il dato che serve per dimensionare pannelli e batterie (ML.ENERGY ).
Le GPU restano care fino al 2027–28: nel 2026 la memoria DRAM è aumentata del 90–95% in un trimestre e i sistemi B200/B300 hanno consegne di 30–52 settimane (stime di settore). Le API dei modelli aperti costano pochissimo, quindi l’argomento per l’AI in sede non è solo il prezzo: è sovranità del dato, privacy, funzionamento senza rete e resilienza.
L’UE ha lanciato il bando per le AI Gigafactories, oltre 30 mld € (digital-strategy.ec.europa.eu ) e propone il Cloud and AI Development Act con zone di accelerazione dotate di energia garantita. L’Italia ha la legge 132/2025 con fino a 1 mld € per AI e tecnologie abilitanti, incluso l’edge computing (innovazione.gov.it ), e l’AI Factory IT4LIA a Bologna.
Se la rete è il collo di bottiglia, la risposta è la tua energia accanto al calcolo. Parti da uno studio di fattibilità.
