Nel cuore del dibattito sull'intelligenza artificiale si sta aprendo una frattura che finora ha ricevuto scarsa attenzione mediatica: la sostenibilità energetica delle infrastrutture di calcolo che alimentano i grandi modelli AI. Mentre l'ecosistema tech globale celebra le performance degli LLM (Large Language Models) e l'espansione dell'AI generativa in ogni settore produttivo, una questione concreta e urgente si impone all'attenzione di governi, industria e ricercatori. Addestrare un modello come GPT-4 o gestire l'inferenza continua di sistemi AI su scala industriale richiede quantità di energia paragonabili al fabbisogno di intere città. Il Festival dell'Economia di Trento ha offerto una delle rare occasioni in cui questo nodo è stato affrontato con rigore, senza essere oscurato dalla narrativa dominante degli algoritmi miracolosi.
Il panel dedicato a "Intelligenza artificiale e data center: da dove arriverà l'energia" ha ribaltato la prospettiva consueta con cui si parla di AI. Invece di concentrarsi su benchmark di accuracy o capacità emergenti dei transformer, il confronto si è spostato su gigawatt, reti di distribuzione e continuità dell'approvvigionamento elettrico. Ogni query elaborata da un sistema AI conversazionale, ogni ciclo di fine-tuning su modelli con miliardi di parametri, ogni supercomputer dedicato al deep learning rappresenta un consumo energetico reale e misurabile, non astratto.
La metafora del "cloud" come qualcosa di immateriale ha dominato per anni la narrativa tech, ma i conti non tornano più. I data center globali sono strutture fisiche enormi, piene di hardware ad alta densità computazionale, che consumano elettricità in modo ininterrotto e richiedono sistemi di raffreddamento sempre più sofisticati. Il boom dell'AI generativa sta accelerando questa traiettoria in modo non lineare, con una domanda di potenza computazionale che cresce più rapidamente di quanto le infrastrutture energetiche nazionali siano preparate ad assorbire.
Giuseppe Gola, amministratore delegato di Open Fiber, ha portato al centro del dibattito il tema delle reti intelligenti e ad alta capacità, sottolineando come la connettività fisica sia una precondizione spesso trascurata per l'effettivo dispiegamento delle tecnologie AI su scala industriale. Senza dorsali digitali e reti elettriche adeguate, anche i modelli più avanzati rischiano di restare confinati ai laboratori di ricerca delle grandi corporation.
Sul fronte energetico, uno degli elementi più significativi emersi a Trento riguarda il ritorno del nucleare nel dibattito italiano, una discussione che sembrava congelata dopo il referendum del 2011 e che l'espansione dell'AI sta contribuendo a riaprire con argomenti nuovi. Luca Mastrantonio, amministratore delegato di Nuclitalia, ha illustrato come le tecnologie nucleari possano rispondere a una delle esigenze più critiche dei data center AI: l'energia continua, stabile e con costi prevedibili nel lungo periodo. I sistemi di inferenza per LLM non possono tollerare interruzioni; richiedono uptime vicino al cento per cento, una caratteristica difficilmente garantita da fonti rinnovabili intermittenti senza costosi sistemi di accumulo.
Questo non significa che le rinnovabili siano irrilevanti nella transizione energetica del settore tech, anzi. Ma il paradosso centrale è evidente: l'infrastruttura pensata per ottimizzare consumi e ridurre sprechi in altri settori industriali genera essa stessa una pressione energetica crescente. Secondo Mastrantonio, il nucleare potrebbe svolgere un ruolo complementare fondamentale, migliorando la stabilità della rete, facilitando l'integrazione delle rinnovabili e attenuando la volatilità dei prezzi, tutti fattori critici per la competitività delle imprese europee che investono in AI.
La dimensione competitiva della questione energetica è forse l'aspetto più sottovalutato nel dibattito pubblico europeo sull'intelligenza artificiale. Stati Uniti e Cina stanno investendo massicciamente non solo nello sviluppo di nuovi modelli e architetture transformer, ma anche nella costruzione di infrastrutture energetiche dedicate. Microsoft, Google e Amazon hanno già siglato accordi diretti con produttori di energia nucleare per garantire forniture stabili ai propri data center AI. L'Europa, con l'AI Act appena in vigore e competenze scientifiche di alto livello, rischia però di trovarsi in una posizione di svantaggio strutturale, con costi energetici superiori e infrastrutture ancora frammentate tra i diversi stati membri.
Antonio Zoccoli, presidente dell'Istituto Nazionale di Fisica Nucleare, ha contribuito a evidenziare come la questione energetica e quella tecnologica siano ormai inseparabili. Non è più sufficiente sviluppare algoritmi avanzati o formare ricercatori di qualità se manca la capacità industriale e infrastrutturale di sostenere fisicamente i carichi computazionali richiesti dai modelli AI di nuova generazione. È una lezione che l'Europa deve assimilare rapidamente per non perdere terreno nella competizione globale.
C'è anche una dimensione di equità e accesso che merita attenzione critica. Se il costo energetico dell'AI diventa proibitivo, esiste il rischio concreto che questa tecnologia si consolidi come privilegio esclusivo di pochi grandi attori — hyperscaler, governi con risorse abbondanti, grandi corporation — capaci di controllare simultaneamente algoritmi, hardware e approvvigionamento energetico. Una concentrazione di questo tipo avrebbe implicazioni significative in termini di concorrenza, accesso democratico alle tecnologie e dipendenza strategica, temi su cui il GDPR e l'AI Act europeo offrono ancora risposte parziali.
Il confronto di Trento, giunto alla sua terza edizione sul tema energetico dell'AI, segnala che la comunità scientifica e industriale italiana sta iniziando a trattare questa sfida con la serietà che merita. Le prossime decisioni su investimenti nelle reti, politiche energetiche nazionali e posizionamento dell'Italia rispetto al nucleare di nuova generazione non sono scelte tecnocratiche di settore: sono scelte che determineranno la capacità del paese di partecipare attivamente all'economia dell'intelligenza artificiale nei prossimi decenni. La domanda aperta resta se la velocità del processo decisionale politico saprà tenere il passo con quella, molto più rapida, dello sviluppo tecnologico.