Sunrun entra nel calcolo distribuito per l’intelligenza artificiale con un pilota che porta nodi di computing nelle case già dotate di impianti solari e sistemi di accumulo dell’azienda. Il programma segna il primo passo della società nell’edge computing distribuito, una nuova linea di attività che Sunrun vede come opportunità ad alto margine, costruita sulla propria infrastruttura energetica residenziale, sulla base clienti e sulle capacità di servizi alla rete.
Il progetto arriva dopo un proof of concept che, secondo l’azienda, ha dimostrato generazione di ricavi e domanda elevata per capacità di calcolo distribuita. La fase pilota prevede l’installazione di numerosi compute node in abitazioni equipaggiate con sistemi solare e battery storage Sunrun. L’azienda coordina la vendita di capacità di inferenza ad acquirenti enterprise, mentre testa i nodi in condizioni diverse e con differenti strutture tariffarie per raccogliere dati operativi. I proprietari che partecipano vengono compensati per ospitare l’hardware.
La logica industriale è spiegata da Paul Dickson, presidente e chief revenue officer di Sunrun: le aziende AI stanno cercando maggiore accesso a energia e potenza di calcolo, mentre Sunrun sostiene di avere perfezionato in quasi vent’anni la capacità di operare, finanziare e scalare asset distribuiti. La società vuole quindi usare la propria posizione nell’energia domestica distribuita per portare il computing più vicino alle fonti di energia e ai carichi di inferenza.
Il punto tecnico è che non tutti i carichi AI hanno le stesse esigenze infrastrutturali. Sunrun richiama una domanda di inferenza in crescita di circa 35% l’anno e una proiezione attribuita a McKinsey secondo cui, entro il 2030, l’inferenza supererà il training come workload dominante, arrivando a rappresentare più della metà del calcolo AI. A differenza del training, che richiede grandi cluster fortemente sincronizzati, l’inferenza è modulare, distribuibile geograficamente e sensibile alla latenza: caratteristiche che la rendono adatta a deployment edge vicini agli utenti finali.
Per Sunrun, la base installata è il vero elemento abilitante. L’azienda indica oltre 1,1 milioni di clienti esistenti come bacino indirizzabile per il dispiegamento dei nodi, sostenendo che questo footprint distribuito offre un vantaggio strutturale difficile da replicare rapidamente per gli hyperscaler. Un data center tradizionale può richiedere anni per autorizzazioni, costruzione e interconnessione; il modello residenziale distribuito punta invece ad aggiungere capacità di inferenza in tempi più brevi, sfruttando asset già connessi all’ecosistema energetico domestico.
Il modello propone anche una diversa ripartizione del valore. Così come Sunrun ha costruito la propria offerta sulla possibilità per le famiglie di generare, accumulare e condividere energia, il data center distribuito porta le abitazioni a svolgere un ruolo diretto nella capacità AI nazionale. Per gli hyperscaler, l’offerta si presenta come una fonte flessibile e scalabile di compute complementare ai data center centralizzati, utile ad accelerare la disponibilità di risorse senza sostituire l’infrastruttura esistente.
Il pilota resta separato dall’accordo annunciato con Renew Home e Tesla per aggregare oltre 16 gigawatt di capacità energetica domestica flessibile a favore di hyperscaler e utility, ma i due percorsi si muovono nella stessa direzione: collegare domanda AI, energia distribuita e capacità operativa sul territorio. La capacità di calcolo installata nelle case può servire la stessa domanda crescente che spinge gli operatori cloud a cercare nuove fonti di energia e compute.
Sunrun prevede di completare il pilota nei prossimi mesi e valuterà i risultati sulla base di milestone definite, performance di calcolo ed esperienza dei proprietari prima di decidere scala, velocità e offerta commerciale di un eventuale rollout più ampio. La società è già in discussione con acquirenti enterprise di capacità compute, costruttori di abitazioni e partner utility per definire i framework commerciali e di deployment necessari a un’espansione.