L’intelligenza artificiale viene spesso raccontata attraverso modelli sempre più potenti, nuovi chip e investimenti miliardari. Ma ogni servizio digitale ha bisogno di un’infrastruttura fisica: server, sistemi di raffreddamento, trasformatori, cavi e centrali che producono elettricità.
È su questo terreno che si gioca una parte della competizione tecnologica. La crescita dell’AI dipende anche dalla possibilità di ottenere energia affidabile, a costi sostenibili e nei tempi necessari. Un’impresa può raccogliere capitali e acquistare processori, ma senza un collegamento elettrico adeguato la capacità di calcolo rimane inutilizzabile.
Per questo il costo energetico dell’AI riguarda anche la finanza: influenza gli investimenti iniziali, i costi operativi e il tempo necessario per trasformare un nuovo data center in un’attività capace di generare ricavi.
Quanta elettricità consumano i data center?
Secondo il rapporto Key Questions on Energy and AI dell’Agenzia internazionale dell’energia (IEA), pubblicato nell’aprile 2026, i data center hanno consumato circa 485 terawattora nel 2025. Nello scenario centrale, il consumo raggiungerebbe circa 950 terawattora nel 2030, intorno al 3% della domanda elettrica mondiale.
La distinzione è essenziale: queste cifre comprendono tutti i data center, inclusi quelli che erogano servizi cloud tradizionali. Non rappresentano il consumo della sola intelligenza artificiale. Per le strutture focalizzate sull’AI, la stessa analisi prevede una triplicazione dei consumi tra il 2025 e il 2030.
Si tratta di proiezioni, non di risultati già acquisiti. L’evoluzione della domanda dipenderà dall’adozione dei servizi, dall’efficienza dei sistemi e dalla capacità di realizzare gli impianti annunciati.
Perché l’AI ha bisogno di energia
Il consumo accompagna due fasi diverse. Durante l’addestramento, i processori elaborano grandi quantità di dati per costruire il modello. Durante l’inferenza, il modello viene utilizzato per rispondere alle richieste: scrivere un testo, analizzare un documento o generare un’immagine.
L’addestramento attira l’attenzione perché concentra molto lavoro di calcolo. L’inferenza, però, si ripete ogni volta che un utente o un’applicazione utilizza il servizio. Per capire il consumo complessivo bisogna quindi considerare sia lo sviluppo dei modelli sia il loro utilizzo quotidiano.
Anche il raffreddamento richiede risorse. I server trasformano l’energia assorbita in calore, che deve essere smaltito per mantenere gli apparati nelle condizioni operative previste. Non esiste quindi un valore universale di consumo per una “domanda all’AI”: cambiano il modello, il compito, la lunghezza della risposta e l’infrastruttura utilizzata.
Il collo di bottiglia delle reti elettriche
Produrre abbastanza elettricità su base nazionale non garantisce che questa sia disponibile nel punto in cui viene costruito un data center. Servono linee, sottostazioni e connessioni capaci di sostenere il nuovo carico.
Il rapporto Electricity 2026 della IEA evidenzia il divario nei tempi: un data center può essere realizzato in circa uno-tre anni, mentre pianificare, autorizzare e completare nuove infrastrutture di rete può richiedere da cinque a quindici anni.
È un disallineamento decisivo. Il capitale può arrivare prima dell’elettricità. Un edificio pronto e una disponibilità contrattuale di processori non equivalgono a un impianto operativo: il momento dell’allacciamento può determinare quando iniziano davvero i ricavi.
Di conseguenza, la scelta della localizzazione deve considerare anche la capacità della rete e i tempi effettivi di connessione, oltre al costo del terreno e alla vicinanza ai clienti.
Quanto pesa l’elettricità sui conti: un esempio
Immaginiamo una struttura che assorba mediamente 100 megawatt complessivi, includendo server e servizi ausiliari. Se mantenesse quel carico per tutte le 8.760 ore dell’anno, consumerebbe 876.000 megawattora, pari a 0,876 terawattora.
Con un prezzo ipotetico dell’energia di 80 euro per megawattora, la componente energetica costerebbe circa 70 milioni di euro l’anno. A 120 euro per megawattora, salirebbe a circa 105 milioni: una differenza di 35 milioni annui.
È una simulazione, non una stima dei prezzi di mercato o del costo di uno specifico impianto. Non comprende oneri di rete, imposte e altre voci contrattuali. Mostra però perché, su consumi elevati e continuativi, anche variazioni relativamente contenute del prezzo possano incidere sui margini.
Rinnovabili, gas e nucleare: perché conta anche la continuità
Per alimentare un data center conta sia la quantità di elettricità acquistata sia la sua disponibilità nel tempo. Un contratto che copre il consumo annuale con energia rinnovabile non garantisce, da solo, che produzione e prelievi coincidano in ogni ora.
Gli operatori possono combinare contratti di lungo periodo, rete, accumuli e generazione programmabile. La IEA, nel rapporto Powering Artificial Intelligence dell’ottobre 2026, descrive strategie che includono rinnovabili, batterie, gas, geotermia e tecnologie nucleari avanzate.
Ogni soluzione ha tempi e costi diversi. Il criterio economico è confrontare alternative effettivamente disponibili quando l’impianto deve entrare in servizio: una tecnologia promettente, ma ancora da sviluppare, non può essere trattata come una fornitura già pronta.
L’efficienza può ridurre il problema?
Chip migliori, software ottimizzato e modelli adeguati al compito possono ridurre l’energia necessaria per ottenere un risultato. Tuttavia, il risparmio per singola operazione non implica automaticamente una riduzione dei consumi totali.
Il rapporto IEA dell’aprile 2026 segnala progressi nell’efficienza, insieme alla diffusione di applicazioni più impegnative, come generazione video e agenti AI. Se aumentano utenti, richieste e complessità dei compiti, il fabbisogno complessivo può crescere anche mentre ogni operazione diventa più efficiente.
Chi paga gli investimenti e quali rischi emergono?
Il rapporto IEA dell’ottobre 2026 chiarisce che l’effetto sulle bollette dipende anche da come vengono ripartiti i costi. Nuove infrastrutture pagate da tutti gli utenti possono aumentare gli oneri per famiglie e imprese; un utilizzo migliore della capacità esistente, con contributi adeguati dei data center, può invece distribuire i costi fissi su più consumi.
Esiste inoltre un rischio opposto alla scarsità: costruire sulla base di una domanda sovrastimata. La IEA osserva che le code di connessione includono anche progetti duplicati o speculativi. La potenza richiesta non equivale automaticamente a consumi futuri certi.
Per valutare economicamente un progetto diventano quindi centrali la data credibile di allacciamento, il prezzo dell’energia, l’utilizzo previsto dei server e la presenza di clienti capaci di sostenere i ricavi. Un mercato in crescita può comunque produrre investimenti poco redditizi.
La crescita dell’AI passa anche dall’economia industriale
Elettricità e infrastrutture possono diventare un limite concreto alla velocità di espansione dell’intelligenza artificiale. Questo non significa prevedere un arresto del settore: significa riconoscere che lo sviluppo del software deve confrontarsi con tempi di costruzione, autorizzazioni e disponibilità fisiche.
La competizione coinvolgerà anche la capacità di trasformare potenza elettrica disponibile in servizi utili e ricavi sostenibili. Il vantaggio economico dipenderà da quanto valore si riesce a produrre con l’energia e il capitale impiegati.
Fonti: Agenzia internazionale dell’energia (IEA), Key Questions on Energy and AI (aprile 2026), Electricity 2026 e Powering Artificial Intelligence (ottobre 2026). Dati e scenari verificati al 9 novembre 2026. L’esempio economico è un’elaborazione illustrativa.
