La nuova corsa all’oro dell’Intelligenza artificiale rischia di scontrarsi con un limite tanto invisibile quanto decisivo: la disponibilità di potenza di calcolo. Per portare avanti l’IA infatti sono necessari enormi data center che sono più che energivori: divorano energia quanto intere città. A lanciare l’allarme sul tema è il Wall Street Journal, secondo il quale la domanda crescente di sistemi avanzati di AI sta rapidamente prosciugando le risorse computazionali globali, generando tensioni lungo tutta la filiera tecnologica ed energetica.
“I token valgono più del petrolio”
Negli ultimi mesi, come sappiamo, l’Intelligenza artificiale ha registrato un’accelerazione senza precedenti, presentando già i rischi di una bolla speculativa, con investimenti di centinaia di miliardi di dollari e un futuro ancora da chiarire. In particolare l’ascesa dell’IA “agente”, ossia di sistemi capaci di eseguire compiti complessi in autonomia, dalla scrittura di codice alla pianificazione operativa, ha moltiplicato il fabbisogno di calcolo. Non si tratta più di semplici chatbot, osserva il Wall Street Journal: questi strumenti orchestrano sequenze di azioni, richiedendo un utilizzo continuo e intensivo di infrastrutture digitali. Come ha fatto notare l’ingegnere e investitore Ben Pouladian, “non è più il petrolio la risorsa chiave, ma i token”, ovvero le unità che misurano il consumo computazionale di ogni richiesta.
I microchip sono diventati una risorsa scarsa e costosa
Questa esplosione della domanda sta mettendo sotto pressione un sistema già fragile. Le Gpu, i microchip fondamentali per l’addestramento e l’esecuzione dei modelli, sono diventate una risorsa scarsa e costosa. I prezzi di noleggio orario sono aumentati sensibilmente a partire dall’autunno, in alcuni casi raddoppiando o triplicando rispetto all’anno precedente. La produzione, concentrata in poche aziende globali, non riesce a tenere il passo con le esigenze del mercato. Le conseguenze sono già visibili: sempre secondo il Wall Street Journal, alcune aziende sono state costrette a ritirare o ridimensionare prodotti per mancanza di capacità computazionale. Altre stanno introducendo limiti d’uso, specialmente nelle ore di punta.
Il caso di Anthropic e del chatbot Claude
È il caso di Anthropic, sviluppatrice del chatbot Claude, che ha dovuto affrontare frequenti interruzioni di servizio e ha iniziato a contingentare l’accesso alle risorse, suscitando però le proteste degli utenti più intensivi. Il problema comunque non riguarda solo le singole aziende, ma come detto l’intero ecosistema tecnologico. I data center, cuore pulsante dell’intelligenza artificiale, richiedono investimenti enormi e tempi lunghi di costruzione. Inoltre, la loro operatività dipende da un fattore sempre più critico: l’energia. L’addestramento di modelli avanzati può consumare quantità di elettricità paragonabili a quelle di migliaia di abitazioni, mentre l’utilizzo quotidiano su larga scala amplifica ulteriormente il fabbisogno.
Per dare alcuni parametri, un grande data center da circa 100 megawatt può consumare ogni giorno oltre 2.400 MWh di elettricità, una quantità paragonabile al fabbisogno di 60.000-120.000 abitazioni. Accanto all’energia, emerge un’altra risorsa critica: l’acqua. I data center utilizzano enormi quantità di acqua per raffreddare i server ed evitare il surriscaldamento: un singolo impianto di grandi dimensioni può consumare fino a 2 milioni di litri al giorno, equivalenti al consumo idrico di circa 6.500 famiglie. In alcuni casi estremi, strutture particolarmente grandi arrivano a utilizzare fino a 5 milioni di galloni al giorno, quanto una città tra 10.000 e 50.000 abitanti. Solo in Nordamerica il consumo totale ha raggiunto circa 1.000 miliardi di litri nel 2025.
La domanda esponenziale di nuove tecnologie ha superato la capacità infrastrutturale
Si tratta di una dinamica già vista in altri momenti della storia industriale. Dalla costruzione delle ferrovie nel XIX secolo fino al boom di Internet nei primi anni Duemila, la domanda di nuove tecnologie ha spesso superato la capacità infrastrutturale disponibile. In questi casi, l’aumento dei prezzi ha rappresentato una risposta naturale alla scarsità. Tuttavia, nel contesto attuale, una simile strategia potrebbe rivelarsi rischiosa: le aziende di IA sono impegnate in una competizione serrata per acquisire utenti e quote di mercato, e un aumento dei costi potrebbe rallentare l’adozione.
Il risultato è un equilibrio instabile. Da un lato, milioni di utenti e imprese stanno iniziando a fare affidamento sull’Intelligenza artificiale per aumentare la produttività e automatizzare processi complessi. Dall’altro, le fondamenta tecniche di questa rivoluzione mostrano segni di affaticamento. Il rischio, evidenziato dal Wall Street Journal, è che la carenza di potenza di calcolo diventi un vero e proprio collo di bottiglia, limitando l’accesso agli strumenti più avanzati proprio nel momento di massima espansione.
Come il settore sta affrontando la sfida
Per affrontare questa sfida, il settore sta esplorando diverse strategie: dall’ottimizzazione dei modelli alla progettazione di chip più efficienti, fino all’espansione delle infrastrutture energetiche e digitali. Tuttavia, si tratta di soluzioni che richiedono tempo e capitali ingenti. In definitiva, la crescita dell’Intelligenza artificiale non dipenderà soltanto dall’innovazione software, ma dalla capacità di sostenere fisicamente questa trasformazione. In un’economia sempre più guidata dai dati, la vera risorsa scarsa potrebbe non essere l’informazione, ma l’energia e la potenza necessarie per elaborarla.
