PERCHÉ NON AVEVAMO BISOGNO DI QUESTI NUOVI DATA CENTER COLLEGATI ALLA INTELLIGENZA ARTIFICIALE

di Francesco Cappello

Dai consumi elettrici record alle applicazioni militari. Il controllo dei nuovi data center è diventato una questione cruciale di sicurezza nazionale. Non più semplici magazzini di dati, ma un unico enorme macchinario. GPU, reti ultra-veloci e raffreddamento a liquido abilitano la sorveglianza di massa e la nuova cybersicurezza: sorveglianza, simulazioni belliche e fabbriche intelligenti.
La concentrazione di potenza di calcolo senza precedenti pone nuove sfide per le libertà individuali e gli equilibri globali

Dal calcolo generico dei Data Center tradizionali alla “fabbrica di intelligenza” delle GigaFactory dell’ intelligenza artificiale, le nuove funzionalità vanno dalle applicazioni militari alla sorveglianza digitale alla gestione delle fabbriche intelligenti.

Un data center tradizionale è pensato per ospitare tante attività diverse e poco esigenti singolarmente: siti web, posta, database, gestionali. Viceversa, un data center per l’IA è progettato attorno a un compito enorme e unico, cioè addestrare e far funzionare modelli facendo lavorare migliaia di chip come se fossero un solo computer. Da questa differenza discende quasi tutto il resto.

Nei centri tradizionali dominano le CPU, processori generalisti che eseguono poche operazioni complesse una dopo l’altra. Nei centri per l’IA operano GPU e acceleratori dedicati come i TPU di Google o i chip Trainium di AWS, che eseguono migliaia di operazioni contemporaneamente. Un singolo rack d’addestramento [Un rack è un armadio metallico standardizzato, alto circa due metri, in cui si impilano server, switch di rete e apparati di alimentazione, tutti fissati su guide e collegati tra loro] ospita da 8 a 16 GPU collegate tra loro in modo da funzionare come un’unica grande unità di calcolo.

Se si valuta la potenza elettrica assorbita la differenza è molto evidente. Una struttura di Information Technology (IT) tradizionale assorbe di solito 7-10 kW per rack, mentre un data center per l’IA può arrivare a 30-100 kW. Nei sistemi più recenti si va oltre: il GB300 NVL72 di Nvidia richiede fino a 142 kW per rack, e la piattaforma Vera Rubin può arrivare a 246 kW (Per un confronto 3 kW è in genere l’assorbimento di un’abitazione civile). Le medie di settore sono più basse perché includono anche gli impianti convenzionali, e variano molto a seconda dell’indagine: l’Uptime Institute indica 11 kW come valore più frequente nel 2026, mentre AFCOM parla di una media di 16 kW, con l’IA che richiede 30-40 kW o più. C’è anche un problema di peso: un rack di un data center IA, grande come un frigorifero, può pesare più di un pick-up.
Cambia anche il modo in cui il carico si comporta. La ridondanza elettrica classica era pensata per consumi prevedibili e continui, mentre i carichi IA, a raffiche, possono far oscillare la potenza di megawatt nel giro di un secondo.

Con questi numeri il raffreddamento ad aria non basta più. Il raffreddamento ad aria funziona fino a circa 15 kW per rack, quello a liquido regge fino a oltre 200 kW, e sopra i 20-30 kW il liquido diventa obbligatorio. La soluzione più diffusa è la piastra fredda posta direttamente sul chip, che gestisce 100-150 kW per rack e nel 2026 detiene il 55% del mercato del raffreddamento a liquido. Un vantaggio collaterale è l’efficienza: con il raffreddamento diretto sul chip il PUE, l’indicatore che misura quanta energia va oltre il calcolo, scende a circa 1,10-1,20. I server IA raffreddati a liquido passano dal 15% del 2024 al 76% previsto per il 2026.

Una rete tradizionale collega computer, una rete IA permette a migliaia di GPU di comportarsi come un unico sistema

Relativamente alla rete, nei centri tradizionali il traffico è fatto di molte conversazioni indipendenti, e infatti le reti tollerano una forte sovrascrizione (oversubscription), perché non tutti i dispositivi trasmettono al massimo contemporaneamente. Nell’addestramento IA, invece, ogni GPU parla con tutte le altre nello stesso momento. Una rete lenta o con ritardi lascia i chip, che costano moltissimo, inutilizzati. Per questo si usano collegamenti da 400-800 Gbps come InfiniBand, Ethernet o NVLink, con topologie piatte e senza colli di bottiglia.

Energia e territorio. Il peso sulla rete elettrica è il vero cambio di scala. Secondo l’IEA (International Energy Agency), nel 2025 la domanda elettrica dei data center è cresciuta del 17% e quella dei centri focalizzati sull’IA del 50%, contro un +3% della domanda globale. Sempre l’IEA prevede che il consumo totale raddoppi entro il 2030, da 485 a 950 TWh (circa il 3% della domanda mondiale), con la quota IA che triplica fino a 465 TWh. Di conseguenza la disponibilità di potenza pesa oggi più della connettività nella scelta dei siti, con operatori che cercano località da 300 MW e oltre. Quando la rete non riesce a seguire, alcuni ricorrono alla generazione in loco, ma secondo l’IEA alimentare un carico così variabile col gas richiede di sovradimensionare la produzione del 30-70%.

Una precisazione importante. L’IA non è un mostro energetico per sua natura. Se tutte le ricerche web fossero sostituite da semplici richieste testuali a un’IA, si consumerebbero meno di 4 TWh l’anno, meno dell’1% dei consumi attuali dei data center. Il problema nasce dall’addestramento, dagli agenti e soprattutto dalla scala.

Nuove funzionalità
Un data center IA di nuova generazione concentra una capacità di calcolo che rende praticabili, su larga scala, applicazioni che prima erano troppo lente o costose, e per questo molte sono “a duplice uso”, cioè civili e militari insieme. In ambito militare permette di addestrare modelli che analizzano in tempo quasi reale immagini satellitari, flussi di droni e segnali intercettati, di simulare scenari operativi complessi e di supportare la logistica e le decisioni dei comandi, mentre l’impiego sul campo richiede di norma modelli più leggeri, addestrati in questi centri e poi trasferiti sui dispositivi.
Nella sorveglianza digitale la stessa potenza consente di riconoscere volti, targhe e comportamenti in milioni di flussi video, di incrociare grandi archivi di dati e di trascrivere e analizzare comunicazioni in molte lingue: sono capacità efficaci proposte per la sicurezza pubblica, ma tra le più delicate per le libertà individuali, tanto che, almeno in questa fase, l’Unione europea con l’AI Act ha vietato l’identificazione biometrica in tempo reale negli spazi pubblici, salvo eccezioni circoscritte.
Nelle fabbriche intelligenti consentono “gemelli digitali” che simulano un intero stabilimento prima di costruirlo, visione artificiale che individua difetti in linea, manutenzione predittiva e robot guidati da modelli capaci di adattarsi a compiti nuovi.
In cybersicurezza l’effetto è a doppio taglio: chi difende può usare l’IA per leggere in pochi istanti le miliardi di annotazioni automatiche che i computer registrano su ogni accesso e ogni operazione, accorgersi di comportamenti ritenuti sospetti e falle di sicurezza, e reagire subito senza attendere l’intervento di una persona mentre gli attaccanti possono usare strumenti analoghi per automatizzare il phishing, la ricerca di falle e la scrittura di codice ostile.
Lo stesso schema vale per altri campi, come la scoperta di farmaci, la previsione meteorologica e la finanza: il data center è un moltiplicatore di capacità, e se l’effetto sia benefico o dannoso dipende da chi lo controlla, per quali scopi e con quali regole. Per questo la sovranità del calcolo, cioè chi possiede i chip e le infrastrutture, è diventata anche una questione geopolitica e di sicurezza nazionale assai delicata e critica.

Usi militari. Queste cattedrali di calcolo dell’intelligenza artificiale si sono trasformate nei nuovi centri nevralgici del comando strategico globale, dove la potenza dei server definisce i confini della difesa nazionale. All’interno di queste strutture, l’addestramento continuo di modelli complessi permette di analizzare simultaneamente flussi infiniti di immagini satellitari e intercettazioni, anticipando gli scenari operativi ancor prima che si manifestino sul campo di battaglia. Questa immensa capacità di simulazione e decodifica in tempo reale ridisegna la logistica militare, trasformando l’infrastruttura tecnologica e i chip che la alimentano non solo in strumenti di supporto, ma nel teatro stesso di una silenziosa corsa agli armamenti digitali.

Detto in breve, il data center tradizionale è un edificio che ospita computer, mentre quello per l’IA, la “gigafactory” dell’intelligenza artificiale, è un unico macchinario in cui edificio, elettricità, acqua e rete fanno parte del calcolo. Proprio perché concentra una potenza prima impensabile, serve sia a usi benefici come nel caso dei data Center tradizionali, sia a usi molto critici come l’analisi militare, la sorveglianza di massa e gli attacchi informatici automatizzati. Chi controlla questi impianti, i chip e l’energia che li alimentano detiene quindi un vantaggio che è insieme economico, strategico e politico, e per questo la questione riguarda ormai anche la sicurezza nazionale, la tutela delle libertà individuali e il peso dei consumi sulle reti elettriche.

Fonti: Data Center World; Data Center Knowledge; DCD; Lombard Odier; CoreSite; USPE; DC&T Global; IEA, Key questions on energy and AI; Enlit/IEA; Sardina Systems; arXiv; CTRLS; Network World; FS; NetForChoice; NetworkPhil

14/10/2026 https://www.francescocappello.com/