Efficienza del compute IA e pressione sulla rete: quale margine per contenere il boom dei data center

BloombergNEF stima che entro il 2035 i data center potrebbero assorbire il 20% dell’elettricità USA, quattro volte l’oggi. Quasi metà della capacità prevista servirà addestramento e inference. La tesi: la corsa a modelli più leggeri e a silicio dedicato può ridurre i token per unità di potenza, ma la scala del carico IA e la sua concentrazione geografica rischiano di mangiarsi i guadagni d’efficienza [S1].

1) Scala del problema: numeri e concentrazione

BloombergNEF prevede una capacità complessiva vicina a 200 gigawatt nel prossimo decennio. L’IA traina la crescita. Quasi la metà di quella capacità alimenterà addestramento e inference. La maggior parte resterà negli Stati Uniti [S1].

La concentrazione è anche hardware. Entro il 2033 gli USA potrebbero ospitare il 64% dei chip per l’IA, misurati per domanda di potenza. Questo sposta la pressione su aree specifiche, non in modo diffuso [S1].

Le stime salgono. BloombergNEF ha alzato dell’83% la previsione per il 2035 rispetto a dicembre. Altre organizzazioni hanno rivisto al rialzo. EPRI ha più che raddoppiato la stima del 2024. S&P l’ha aumentata di oltre un terzo tra ottobre e aprile [S1].

Questa traiettoria impone scelte su localizzazione dei siti e tempi di connessione. La domanda IA entra nel mix elettrico come un settore industriale [S1].

2) Efficienza software: modelli ottimizzati per inferenza

Google DeepMind ha introdotto tre varianti Gemini Flash. L’obiettivo è chiaro: efficienza, latenza e affidabilità per team che scalano agenti con vincoli di costo e tempi stretti [S2]. È una risposta al peso dell’inference nel profilo di carico.

Gemini 3.6 Flash è il “workhorse model” della linea. Migliora in coding, lavoro di conoscenza e multimodalità. Riduce fino al 17% i token in inferenza rispetto a 3.5 Flash. A parità di compito, costa meno perché consuma meno token [S2].

Gemini 3.5 Flash-Lite si posiziona come opzione più economica. Ottimizza il rapporto costo/beneficio con enfasi su efficienza e bassa latenza. Gemini 3.5 Flash Cyber si specializza nella sicurezza del codice. L’accesso è limitato: programma pilota per governi e partner considerati affidabili [S2][S3].

Il modello Cyber nasce su 3.5 Flash. Punta a scoprire, validare e correggere vulnerabilità a costi contenuti. Secondo l’azienda, è più efficace dei modelli generali della stessa famiglia su questi tre compiti. The Verge conferma l’uso dentro CodeMender per identificare e correggere vulnerabilità [S3]. CodeMender può richiamarlo molte volte, con latenza e costi ridotti, per ampliare la copertura del codice analizzato [S3].

Qui emerge un punto di metodo. L’efficienza a livello di token riduce la spesa per inferenza. Ma l’aumento del numero di chiamate possibile a parità di budget può far crescere il volume di lavoro svolto. Per i data center, quindi, conta il carico totale che arriva agli acceleratori, non solo il costo per chiamata.

Infine, l’azienda non aggiorna Gemini Pro. L’ultimo rilascio resta quello di febbraio [S2].

3) Efficienza hardware: silicio dedicato e limiti di certezza

Alphabet lavora a un chip server interno, nome in codice “Frozen v2”. Le fonti indicano un’uscita indicativa nel 2028 e un obiettivo di efficienza 6–10 volte superiore per i modelli Gemini. La metrica citata misura i token generati per unità di potenza. Restano non specificati i carichi, le condizioni di test e l’esatta base di confronto. Google non ha confermato né smentito. Ha richiamato la propria ricerca “full stack” e il fatto che non ogni progetto entra in produzione [S4].

Il segnale, al netto delle incertezze, è chiaro: l’efficienza per unità di potenza diventa una leva esplicita anche a livello di silicio. La catena software‑hardware allinea gli obiettivi: ridurre i token per compito e aumentare i token per unità di potenza.

Qui la variabile tempo pesa. Progettare e distribuire nuovi chip richiede anni. La domanda dei data center, secondo BloombergNEF, corre già ora verso quota 200 gigawatt nel prossimo decennio [S1]. La finestra per ammortizzare il vantaggio di efficienza dipende dai cicli di aggiornamento dei cluster e dall’integrazione in produzione. Le fonti non offrono dettagli su tempi di adozione. Restano domande aperte [S4].

4) Implicazioni operative e scenari di scelta

Tre evidenze emergono dai fatti.

• La scala del carico IA. Quasi metà della capacità attesa servirà addestramento e inference. L’IA non è un carico marginale: pesa sulla pianificazione della capacità [S1].

• La concentrazione geografica. Entro il 2033 gli USA potrebbero ospitare il 64% dei chip IA per domanda di potenza. La maggior parte dei data center resterà negli Stati Uniti. La pressione sull’infrastruttura si addensa su nodi specifici [S1].

• L’asimmetria tra domanda ed efficienza. L’azienda spinge modelli che riducono i token in inferenza fino al 17%. Secondo le indiscrezioni, mira a 6–10× token per unità di potenza con un chip dedicato. Senza carichi e basi di confronto pubblici, l’impatto reale resta da misurare [S2][S4]. Nel frattempo, i team di sicurezza possono ampliare la copertura del codice con 3.5 Flash Cyber via CodeMender, a costi e latenza contenuti [S3]. Questo aumenta il lavoro utile svolto dagli acceleratori e il volume di inferenze da servire.

In sintesi operativa, i segnali si allineano: i fornitori spingono verso efficienza per token; i gestori vedono crescere il carico assoluto; la concentrazione geografica amplifica l’effetto rete. Le revisioni al rialzo di BloombergNEF, EPRI e S&P indicano che la curva della domanda corre più veloce delle attese recenti [S1]. Il compito, per chi costruisce e regola infrastrutture IA, è aggiornare gli scenari con questi numeri e con l’incertezza tecnica sui guadagni promessi dal nuovo silicio.

La chiusura torna alla sicurezza: l’azienda segnala che agenti di IA possono oggi trovare vulnerabilità più rapidamente di quanto i difensori riescano a correggerle [S3]. Se i modelli leggeri abilitano più cicli di discovery e patch, la stessa logica si applica ad altri domini di inference intensiva. Il risultato pratico, sul fronte energetico, è che l’efficienza per unità di potenza è necessaria per contenere i consumi, ma non sufficiente senza scelte di sito e capacità coerenti con una domanda che si sta concentrando e accelerando [S1][S2][S3][S4].