AI e data center sostenibili: la sfida non si vince solo risparmiando

Nell’era dell’intelligenza artificiale i data center sostenibili non si misurano solo sui consumi: contano densità GPU, raffreddamento a liquido, recupero del calore e integrazione con il territorio.

I punti chiave sui data center sostenibili nell’era dell’intelligenza artificiale:

Nessuna organizzazione può sottrarsi al progresso tecnologico, e l’intelligenza artificiale (AI) ne è oggi l’espressione più evidente. La vera sfida è fare in modo che questo progresso sia sostenibile, un principio alla base dell’ecologia industriale. L’AI generativa ha infatti cambiato la natura del data center: le GPU concentrano in pochi metri quadri potenze prima impensabili, generano molto più calore e richiedono forniture elettriche che le reti faticano a garantire. AI e data center sostenibili sono quindi un’equazione impossibile? La risposta è netta: ridurre i consumi è necessario, ma non basta. La partita si gioca sull’equilibrio tra prestazioni, efficienza e competitività, e sulla capacità di inserire l’infrastruttura digitale in un sistema più ampio, fatto di imprese, ricerca, Pubblica Amministrazione e territorio.

Data center sostenibili: perché l’AI cambia l’equazione energetica

L’intelligenza artificiale sposta il baricentro dei consumi. Secondo Gartner la domanda elettrica dei data center raddoppierà entro il 2030 e quasi metà sarà assorbita dai server ottimizzati per l’intelligenza artificiale.

+119%

La domanda elettrica dei data center passerà da 448 TWh nel 2025 a 980 TWh nel 2030, Fonte: Gartner

40%

Data center AI esistenti che potrebbero essere limitati nella loro operatività entro il 2027Fonte: Gartner

30kw

La densità cresce soprattutto nella fascia 10-30 kW per racFonte: Uptime Institute

Il carico generato dall'AI è diverso da quello delle applicazioni tradizionali. Addestramento e inferenza richiedono acceleratori che lavorano in modo continuo e a piena potenza. Quando i progetti di intelligenza artificiale in azienda passano dalla sperimentazione alla produzione, la conseguenza per le organizzazioni enterprise è doppia. I costi energetici entrano nel TCO (Total Cost of Ownership) dei progetti di AI e la disponibilità di potenza diventa un fattore di rischio. A livello globale, uno studio pubblicato su Frontiers in Environmental Science (2026) stima che i data center valgano circa l'1% della domanda elettrica mondiale. Gli scenari al 2030 oscillano tra il 3% e il 13%, in funzione dell'efficienza raggiunta.

Per le organizzazioni enterprise l'impatto si concentra su tre fronti:

• Costo dell'energia: la voce energetica pesa sempre di più sul costo dei servizi di calcolo e va negoziata su orizzonti pluriennali.
• Disponibilità di potenza: nelle aree con più data center la capacità della rete elettrica è una risorsa scarsa.
• Obiettivi ESG: i target di decarbonizzazione vanno ricalibrati sui nuovi fabbisogni di calcolo.

Secondo Gartner (Forecast Analysis: Data Center Power Consumption, novembre 2025), la domanda elettrica dei data center passerà da 448 TWh nel 2025 a 980 TWh nel 2030, con i server ottimizzati per l'AI dal 21% al 44% del totale. In Europa la loro incidenza sui consumi elettrici salirà dal 2,7% al 5%.

Quanto pesano i consumi energetici dei data center AI sulla rete elettrica?

Il peso è già visibile: Gartner prevede che entro il 2027 il 40% dei data center AI esistenti sarà limitato nell'operatività dalla disponibilità di energia. Per questo le raccomandazioni di Gartner (2024) alle organizzazioni includono contratti energetici di lungo periodo e piani di costo che anticipino aumenti significativi.

Densità rack GPU: da 2 a 30 kW per armadio

L'intelligenza artificiale moltiplica la potenza richiesta da ogni armadio. Cambiano alimentazione, raffreddamento, strutture e tempi di approvvigionamento: un data center tradizionale non diventa AI ready senza interventi strutturali.

Con l'arrivo delle GPU la potenza richiesta da ogni armadio cresce di un ordine di grandezza rispetto ai server tradizionali. Una singola GPU di fascia data center può assorbire centinaia di watt, e un armadio ne ospita molte. Un salto di questa portata modifica l'intera catena impiantistica: linee elettriche, quadri, gruppi di continuità, distribuzione dell'aria o dei fluidi, portata dei pavimenti. A questo si aggiunge la volatilità del mercato hardware: i preventivi per server GPU hanno una validità molto breve e i tempi di consegna possono arrivare a diversi mesi. La pianificazione della capacità diventa quindi un esercizio di lungo periodo, non un acquisto a catalogo.

L'aumento di densità coinvolge tre componenti dell'infrastruttura:

• Alimentazione: linee e quadri dimensionati per carichi decine di volte superiori a quelli storici.
• Continuità: UPS (Uninterruptible Power Supply) e generatori calibrati su assorbimenti elevati e costanti.
• Dissipazione termica: il calore prodotto cresce con la potenza e richiede sistemi dedicati.

Secondo Uptime Institute (Global Data Center Survey, 2025),la densità cresce soprattutto nella fascia 10-30 kW per rack, mentre le strutture che superano i 30 kW restano poche. Le densità più elevate, tipiche dei cluster GPU per l’AI, sono quindi ancora rare nel parco installato.

Cosa significa progettare un data center AI ready?

Un data center AI ready è progettato fin dall'origine per carichi ad alta densità, con potenza, raffreddamento a liquido e connettività dimensionati per cluster GPU. Distribuzione elettrica, circuiti idraulici e spazi tecnici vanno previsti prima della costruzione. È la logica del nuovo data center AI ready di Retelit a Milano Corsico, da 13,6 MW, con raffreddamento a liquido per i server AI e circuito idraulico chiuso.

Raffreddamento a liquido nei data center: dall'aria al circuito

Oltre una certa densità l'aria non basta a dissipare il calore delle GPU. Il raffreddamento a liquido porta il fluido vicino ai componenti, migliora lo scambio termico e rende il calore più facile da recuperare.

I server per l’AI possono generare fino a 10 volte più calore dei server tradizionali. I sistemi ad aria raggiungono presto il limite fisico: servirebbero portate e consumi dei ventilatori non sostenibili. Il raffreddamento a liquido risolve il problema alla fonte. Il fluido ha una capacità termica molto superiore a quella dell'aria e raccoglie il calore direttamente sui processori o tramite scambiatori montati sugli armadi. Il risultato è una maggiore efficienza complessiva e un calore di scarto a temperatura più alta, quindi più utile. Uptime Institute (Cooling Systems Survey, 2025) descrive però un'adozione ancora graduale, trainata proprio dalle densità più elevate.

DLC (Direct Liquid Cooling): tecnica di raffreddamento in cui un fluido circola in piastre a contatto diretto con CPU e GPU, asportando il calore alla fonte prima che si disperda nell'aria della sala.

Le soluzioni più adottate per il raffreddamento a liquido sono:

• Direct-to-chip: piastre fredde sui processori, la soluzione più diffusa per i cluster GPU.
• Immersione: server immersi in fluidi dielettrici, per densità estreme e casi specifici.
• Circuito chiuso: l'acqua ricircola senza prelievi continui dalla falda.

Quando il raffreddamento ad aria non è più adeguato?

Il raffreddamento ad aria non è più adeguato quando la densità supera indicativamente i 20-30 kW per armadio, perché portate d'aria e consumi dei ventilatori diventano inefficienti. Nelle configurazioni ibride l'aria continua a servire storage e apparati di rete, mentre il liquido raffredda i nodi di calcolo.

Recupero calore dai data center: lo scarto diventa risorsa

Il primo scarto di un data center è il calore, non il consumo. Recuperarlo e immetterlo nel teleriscaldamento trasforma un costo ambientale in energia utile per la città.

Ogni kilowattora assorbito dai server si trasforma, alla fine, in calore. Nei modelli tradizionali questo calore viene disperso in atmosfera dagli impianti di raffreddamento. Una fonte rinnovabile come il fotovoltaico, del resto, alimenta un data center solo nelle ore di luce, mentre il carico di calcolo è continuo. Per questo la leva più efficace non è soltanto produrre energia pulita, ma riutilizzare quella già consumata. Collegare i due sistemi richiede però un partner energetico, una rete di distribuzione e un progetto di ingegneria condiviso. A Milano questo modello è diventato un caso reale, avviato da Retelit con la multiutility A2A.

Il progetto di recupero di calore del data center Avalon 3 di Milano mette a disposizione della rete di teleriscaldamento 2,5 MW termici, pari al fabbisogno di 1.250 famiglie, con un risparmio di 1.300 TEP (tonnellate equivalenti di petrolio) e 3.300 tonnellate di CO2 evitate ogni anno, come riportato anche da CorCom.

Come si collega un data center al teleriscaldamento urbano?

Il collegamento avviene tramite scambiatori che raccolgono il calore dai circuiti di raffreddamento e pompe di calore che lo portano alla temperatura richiesta dalla rete. Servono tre condizioni: una rete di teleriscaldamento vicina al sito, un operatore energetico disposto a investire e un calore di scarto costante. Il raffreddamento a liquido facilita il processo, perché restituisce fluidi più caldi. Il progetto di Avalon 3 ha richiesto due anni di lavoro congiunto: un'opera infrastrutturale, non un accessorio impiantistico.

Sostenibilità territoriale: il modello europeo del recupero di calore

In Europa i data center diventano parte delle reti energetiche urbane. Regole comuni, rating di sostenibilità ed esempi in Nord Europa e in Italia mostrano che l'AI può crescere restituendo calore al territorio.

L'AI va sviluppata anche in infrastrutture in cui le organizzazioni mantengono il controllo dei propri dati, senza cederli a terzi: una scelta di sovranità digitale che deve però essere anche sostenibile. La Commissione europea ha proposto nel settembre 2026 un sistema di rating per i data center sopra i 500 kW, che misura l'uso di energia e acqua, il riutilizzo del calore di scarto e la flessibilità verso la rete elettrica. Le prime etichette sono attese nel 2027. Secondo la Commissione, riutilizzare circa metà del calore di scarto dei data center europei coprirebbe il fabbisogno di riscaldamento di circa 4 milioni di famiglie. Anche i singoli Paesi si muovono: in Spagna una bozza di decreto del 2025 prevede l'obbligo di recupero del calore per i nuovi data center sopra 1 MW, salvo un'analisi costi-benefici negativa.

Diversi Paesi del Nord Europa stanno già trasformando il calore dei data center in una risorsa per il territorio. In Danimarca, a Høje-Taastrup, il calore in eccesso prodotto da un data center Microsoft sarà riutilizzato per riscaldare circa 6.000 abitazioni locali, e l'azienda sta portando avanti altre iniziative per fornire calore alle reti di teleriscaldamento. Il progetto più significativo si sta sviluppando in Finlandia: una volta completate, le nuove strutture dovrebbero coprire circa il 40% del fabbisogno di teleriscaldamento di Espoo, Kauniainen e Kirkkonummi. In Svezia l'iniziativa Stockholm Data Parks integra i data center nella rete di teleriscaldamento della capitale, che punta a eliminare completamente l'uso di combustibili fossili entro il 2040.

Retelit porta questo modello in Italia: i data center sostenibili diventano una risorsa energetica per la comunità, non solo grandi utilizzatori di energia.

Dall’efficienza al valore: come si misura la sostenibilità di un data center

Ridurre i consumi è necessario ma non sufficiente. La sostenibilità di un data center per l'AI nasce dall'equilibrio tra prestazioni, efficienza e competitività, non da una gara al prezzo più basso.

Un approccio centrato solo sul risparmio rischia di produrre infrastrutture efficienti sulla carta ma inadatte ai carichi reali. Quando l'AI entra in produzione, l'infrastruttura deve sostenere potenze elevate in modo continuo e con SLA (Service Level Agreement) garantiti. Anche il PUE (Power Usage Effectiveness), l'indicatore di efficienza più usato, racconta solo una parte della storia. Secondo Uptime Institute il valore medio è rimasto stabile per il sesto anno consecutivo: i margini di miglioramento sugli impianti esistenti si riducono. La sostenibilità va quindi misurata anche su ciò che l'infrastruttura restituisce al territorio: calore recuperato, suolo preservato, acqua tutelata.

La tabella confronta i due approcci sui criteri che incidono di più sul valore di lungo periodo.

Criterio	Approccio centrato sul risparmio	Approccio di equilibrio
Obiettivo	Ridurre il costo per kW	Bilanciare prestazioni, efficienza e competitività
Densità supportata	Adeguata ai carichi CPU tradizionali	Progettata per 20-30 kW per armadio
Raffreddamento	Aria, ottimizzata sui consumi	Liquido per i cluster GPU, aria per i carichi misti
Calore di scarto	Disperso in atmosfera	Recuperato per il teleriscaldamento
Uso del suolo	Nuove aree edificabili	Recupero di aree industriali dismesse
Indicatori di successo	PUE e prezzo	PUE, energia restituita, SLA sui carichi AI
Orizzonte	Breve periodo	Intero ciclo di vita dell'infrastruttura

Anche il suolo conta: il sito di Corsico sorge su un'ex area industriale, recuperata senza consumare nuove superfici.

La domanda da porre a un fornitore non è soltanto quanto costa un kW, ma quanto valore produce quell'energia lungo l'intero ciclo di vita dell'infrastruttura.

Perché il giusto mix tra virtualizzazione e GPU aumenta l'efficienza?

Combinare risorse virtualizzate in private cloud e GPU dedicate permette di sfruttare al meglio l'hardware installato. Nei rack dei data center di nuova generazione possono trovare posto server più performanti e a minor consumo energetico. La virtualizzazione consente di condividere queste risorse tra più carichi di lavoro: aumenta il tasso di utilizzo dei server e riduce il numero di macchine fisiche da acquistare, sostituire e mantenere. Le GPU restano dedicate ai carichi di AI che ne richiedono la potenza, mentre applicazioni e servizi di supporto girano in ambienti virtuali. Il risultato è un rapporto più favorevole tra investimento e ritorno atteso, con consumi inferiori per ogni unità di lavoro svolto.

La domanda da porre a un fornitore non è soltanto quanto costa un kW, ma quanto valore produce quell'energia lungo l'intero ciclo di vita dell'infrastruttura.

Fare sistema: imprese, ricerca e Pubblica Amministrazione

Un data center diventa sostenibile quando si integra nella comunità che lo ospita. Servono alleanze tra operatori digitali, multiutility, centri di ricerca e Pubblica Amministrazione per trasformare energia e calore in valore condiviso.

Nessun operatore può risolvere da solo l'equazione tra AI e sostenibilità. Il recupero di calore funziona solo se una multiutility costruisce la rete di distribuzione. Lo stesso vale per l’efficienza energetica e la pianificazione del territorio, che richiedono il contributo di enti pubblici e centri di ricerca. Anche la letteratura scientifica indica margini importanti oltre l'impianto. Una revisione sistematica pubblicata sul Journal of King Saud University (2026) stima che l'ottimizzazione del software valga dal 15% al 30% dell'efficienza energetica, a parità di hardware.

Ogni attore dell'ecosistema ha un ruolo preciso:

• Imprese: dimensionano le applicazioni di AI sulla capacità di calcolo effettivamente necessaria.
• Operatori infrastrutturali: progettano data center in grado di restituire energia e calore.
• Ricerca: sviluppa hardware, software e modelli più efficienti.
• Pubblica Amministrazione: coordina reti energetiche e aree di sviluppo sul territorio.

C'è infine un tema di controllo. L'AI aziendale lavora su dati riservati, e ospitarla in infrastrutture sul territorio nazionale è anche una scelta di sovranità digitale.

Criteri per valutare un data center sostenibile e AI ready

La valutazione deve unire densità disponibile, raffreddamento, metriche energetiche, gestione di calore e acqua e trasparenza sui dati di sostenibilità, sempre in relazione agli SLA richiesti dai carichi AI.

Per le organizzazioni che portano l'AI in produzione, la scelta dell'infrastruttura va impostata su criteri misurabili e verificabili. Il prezzo per kW resta un riferimento, ma va letto insieme alla capacità del sito di crescere in densità senza interruzioni. Uptime Institute rileva che raccolta e reporting delle principali metriche di sostenibilità non sono migliorati nel 2025: chiedere dati documentati è quindi il primo filtro.

I criteri da verificare nella selezione del fornitore:

• Densità garantita: kW per armadio disponibili oggi e roadmap di crescita.
• Raffreddamento: disponibilità di raffreddamento a liquido e tipologia di circuito, aperto o chiuso.
• Efficienza: PUE misurato, non solo di progetto, con serie storiche.
• Energia: quota rinnovabile, contratti di lungo periodo e potenza aggiuntiva disponibile.
• Calore e acqua: progetti di recupero termico e tutela delle falde.

l'AI sostenibile si progetta fin dall'inizio

Negli ultimi anni l'intelligenza artificiale è passata dalla sperimentazione all'uso quotidiano: supporta le decisioni, automatizza i processi e rende possibili servizi fino a poco tempo fa impensabili. Questa accelerazione ha però un costo che non si può più ignorare: l'impatto energetico e ambientale. Costo dell'energia, capacità della rete elettrica e obiettivi di decarbonizzazione sono variabili da considerare fin dalla fase di pianificazione. Ridurre i consumi, però, non basta: serve un equilibrio tra prestazioni, efficienza e competitività, che metta a frutto anche ciò che il data center produce, a partire dal calore recuperato.

In definitiva, un'infrastruttura per l'AI è sostenibile quando garantisce prestazioni oggi e restituisce valore domani.

Domande frequenti sui data center sostenibili per le organizzazioni enterprise

Con il contributo di Luca Canova, Sales Manager Nord Est, Retelit